IDC數據增長趨勢預測

IDC指出，?前每年存儲下來的數據只有新創建數據的1%左右，其中真正挖掘出價值的數據量不?存儲數據的10%。數據資產已成為企業數字化轉型的核心，未來隨著大數據和AI技術的發展，數據存儲比例和挖掘比例必將大幅提升，需要專業的分布式存儲來提供更高的存儲容量和并發性能。Gartner定義的第二存儲陣列也將大數據分析作為其典型應用場景，認為未來的大數據分析會為分布式存儲帶來海量的數據和性能需求。

分布式存儲市場表現

IDC將分布式存儲歸入了軟件定義存儲來跟蹤，IDC發布的《中國軟件定義存儲(SDS)及超融合存儲(HCI)系統市場季度跟蹤報告，2019年第二季度》顯示，中國區軟件定義存儲已經連續多個季度同比大幅增長。

IDC中國區SDS存儲2017Q2-2019Q2銷售數據

按IDC的預測，中國區SDS存儲銷售從2018年到2023年將保持20%以上的年化增長率;隨著5G、物聯網和人工智能快速發展，到2023年，全球40%左右的存儲系統都將是分布式存儲架構。另一家調研機構Zion Market Research更是預測，全球分布式存儲的銷售額將從2018年的20億美元快速增長到2027年的285億美元，年化增長率高達34.7%。無論從過去幾年的銷售數據還是未來幾年的銷售預測來看，分布式存儲的春天已經到來，以Ceph為代表的開源分布式存儲蓬勃發展，以EMC、華為為代表的專業存儲廠商重兵投入，同樣也印證了這一結論。

IDC中國區SDS存儲2018-2023年銷售數據預測

分布式存儲技術發展趨勢

分布式存儲是未來的發展方向已成為業界共識，那么分布式存儲技術上又有哪些發展趨勢呢，這點可以從Gartner分布式文件&對象存儲關鍵能力要求和各大主流廠商的產品方向上來看一下：

極致效率

Gartner對第二存儲的定義是：首要目的是經濟高效地支持延遲和IOPS不是必需屬性的非結構化數據工作負載， 典型用例包括長期歸檔，大數據分析應用程序的存儲庫，深度歷史研究以及備份/恢復軟件的備份/恢復目標。這就意味著，分布式存儲的首要目標是提供極致效率的數據存儲方案。

從Gartner分布式文件&對象存儲關鍵能力要求來看，效率主要體現在幾個方面：

? 擴展性：整集群應具備擴展到幾百甚至上千存儲節點的能力，簡化管理;單文件系統或單桶需要支持幾百甚至上千億文件，應對現在及未來的海量文件挑戰。

? 互通性：以自動駕駛為代表的新型應用已經越來越多的使用了文件、對象、HDFS多種訪問協議，多協議互通可以避免文件的多次拷貝，有效提升文件的共享訪問效率。

? 存儲效率：分布式存儲需要使用大比例EC(Erasure Coding)替代傳統的副本技術，獲得更高的存儲利用率;應具備重刪、壓縮等數據縮減能力，相同硬件可存儲更多的用戶數據;應支持高密硬件，應對海量數據的空間占用和功耗問題;應具備數據分級能力，熱、溫、冷數據可以使用不同的存儲硬件;

極致性能

分布式存儲不以支持低時延和高IOPS為首要目標，但并不意味著性能對分布式存儲就不重要了。IDC在《Data Age 2025》的報告中預測，實時數據占比將逐年提升，到2025年實時數據占比將達到30%，這么大規模的實時數據，很大一部分是需要借助分布式存儲實現數據采集、存儲和分析的，這就需要分布式存儲能夠提供極致性能來應對。

IDC全球實時數據占比預測

比較典型的如金融的風險評估、交通的自動駕駛、新興的AI應用，都需要從海量數據中快速獲取所需的信息并進行實時分析，這就要求存儲提供亞毫秒級的響應時延，同時以高擴展性應對高并發處理性能需求。業界主流廠商如EMC、PureStorage、華為等都推出了基于全閃存的分布式存儲產品，通過存儲軟件、專有硬件、網絡的深度配合，來滿足上層應用的極致性能需求。

智能管理

傳統數據中心多采用中心管控、集中運維的方式，故障定位多依賴專家的經驗，隨著存儲集群規模的增大和新技術的發展，這一模式運行的成本越來越高。各主流廠商紛紛推出“AI in Storage”的概念，利用云上云下技術結合，實現存儲的智能管理。

云下數據中心，以服務化的方式統一管理不同存儲設備，實現資源的自動化分配和數據在線流動，簡化業務發放;云下設備側，內嵌AI能力學習用戶的操作習慣和IO模型，和云上模型庫匹配實現性能自動優化。云上統一運維側，分析云下海量設備的容量和性能增長的共性規律，實現容量和性能風險提前預測;分析云下設備的故障處理共性規律，提供故障預測能力及自動處理方案。

小結

隨著Cloud和AI時代的數據爆發式增長，分布式存儲的春天已經到來，用戶已經越來越多的選擇分布式存儲。通過協議互通、EC、重刪壓縮、高密等技術達成極致效率是分布式存儲的核心競爭力;軟硬件深度配合，云上云下協同，實現極致性能和智能管理成為分布式存儲發展的重要趨勢。