业务的需要，推动大数据

　　为什么在官方的健康组织还没有发布健康趋势之前，Google就能利用它的搜索引擎准确地预测流行病的爆发?是的，这就是大数据!

　　和云计算一样，大数据也不是简单的技术组合，而是对企业商业模式的颠覆和再造，对业务创新和发展起到了强大的推动作用，这样的例子已经比比皆是。

　　在互联网、金融、电信、能源、医疗、视频监控、政府等众多行业，大数据正在日益显现出其独特的价值。在企业内部，大数据可以为企业提供更科学的决策依据;在企业外部，大数据还是收集客户信息，建立360°客户视图，让企业实现精准化营销的工具。可见，各大型企业和机构已经在通过大数据分析，实现IT创造价值。

　　华为OceanStor 9000存储系统四招助你解决大数据

　　大数据的三个最明显的特征在于：数据量的快速增长、数据类型的快速增加，以及分析速度的快速提升。面对这些变化，企业在选择适用于大数据的信息基础架构时，首要考虑的因素就是信息基础架构对于大量数据存储的承载能力，以及在大数据量下保证计算分析时效性。

　　基于这些要求，选择高扩展性、高性能、多业务承载能力的基础架构设备来承载大数据下的应用至关重要。应对此趋势，华为推出了大数据解决之道：华为OceanStor 9000大数据存储系统。

　　OceanStor 9000系统是采用创新的全融合技术架构，集成存储、归档和分析功能，是专为大数据业务应用而设计的大数据存储产品。针对海量数据，OceanStor 9000提供数据全生命周期管理方案，在系统统一调度模块的管理下，数据可实现同一套系统下，在多级存储之间自由流动。OceanStor 9000系统采取分布式架构，具有灵活的弹性扩展能力，系统在初始时可以使用较小的配置，降低CAPEX开销，随着业务量的增加，客户可以方便扩容，以实现应需而变。

　　第一招：弹性空间

　　OceanStor 9000采用全对称分布式Scale-Out架构，全冗余部署，无单点故障，分布式RAID保证数据节点间高可靠。在保证数据高可靠的同时，系统支持3节点至288节点弹性无缝扩展，单一文件系统可扩容至40PB，整个扩容过程业务无中断。企业，尤其是新兴的企业，在起步阶段，业务量不大，需要的IT设施规模也不大，更不可能有大手笔的IT预算，但对性能方面的要求又很高。华为OceanStor 9000大数据存储系统的起步配置可以以低的TCO，满足企业在容量和性能方面的需求;随着企业发展壮大，对IT的需求也在不断攀升，这时可以对原有的IT投资保护，只需简单的扩容OceanStor 9000系统，即可轻松应对存储空间和性能的需求。

　　为了既满足客户对性能和容量的需求，又最大程度的为客户节约投资，OceanStor 9000提供满足不同场景的节点：高性能节点、高带宽节点和大容量节点，客户按需配置;这些节点统一管理，资源统一调度，轻松管理。

　　第二招：卓越性能

　　众所周知，数据从缓存中读写远比从硬盘直接读写数据速度快。OceanStor 9000通过全局缓存技术，为业务系统提供2TB超大缓存池，有效提高数据访问命中率，提升整体系统性能;采用SSD盘存储元数据，加速元数据访问效率，有效提升系统小文件处理能力;同时系统内部采用10GE网络全IP互联，把系统内部网络延迟降到最小，最终向上层业务提供极低时延的响应。OceanStor 9000向客户提供业界领先的超过500万的OPS，超过200GB/s的系统总带宽，极低的时延，充分满足高性能计算、媒体编辑等场景的高性能要求;不仅单节点可输出高性能，整系统性能也会随着节点扩容线性增长，从容满足业务的更高性能要求。

　　第三招：智能融合

　　大数据带来的挑战不仅仅是数据的存储，还有数据归档以及如何从海量数据中提取出价值。OceanStor 9000是业界首款创新融合存储、归档和分析功能，实现全融合的存储系统。一套系统完成数据从存储、查询、归档、分析的全生命周期管理。OceanStor 9000提供对多种接口、多数据类型的支撑，支持NFS，CIFS，HDFS，HTTP，FTP，S3，SQL等多种协议，支持对结构化数据，非结构化数据的分析。OceanStor 9000通过多功能，多协议的智慧融合，消除数据孤岛，为客户搭建完整解决方案，轻松面对大数据时代。

　　第四招：简化管理

　　高效、简洁、一致的用户体验是OceanStor 9000对产品易用性的至高追求。只需一个管理系统，对硬件、软件、网络、服务统一管理，统一界面，让管理不再抓狂;单一文件系统、统一命名空间，自动精简配置，提高存储利用率，轻松应对空间规划;当出现硬盘预警时，无需立即更换，系统可快速自愈合，让维护更从容;自动化的性能统计和智能分析，让决策不再盲目。

　　作为业界领先的新一代大数据存储产品，OceanStor 9000大数据存储系统充分满足广电媒体、高性能计算、能源地质、数据中心集中存储、互联网运营等多种大数据业务应用的需求。

　　责任编辑：Mary