存儲管理已成眾多企業(yè)的短板

Andy Patrizio Charles

調(diào)查發(fā)現(xiàn)，企業(yè)雖然采用了人工智能、機器學習、邊緣計算和物聯(lián)網(wǎng)等技術，但仍在使用無法處理這些工作負載的傳統(tǒng)存儲方法。

可能你早就有所耳聞：企業(yè)競相采用新的技術模式，但在存儲方面仍然使用的是相對過時的技術。

由存儲供應商NGD系統(tǒng)公司對300多名存儲專業(yè)人員進行的一項調(diào)查發(fā)現(xiàn)，在受訪的企業(yè)中，只有11%會把自己的計算和存儲能力評為“A”級。

為什么？ 受訪企業(yè)給出的主要原因是，盡管企業(yè)正在快速部署用于邊緣網(wǎng)絡、實時分析、機器學習和物聯(lián)網(wǎng)（IoT）項目的技術，但仍在使用傳統(tǒng)的存儲解決方案，而這些解決方案并不是針對此類數(shù)據(jù)密集型工作負載而設計的。超過一半的受訪者（54%）表示，對邊緣應用的處理是瓶頸，他們需要更快、更智能的存儲解決方案。

NVMe SSD的應用在增長，但不能滿足所有需求

也不全是壞消息。由Dimension研究公司進行的題為“存儲和邊緣計算現(xiàn)狀”的研究發(fā)現(xiàn)，60%的存儲專業(yè)人員使用NVMe SSD技術來加速處理邊緣生成的大量數(shù)據(jù)。

然而，這并沒有滿足他們的需求。人工智能（AI）和其他數(shù)據(jù)密集型應用的部署越來越多，數(shù)據(jù)傳送的距離也越來越長，這會導致網(wǎng)絡瓶頸，分析結果大大延遲。邊緣計算系統(tǒng)往往比傳統(tǒng)的數(shù)據(jù)中心占用的空間更小，因此性能有所限制。

解決方案是在接收數(shù)據(jù)的地方處理數(shù)據(jù)，在本例中是邊緣設備。把“麥?！迸c“谷殼”分開后，只把相關的數(shù)據(jù)發(fā)送到上游數(shù)據(jù)中心進行處理。這被稱為計算存儲，在存儲數(shù)據(jù)的地方處理數(shù)據(jù)，而不僅僅是移動數(shù)據(jù)。

據(jù)這項調(diào)查，89%的受訪者表示，他們希望計算存儲能真正帶來價值。當然了，NGD是計算存儲系統(tǒng)的供應商。所以，這個發(fā)現(xiàn)是不是有點私心不得而知，但這并不意味著他們的觀點是無效的。處理其所在位置的數(shù)據(jù)是邊緣計算的重點。

調(diào)查中發(fā)現(xiàn)：

● 55%的受訪者使用邊緣計算。

● 71%的受訪者使用邊緣計算進行實時分析。

● 61%的受訪者表示，傳統(tǒng)存儲解決方案的成本一直困擾著其應用。

● 57%的受訪者表示，更快地訪問存儲能提高他們的計算能力。

研究還發(fā)現(xiàn)，NVMe應用的速度非?？?，但受礙于價格。

● 86%的受訪者預計存儲的未來在于NVMe SSD。

● 60%的受訪者在其工作環(huán)境中使用NVMe SSD。

● 63%的受訪者表示，NVMe SSD有助于提高存儲速度。

● 67%的受訪者表示，預算和成本問題阻礙了NVMe SSD的應用。

最后一項發(fā)現(xiàn)就是這么多企業(yè)為什么工作受到阻礙的原因所在。無論出于什么原因，他們使用的還是傳統(tǒng)的存儲系統(tǒng)而不是新的NVMe系統(tǒng)，這不利于他們的工作。

GPU不會提高工作負載的性能

一項有趣的發(fā)現(xiàn)是：70%的受訪者說他們正在使用GPU來幫助提高工作負載的性能，而NGD認為這并不好。

NGD系統(tǒng)公司的首席執(zhí)行官兼創(chuàng)始人Nader Salessi在一份聲明中指出：“我們發(fā)現(xiàn)，一半以上的受訪者積極地使用邊緣計算，超過70%的受訪者使用傳統(tǒng)的GPU，這不會減少實時分析海量數(shù)據(jù)集所需的網(wǎng)絡帶寬、功耗和占地空間，對此，我們絲毫也不感到奇怪?！?/p>

這是因為GPU雖然能夠很好地完成重復性任務和并行處理工作，但計算存儲在很大程度上是一種串行處理工作，面臨的任務在不斷變化。因此，雖然一些處理工作會受益于GPU，但很多工作不會，GPU基本上被浪費了。

Andy Patrizio是南加州的一名自由撰稿人，20多年來一直從事計算機行業(yè)，他所擁有的每一臺x86個人計算機都是他自己組裝的，不包括筆記本計算機。

原文網(wǎng)址

https：//www.networkworld.com/article/3411400/storage-management-a-weak-area-for-most-enterprises.html