大数据管理:PB、EB级数据存储和分析
TT中国 12年06月27日 10:14 【转载】 作者:TT存储 责任编辑:王振
供应商在每发布一款产品时都往往会有这样一种偏好,将其产品和最新的一些热炒的话题结合起来。而这次,厂商们又开始在每项产品中增加“大数据”的概念。如果你是一位存储管理员的话,你或许会在管理你自己环境中的大数据时遇到困惑。供应商口中的大数据存储和大数据分析非常相似,因此你很容易理解成这两者是相关的——大数据存储是用于大数据分析的。然而,到目前为止这是两种截然不同的计算机技术领域:一项致力于研发可以扩展至PB甚至EB级别的数据存储平台(大数据存储);另一项则关注在最短时间内处理大量不同类型的数据集(大数据分析)。
不过,在这些快速变化的趋势之中有至少两个结点,是存储管理员需要越为重视的。其一,大数据分析流程和传统的数据仓库的方式完全不同,其已经变成了业务部门级别和数据中心级别的关键应用。这也是存储管理员的切入点。随着基础平台(分布式计算或其它架构)变得业务关键化,用户群较以往更加地依赖这一平台,这也使得其成为企业安全性、数据保护和数据管理策略的关键课题。
其二,通常用于数据分析平台的分布式计算平台内的存储不是你以往面对的网络附加存储(NAS)和存储区域网络(SAN)——其通常是内置的直连存储(NAS)以及组成集群的分布式计算节点。这使得管理大数据变得更为复杂,因为你无法像以前那样对这些数据部署安全、保护和保存流程。然而,执行这些流程策略的必要性被集成在管理分布式计算集群之中,并且改变了计算和存储层交互的方式。
在我们一系列管理企业的大数据专题的第一篇文稿中,我们将关注在大数据分析和传统的数据仓库的不同之处,并且引入分布式计算集群作为大数据分析的基础。下一步,我们将着眼于分布式计算中的存储,并且进一步观察分布式计算如何创建并使用存储层。然后,我们将检验一个三段式的存储模型,其中在分布式计算的存储层中包含了NAS和SAN。最后,我们通过使用一些同样的判断因素——这些因素你作为存储管理员在评估存储阵列中同样会用到——来对分布式计算作为一个存储设备进行评估。