| 摘要：高扩展性云存储组件应该具有足够高的扩展性，应该能够通过在线扩充存储单元进行有效的平滑线性扩展;自动容错能力因为低成本的，存储组件的损耗率应该很高，云存储厂商应该能在软件层做到自动容错而不是依赖硬件本身的容错。 |
越来越迫切的信息存储需求
根据EMC公司赞助IDC进行的研究计划"Digital Universe"的分析报告，在整个2007年，我们这个世界生成、占用的数字信息及复制总量大约是281Exabytes(1Exabytes=1024Petabytes，1Petabytes=1024TB这里换算都按照二进制的换算)，这个数据平摊到地球上的所有人，大约是每个人45GB的数据;截至到笔者写稿的时候，2008年到现在整个世界已经生成了大约374EB的数据(可以到"Digital Universe"页面查看最新的数据，也可以下载一个评估工具，看看自己产生的数据是大约如何);到2011年，每年产生的数字信息大约是1800EB，10倍于2006年产生的信息量。做为对比，Google每天处理的数据大约是20PB的样子，Google的目标是要组织所有的信息，看来并非易事。
其他可参考数据：据美国国家档案馆工作人员估计，布什政府电子档案存储量大约为1亿GB，这一数字约为前总统克林顿两届政府档案总量的50倍，是国会图书馆2000万册编目图书内容总量的5倍。
每年激增如此庞大的信息量，加上已有的历史数据信息，对整个业界的数据存储、处理带来了很大的机遇与挑战。通过该研究能看出，在可用存储之间与信息生成总量之间不是严格匹配的，一方面多媒体领域信息增长过快，一方面因为不合理的存储分配、占用情形比比皆是。例如研究表明一封大约1M的邮件发出后，经过不同服务器的存储、备份、归档等最后总体占用空间竟然达到惊人的50M之多。正如云计算的初衷是为了充分发挥计算机闲置资源，提高总体使用率以便达到经济效益，云计算中的存储方面也应该能有效提高存储利用率而进一步创造价值，盲目的复制、堆积数据是没有出路的。工业界提倡节能减排，其实IT界应该提倡一下节约存储了。
什么是云存储?
其实，什么是云计算都很难有一个权威的定义，笔者在这里更愿意把"云计算中涉及的存储"简称为云存储(Cloud Storage)。云存储本身离不开云计算，更多的时候云存储是做为云计算的一个支撑组件。
云存储不是简单的在线存储或是网络硬盘，在线存储服务只是云存储能够提供的众多服务中的一种而已。
云存储的特点
云存储至少应该能够具备如下特点：
高可靠性谈到存储，可靠性还是要排到第一位的。没有人喜欢买三天两头坏掉的硬盘，代表高科技形象的云存储可靠性也要加强。
高可用性如果云存储服务不是针对在线用户的，那么没有什么实际意义，如果针对在线用户，不具备足够高的可用性也是没有意义的。Amazon的S3服务给足够多的Web2.0企业解放了在硬件存储上的压力，但是偶然的一次宕机会影响所有的Web2.0用户;
低成本云存储本质上还是规模化经济。如果成本不能有效的控制，那么云存储对厂家、对用户来说是没有意义的;
高扩展性云存储组件应该具有足够高的扩展性，应该能够通过在线扩充存储单元进行有效的平滑线性扩展;
自动容错能力因为低成本的，存储组件的损耗率应该很高，云存储厂商应该能在软件层做到自动容错而不是依赖硬件本身的容错;
易管理性构建云存储系统，可管理性应该在设计之初就要考虑到，如果管理太复杂，很难做到低成本，稳定性、可靠性也会受到挑战。
去中心化对元数据的管理不应该通过少数或者单一的管理节点来操作或者存储。
云存储的关键技术与服务形式
要建设成功的云存储系统，高扩展性、高可靠性的分布式文件系统是一个关键因素。而硬件问题反而是次要的。
是否该建设云存储服务?
可能有些企业已经在战略中加上了云计算这个关键字，问题是，真的需要那么多云计算么?如果在技术上、规模化不能有效的节约成本，那么跟风建设云存储服务是缘木求鱼。更多的企业是自身的存储建设都远远不到位，大谈云存储无疑是痴人说梦。至少在国内，我们的基础建设还和国外有一段距离，而内容审查与一些政策上的限制又会增加建设、运营成本。
是否该使用云存储服务?
回答这个问题之前，我建议先看看服务提供方是否真的是云存储服务，如果只是炒炒概念，用老的架构支撑，换汤不换药，那还是谨慎为妙。企业如果不能从技术上做些本质突破而节约成本，那么成本肯定要转嫁到消费者身上，如果消费者不买单，那该服务如何能长久?和我们现实生活中很多山寨IDC类比一下就知道了，动辄听到某主机托管商一夜之间蒸发，用户欲哭无泪的事情。
如果使用云存储服务，不妨和竞争对手使用同一家服务商。出问题的时候大家都出问题，保证始终处于同一起跑线。
在国内，短期内还看不到有规模的云存储服务商。由于网络的问题，企业用户也不太可能去使用国外的服务(不排除将来Amazon S3这样的服务能在国内提供服务)。期待在未来的一段时间能看到一些变化，但这恐怕只是乐观的想法。
云存储的潜在问题
数据安全同样是数据存储到云存储服务商那里，如果我的隐私数据被泄露了怎么办?业务数据被竞争对手盗用了怎么办?消除用户的顾虑仍然需要时间。
网络带宽问题只有数据没有网络，好比鱼儿没有水。如何保证大规模数据的有效分发与负载均衡，这也是云计算提供方与使用方都需要考虑的问题。
SLA的问题对于提供云计算存储服务的公司，用户很难看到他们严格执行SLA(Service leve agreement)。遇到大规模故障的时候，还做不到有效的为所有用户提供服务支持的能力。
云存储的钱途与前途
时值全球经济的寒冬，能够为用户省钱的服务相信也应该能够赚到钱。从用户的角度上看，云存储解放了自身的生产力，能够允许中小创业团队集中精力做发展业务，只要不形成恶性竞争，应该不用担心盈利的问题。
就以Amazon的S3来说，基本上也很好的展示并实践了Web2.0长尾理论：利用企业建设剩余的存储以及网络带宽能力而为广大中小网站提供服务，前途大好。相信Google推出类似服务也是指日可待的事情。但这个市场内应该不会出现过多的有力竞争者，有些存储厂商(比如EMC)也在进入这个领域，数据存储不是问题，但网络能力可不是那么好解决的事情。
云存储与传统存储：SAN能否还能发挥余热?
从我们前面提到的云计算中的存储特点来看，SAN(存储区域网络)产品就暴露出一些不适合的应用场景，毕竟SAN是面向集中式计算的架构。另外，大家也都知道SAN产品一般不便宜(现在也有厂商在力推低端海量存储产品，后面会介绍)，而且，主机端如果用HBA卡，也会进一步提高成本;SAN面向传统企业应用而设计的扩展能力难以满足云计算的需求。
目前尽管已经有一些企业在做集群存储然后打包出售，但相对还是在起步阶段。至少现在还看不到真正集群SAN产品的出现。当然，如果对云计算的存储部分不计成本的话，SAN仍然可以在云计算中发挥一些作用，这倒是中了存储厂商的下怀。
不管怎么说，RAID这个SAN中的概念在云存储中已经绝对不适合了。
集群NAS是否真的有机会?
有业界评论说集群NAS可能会演变成云存储的通用架构，我怀疑这是不是Sun公司的宣传手段，因为这事实上宣布了ZFS将是云存储中的一个关键点。
从现有的情形看，或许会有越来越多的在线存储服务拥抱集群NAS。但这不代表集群NAS前途光明能够在云存储大展拳脚。集群NAS最大的问题是海量数据的寻址是个麻烦事儿，然后是扩展性与容错性的问题，底层的容错性如果通过硬件来做，那么成本无疑会上升，这恐怕是企业不愿意接受的。
分布式文件系统
在开源领域，以Mogile FS为代表的分布式文件系统能够用于一些相对规模较小的分布式存储场景，很多Web2.0自己的分布式存储就是借鉴Mogile FS搭建的，不过毕竟Mofile FS的Meta信息仍是集中存储、管理的，在更大规模恐怕有些吃力。
此外，Kosmosfs、Lustre等也都在不断发展中，相信能够给有兴趣研究云存储的技术人员一些借鉴。也有一些软件厂商将其专有的分布式文件系统和存储打包在一起销售，而存储厂商也有的在结合自己的存储产品做一些尝试。目前还很少有相对成熟度的东西进入用户视野。
速成版存储方案成本评估
云计算中存储的起步容量，我们不妨按照1PB可用空间来准备。近年来，随着磁介质存储能力的提升，企业存储的价格也是一降再降，$2.00/GB的底线早已突破，现在Sun的Thumper声称可以达到$1.20/GB的成本。(注：企业存储[不是个人消费品]的磁盘价格一降再降，而且有很重要的商业因素，具体的成本应该还要更低一些，只是不知道哪位朋友有更为准确的数字)
粗略估算一下，2PB的原始容量成本大约是250万美元左右(ListPrice)。单位机柜空间密度最高的已经能够做到4U的机存储48TB的原始容量(目前能看到密度最高的了)，这样最小只需要大约45个4U的机柜空间。其他方面，加上本地的工业电力价格，大致的硬件总体开销还是可估量的。软件方面，这个存储本身是基于Sun的ZFS，内置的操作系统，成本也是可以控制的。
山寨云存储方案设想
在山寨精神盛行的今天，没准儿已经有人在搭建一套山寨版的云存储方案呢。比如目标定在1PB可用容量，预计至少需要如下的东西:
选择廉价的刀片服务器(自己"生产"就不必了)，内置足够多的大硬盘，硬盘速度无所谓，预计每台机器预装4T容量(1T*4，坏了就整台机器替换)，大约需要500台服务器，总容量2PB，确保每一份数据都至少冗余在另外的物理机器上，冗余后，起码能得到1PB容量(如果备份的数据启用压缩，没准儿能提供更多空间呢)。机架物理空间怕是需要1000U多一些，每个标准机柜是42U，怎么也要准备25个机架吧，再加上网络交换机什么的...然后是电力与空调散热问题。
责任编辑：烛影
评论表单加载中...
