建站公司网站 phpwind,温州市手机网站制作哪家便宜,南充建设工程信息网,网络营销公司做什么导读#xff1a;6月9日#xff0c;全速重构•2020阿里云线上峰会如期举行。阿里巴巴研究员、阿里云智能存储资深产品总监Alex Chen做了主题为《面向未来#xff0c;企业CIO该懂的数据经济学》的分享。在分享中#xff0c;他畅谈了数据增长所带来的全新挑战#xff0c;同时…导读6月9日全速重构•2020阿里云线上峰会如期举行。阿里巴巴研究员、阿里云智能存储资深产品总监Alex Chen做了主题为《面向未来企业CIO该懂的数据经济学》的分享。在分享中他畅谈了数据增长所带来的全新挑战同时从“数据经济学”的角度阐述了阿里云存储的应对之策。本文系根据此次分享整理而成。
一、数据增长带来的挑战
大部分企业/组织管理者都需要面对数据的快速增长这些数据可能是结构化的也有可能是非结构化的可能是从传统业务而来也有可能是从物联网 (IoT) 、人工智能AI等新的业务而来可能是人产生的数据也可能是机器产生的数据可能是企业组织自身产生的数据也有可能是外部合作产生的数据……数据的这种爆发式增长是难以控制的指数级增长。
除此之外数据的价值呈现两极化的分布。初期数据产生实时的洞察比如当消费者进入到购物网站之后所进行的一些及时的推荐这类推荐更多的是实时的且具有实效性。同时随着数据量的积累数据价值则是对长期的、宏观的探索和归纳的洞察。因此数据价值的曲线就呈现出两极化的态势即所谓的“微笑曲线”。
基于这样的“微笑曲线”在数字化的变革中就必须有效地、快速地处理数据同时解决海量数据的存储问题及数据管理等问题。这些问题主要包括存、用、管等几个方面
在存的方面数据量不断增长需要在低投入的情况下实现高容量的数据存储并且要应对硬件故障导致的数据丢失实现存储系统更高的可靠性。
在用的方面由于业务24小时不间断进行所以需要随时保证数据的安全性和可用性。并且随着AI和大数据的发展应用需要对海量的数据实现高带宽、低延迟的访问。
在管的方面既要满足不同国家、区域、行业的相应合规要求也要做到防泄漏、防误删、防勒索。所以频繁的数据拷贝、调度也对数据管理带来了更大的挑战。
作为数字经济的基础设施阿里云正在全速重构数字新基建在这个过程中阿里云存储又将如何应对这些挑战呢
二、阿里云存储的应对之策
首先十年磨砺。2019全球天猫购物狂欢节创下了2864亿的商业奇迹。在奇迹的背后是阿里云自研的分布式存储系统——盘古稳如磐石的可靠性支持。经过十年的潜心研发以及历年“双十一”的打磨今天的盘古已经成为阿里云这一数字经济基础设施的稳定底座和性能引擎。
其次星罗棋布。阿里云多个超大规模数据中心遍布全球拥有数十EB的存储规模每日有万亿次应用请求。强大的供应链资源管理能力不仅可以全速构建数字新基建同时为用户提供更好的使用弹性。
第三值得信赖。在品牌层面阿里云是亚洲第一全球前三的云计算提供商拥有丰富的云计算经验深得国内外客户信赖。在产品技术方面阿里云存储提供多种数据加密方式保障数据全链路安全。操作记录可追溯保障异常行为有迹可查。强大的备份与容灾能力有效抵御勒索病毒并且符合不同国家、区域、行业的相关合规需求。
最后包罗万象。阿里云存储具有完善的公共云、混合云产品体系以及多场景的解决方案生态用户无论是需要全栈上云还是部分上云都可以进行匹配。同时在具体产品线上拥有包括块存储、对象存储、文件存储、表格存储以及企业级混合云存储等多元化的产品形态可以满足客户迁移、备份、容灾、日志服务等数据管理的实际需求。
三、阿里云释放数据智能原力
存储行业的变革正在持续发生作为下一代存储的定义者阿里云存储将以“数据经济学”的角度充分释放云时代的数据智能原力。
首先阿里云激活了全闪存存储的极致性能进一步挖掘数据价值。首先传统线下全闪存存储投入成本高且对于核心业务难以做到针对性的性能提升其次线下的全闪架构因为需要对计算和网络的链路进行优化架构部署复杂而阿里云存储通过将全闪技术和云结合后可以根据业务需求针对单个ESSD云盘进行容量和性能上限的在线提升从而发挥出更为极致的性能。
其次以往的IT架构如果想要实现高可用的架构都需要极大的IDC成本和专业人员投入。而阿里云通过构建统一的数据存储平台让更多的企业只需花费少量的成本即可享受等同于世界500强企业一样的、先进的、高可用的IT架构实现存储技术的普惠。
第三数据引力下的“数据经济学”。数据迁移带来了高传输成本、高传输时延等问题因此计算需要向存储下沉这样的架构可以带来多个好处包括无需多份数据的频繁拷贝且单份数据可以被多个大数据分析引擎使用以及FPGAField Programmable Gate Array与存储的就近处理可以提升图片处理的效率等等。
今天在数字化变革的当下数据已经成为一门“经济学”。在这门学科里隐含着数据存储、数据治理、数据挖掘等在内的诸多难题。阿里云存储致力于和CIO一道努力破解这些难题真正读懂 “数据经济学”。
原文链接 本文为云栖社区原创内容未经允许不得转载。
