자세한 설명을 대용량 데이터 스토리지의: 어떤 문제가 발생 하는

"빅 데이터"은 일반적으로 데이터 집합을 수집, 처리, 분석 하기 어려운, 거 대 한 그리고 그 시간의 긴 기간 동안 전통적인 인프라에서 지켜진다 가리킵니다. "큰" 여기 여러 가지 의미, 그것은 조직의 크기를 설명할 수 있으며 더 중요 한 것은, 그것은 기업에서 IT 인프라의 크기를 정의 합니다. 업계는 대용량 데이터 응용 프로그램의 무한 한 기대 사업 정보 축적, 더 많은 가치 더 많은 가치, 하지만 우리가 그것을 밖으로 파고 수 있는 방법이 필요.

아마도 사람들의 노출 큰 데이터의 저장 용량, 염가에서 주로 하지만 기업 데이터를 많이 만드는 사실, 매일, 그리고 더 많은 그리고 더 많은, 그리고 사람들이 귀중 한 비즈니스 인텔리전스 데이터의 무수에서 검색 하려고 하는. 다른 한편으로, 사용자는 또한 분석 된 데이터를 저장 됩니다, 그리고 오래 된 데이터와 비교 될 수 있기 때문에 새로운 데이터 수집 미래에, 여전히 잠재적인 활용.

왜 큰 데이터? 왜 지금?

더 많은 데이터를 저장 하는 기능 이외에 우리 그 어느 때 보다 더 많은 데이터 종류를 직면해 야 한다. 이러한 데이터 소스는 온라인 거래, 소셜 네트워킹, 자동 센서, 모바일 기기 및 과학 기기, 다른 사람의 사이에서 포함 됩니다. 데이터 생산의 고정된 소스 이외에 다양 한 거래 또한 데이터의 축적 가속화할 수 있다. 예를 들어 사회 형 멀티미디어 데이터의 폭발적인 성장 새로운 온라인 트랜잭션 및 기록 관리 관행에서 유래한 다. 데이터는 항상 성장 하 고, 하지만 거 대 한 양의 데이터를 저장 하는 기능 충분 하지 않습니다 때문에 우리가 성공적으로 그것 으로부터 비즈니스 가치에 대 한 검색 수 있습니다 보장 하지는 않습니다.

데이터 생산의 중요 한 요소 이다

정보 시대에서 데이터 생산, 자본, 노동 및 원료 및 기타 요소와 같은 중요 한 요소가 되 고 일반 수요, 그것은 더 이상 특별 한 특정 산업의 응용 프로그램에 제한. 모든 생 업에서 회사는 수집 하 고 데이터 분석 결과의 많은 가능한 비용 절감, 제품 품질 향상, 생산 효율 향상 및 새로운 제품을 사용 하 여. 예를 들어 제품 테스트 사이트에서 직접 수집한 데이터를 분석 하 여 디자인을 개선 하는 기업을 수 있습니다. 또한, 회사 수 능가 경쟁사 깊이, 고객 행동을 분석 하 여 대조 시장 데이터의 많은.

저장 기술을 계속 해야 합니다.

폭발적인 성장으로 대용량 데이터 응용 프로그램의, 그것은 자체 독특한 아키텍처를 산란 했다 고 직접 스토리지, 네트워킹 및 컴퓨팅의 개발을 주도 했다. 결국, 큰 데이터를 다루는 특별 한 필요가 새로운 도전 이다. 하드웨어의 개발은 궁극적으로 소프트웨어 요구 사항에 의해 구동 하 고이 경우에 대용량 데이터 분석 응용 프로그램 요구 사항 데이터 스토리지 인프라의 개발에 영향을 분명 하다.

다른 한편으로,이 변경 저장소 공급 업체와 기타 IT 인프라 공급 업체에 대 한 기회가 아니다. 구조화 및 구조화 되지 않은 데이터의 지속적인 성장 및 데이터 소스의 다양화, 스토리지 시스템의 설계는 큰 데이터 응용 프로그램의 요구에 맞게 수 되지 않았습니다. 저장소 공급 업체는 이것을 실현, 그들은 블록의 건축 디자인을 수정 하 여 파일 기반된 저장 시스템 이러한 새로운 요구 사항을 수용 하기 시작 했다. 여기 우리는 어떤 특성은 그들이 큰 데이터의 과제를 충족 하는 어떻게 보고 대용량 데이터 스토리지 인프라에 관련 된 토론.

용량 문제

여기 "대용량" 일반적으로 PB 수준 데이터 규모를 도달할 수 있다, 따라서 대량 데이터 저장 시스템의 확장 기능 해당 수준이 있어야. 동시에 스토리지 시스템의 확장은 간단 하 고, 모듈 또는 디스크를 추가 하 여 용량을 늘릴 수 있다 고도 가동 중지 시간을 필요 하지 않습니다 해야 합니다. 이 요구에 따라, 고객은 지금 점점 더 애 용 확장 아키텍처의 스토리지. 확장 클러스터 구조는 일정 한 양의 내부 데이터 처리 용량 및 상호 장비, 각 노드의 저장 용량 특징 그리고 전통적인 스토리지 시스템 굴뚝 스타일 아키텍처는 완전히 다른, 확장 아키텍처 스토리지 제도 피하기 위해 원활 하 고 부드러운 확장을 얻을 수 있습니다.

데이터의 규모 뿐만 아니라 큰 데이터 응용 프로그램 파일의 거 대 한 수 의미 합니다. 따라서, 파일 시스템 계층의 축적 된 메타 데이터를 관리 하는 방법 어려운 문제, 그리고 부적 절 한 처리 수에 영향을 전통적인 NAS 시스템의 병목은 시스템의 성능과 확장성. 다행히, 단일 시스템에서 파일 수준 1 십억의 수를 관리할 수 있으며 전통적인 스토리지 같은 메타 데이터 관리도 퍼진 하지 개체 기반 스토리지 아키텍처와 같은 문제가입니다. 객체 기반 스토리지 시스템 또한 광역 확장성 배포 하 고 여러 다른 위치에서 크로스-국가 대형 스토리지 인프라 형성 있다.

대기 시간 문제

"빅 데이터" 응용 프로그램에는 또한 실시간으로 문제가 있다. 특히, 그것은 온라인 거래 또는 금융 클래스와 관련 된 응용 프로그램을 포함 한다. 예를 들어 의류 판매 업계에서 온라인 광고 서비스 고객 레코드와 정확한 광고 검색의 실시간 분석을 요구 한다. 이 응답 대기 시간의 결과 시스템 되겠습니다 "만료" 광고 콘텐츠를 고객에 게는 높은 응답 속도 유지 하면서 이러한 기능을 지 원하는 수 스토리지 시스템이 필요 합니다. 이 시나리오에서는 확장 아키텍처의 스토리지 시스템의 노드 마다 처리 하기 때문에 이점을 재생 하 고 용량을 증가 하는 동안 동기적으로 성장할 수 있는 구성 요소를 상호 연결 수 있습니다. 객체 기반 스토리지 시스템 동시 데이터 흐름을 지원 하 고 추가 데이터 처리량을 향상 시킬 수 있습니다.

HPC 높은-성능 컴퓨팅 등 높은 IOPS 성능이 필요로 하는 많은 "빅 데이터" 응용 프로그램을 확인 하 고 있습니다. 또한, 전통적인 IT 환경을 변경 하는 것으로 서버 가상화의 인기 높은 iops에 대 한 필요에 지도 했다. 이러한도 전에, 고체 저장 장비 등장, 서버 내에서 캐시 할 간단한 작은의 다양 한 모델을 충족 시키기 위하여 확장 가능한 스토리지 시스템 등의 솔리드 스테이트 미디어 큰 등은 호황.

일단 큰 데이터 분석 응용 프로그램의 잠재적인 가치를 인식 하는 기업에 동시 액세스를 그들은 비교할 것 이다 더 많은 데이터 집합을 시스템에 더 많은 사람들이 공유 하 고 데이터를 사용 하면서. 더 많은 비즈니스 가치를 만들기 위해 기업 다른 플랫폼에서 다양 한 데이터 개체를 종합적으로 분석 하는 경향이 있다. 스토리지 인프라, 글로벌 파일 시스템을 포함 하 여 사용자가 데이터 액세스 문제 해결을 도울 수 있다 그리고 글로벌 파일 시스템 사용자가 여러 파일 데이터에 동시에 액세스 하는 여러 호스트에는 여러 다른 유형의 여러 위치에 저장 장치에 저장할 수 있습니다.

(책임 편집기: 유산의 좋은)