是数据存储的需求还是供应驱动了存储的增长?

数据存储经济学

从价格的角度来看，问题变成了是什么驱动了价格——更多的数据存储需求还是更多的存储供应?我听经济学教授说过，当学生问这类问题并首先考虑供给方面的答案时，他们就能判断出谁真正理解了基本的供求价格曲线课程。人们倾向于关注需求方面的解释，认为这是解释价格波动最直接的方式。我想，在想象数据存储需求的所有可能变化时，更容易假设供应是一个遥远的常量。

但如果存储供应是恒定的，考虑到我们庞大的数据增长，那么它应该非常昂贵。大量的数据存储将受到高存储价格(低可用性)的限制。这是多年前的情况。请记住，当传统IT应用程序环境努力适应有限的存储基础设施时，这些基础设施已经被拉伸以满足需求日益增长的需求？

如今，数据容量正在快速增长，而存储的价格(单位存储容量)却在不断下降。毫无疑问，数据存储的供给增长快于需求增长。一些技术带来了巨大的供应方面的好处，比如共享云存储的固有效率，以及摩尔定律和集群开源文件系统(如Hadoop分布式文件系统和其他技术)，这些技术使大容量存储能力变得如此廉价，尽管对数据存储的需求大幅增长，存储的价格继续下降。

没完没了的数据存储

当我们想到热门的新存储技术时，我们倾向于关注主要存储技术的进步，比如闪存和非易失性记忆表达．所有所谓的二级存储都是次要的。的确，1g主存储的相对价值大大增加了。就像我们过去所做的那样，购买一大堆专用的、短时间处理的hdd与投资少量今天完全被删除的、自动分层的和工作负载共享的闪存的投资回报率进行比较。

闪存对容量的影响也值得考虑，而不仅仅是性能。如果闪存可以在十分之一的时间内服务于一个工作负载，那么它也可以同时服务于10个类似的工作负载，提供10倍的有效容量提升。

当我们学会从数据中榨取更多的价值时，我们就希望制造和存储更多的数据。

但是，不要低估次要存储中发生的主要变化。线下档案已经上线，按需提供大数据流保持我们所有老化数据的可访问性和有用的。您可以使用混合对象存储来对整个公司的文件系统进行版本管理、备份和恢复。与以往的数据保护目标不同的是，它们可以使用具有每个对象安全策略强制的全局名称空间，直接主动地为我们所有宝贵的文件提供服务。

我们还看到分析正在向存储领域靠拢。IT架构师正试图利用存储更接近计算堆栈所获得的优势。对于存储人员来说，也值得关注一下将计算能力更接近存储堆栈的融合趋势。

正在出现的存储方法将支持和处理更接近(甚至内部)存储数据的计算函数，而不是将数据从存储区运送到某个远程处理单元。随着数据集的增长，我们将看到更多对存储器局部发生的处理．这是大数据处理的基本原则。一些存储产品可以承载本地虚拟机和容器化的应用程序，甚至可以处理远程提交的“lambda”函数，就像函数式编程中传递匿名函数一样。

让处理发生在存储的本地，首先可能更多的是性能问题。但是，通过构建方法来有效地大规模应用分析，计算存储为越来越实时的应用程序开辟了新的途径，以更大的容量收集和处理更多的数据。例如，在我们未来的物联网(IoT)中，所有可能的“事物”都将产生有用的数据。如果我们能在物联网数据首次记录的地方开发它，我们最终将再次存储多得多的数据。

鸡蛋里有鸡吗?

对于我这个“先有鸡还是先有蛋”的问题，内部人士给出的答案是，当我们学会从数据中挖掘更多价值时，我们既想制造更多数据，也想存储更多数据。因此，首先要做的是，我们越来越有能力在更大的规模上，以更快的速度，对更细粒度的数据进行更有效的分析。

精明的存储供应商一直在考虑，不仅要帮助我们管理更大的数据量，还要在存储中建立设施，帮助我们充分利用这些数据。非结构化数据搜索，大数据分析，在线活动的档案、流数据服务和全局名称空间只是当今高级存储产品中的少数数据利用功能。

这意味着存储专家的工作仍然充满挑战。他们需要确保有足够的合适的存储服务来满足数据存储的需求。此外，随着存储越来越不是被动存储，而是主动的、融合的平台，他们将不得不提供和调整存储，以充分利用其包含的数据。