摘要： 今年四月，西雅图的气温已经达到华氏90度。这不是抱怨，但人们绝对相信全球变暖正在发生，需要做出一些改变来解决它。但本文并不讨论关于气候变化问题，而是关于数据的问题。具体而言，这是关于非结构化数据的增长问题，如果我们继续否认这个问题，并忽略警告的话，将会面临悲观的命运。这听起来是不是很熟悉？

     今年四月，西雅图的气温已经达到华氏90度。这不是抱怨，但人们绝对相信全球变暖正在发生，需要做出一些改变来解决它。但本文并不讨论关于气候变化问题，而是关于数据的问题。具体而言，这是关于非结构化数据的增长问题，如果我们继续否认这个问题，并忽略警告的话，将会面临悲观的命运。这听起来是不是很熟悉？
　　
　　人们很难对非结构化数据增长的证据进行争论，估计会与研究机构所公布的有所不同，但普遍的共识是，直到2020年将会产生40-50泽字节，其中非结构化数据将占80%-90%。
　　
　　是什么推动了非结构化数据的增长？
　　
　　数据增长来自于很多地方。当然也有像4K高清电影、电视节目、电影、图片，以及我们每天都在使用的智能手机的图像，但是非结构化数据的增长源要这些广泛得多。还有在各种不同行业的大量机器和传感器，例如，工程和设计，金融服务，地理空间探索，医疗保健，以及更多的数据驱动的行业日常产生的大量数据。随着摄像头分辨率和保存时间的增长，单是视频监控每天产生的非结构化数据几乎达到艾字节。
　　
　　这些不同的数据集具有一些共同的特点。通常情况下，它们分别是：
　　
　　•大文件的组成；
　　
　　•即不可压缩的数据，如重复数据删除技术无法有效降低数据；
　　
　　•对创造数据的公司、部门或用户有一定的价值；
　　
　　•保存多年。
　　
　　与全球变暖的相似之处
　　
　　那么，非结构化数据的增长如何像全球变暖一样？
　　
　　人们所表现的就像是不存在这样的问题：公司每天产生的数据都在喷涌而出，越来越多的非结构化数据进入到他们的IT环境，但是当它涉及到管理这种增长时，一切照常。尽管所有证据与之相反，许多企业仍在尝试使用数据存储，他们一直使用相同的方法来管理和存储非结构化数据集，他们把数据都存储在磁盘上。这种方法开始分解在数据的规模和比例。超出生长成本以外，随着时间的推移，将内容摄取到存储系统的速度不够快，随着时间的失衡，其能力下降，而传统的备份方法不再足以保护数据。
　　
　　对于这些庞大机器和传感器生成的数据集，明确了不同的方式来存储和管理这个数据是必需的。
　　
　　这样的例子不胜枚举，但问题是，对于这些类型的数据集，冷数据变得更有价值或变得更“热”，需要改变数据的存储方式。即使需要保持用户访问的归档数据。
　　
　　•有关电影或电视演播室生成的视频内容，可以重新利用并重新分配，想想“幕后”你最喜欢的电视真人秀节目。
　　
　　•零售企业分析视频监控录像，跟踪购物模式，并使用洞察力，以增加销售。
　　
　　•科学家们能够在几年前的数据集上进行分析，以获得新的见解，并在他们的领域推进新的创新。
　　
　　•自主轿车开发者使用在早期试驾生成的视频和传感器数据，使自动驾驶汽车更加安全高效。
　　
　　对于这些类型的数据集，因为冷数据变得更有价值或“升温”，该数据的存储方法需要改变。即使存档的数据需要保持用户的访问。
　　
　　现在有必要行动。在你下一个大订单的磁盘存储之前，现在是停止和考虑其他的替代品。坚持现状是最简单的方法，也是一个导致多余的存储成本和效率低下的问题。
　　
　　这个解决方案是什么？
　　
　　为了解决这个问题，我们首先介绍一下可能是一个新的术语：数据工作流。在某些行业中，这是一个共同的术语，但对于许多行业来说，它可能是一个新概念，尽管是一个直观的概念。所有这些非结构化的数据集，这是迄今为止与之相关的一个工作流。它看起来像这样的东西：数据被产生或捕获，摄入到存储系统，并进行存储和处理，以达到一定的结果（通常需要许多用户之间的协作），然后数据归档长期保存和重新使用。这个过程对使用存储系统更加有效，该存储系统从一开始就为特定的数据集的工作流程所定制。
　　
　　当需要时，工作流存储必须处理高性能摄取。在网络上共享也同样关键，以获得协作的能力，以及降低存储的成本，例如采用磁带，同时保持在网络上的用户和应用程序需要访问的数据。这是最后一块真正能走出来的存档数据的方式，不会破坏其价值和能力。
　　
　　这个以工作流程为基础的存储方法，与将所有数据保存在闪存或机械磁盘相比，其结果显著降低了成本，并使其他组织可以存储更多的自己的数据。
　　
　　而且兼顾环保节能
　　
　　通过使用分层存储，可以将这些数据保存在低成本、低功耗的存储介质中，例如磁带，你实际上是在做一部分有益于环境的事，以应对全球变暖。
　　
　　编辑：Harris