大数据存储管理的挑战及对策

大的数据并不是一种特定类型的数据。每一种非结构化数据均可被视为大数据。这包括在社交网站上的数据、在线金融交易数据、公司记录、气象监测数据、卫星数据和其他监控、研究和开发数据。大数据的量是巨大的而且是非结构化的。

IDC将大数据技术定义为：大数据技术描述了新一代的技术和架构体系，通过高速采集、发现和分析，提取各种各样的大量数据的经济价值。如下是一些有助于您的企业有效地管理数据存储需求的提示：

通过隔离管理大数据存储

如果您在您的企业中有多个存储箱，那么将数据库、线交易处理(OLTP)和微软Exchange应用到特定的存储系统绝对是一个好主意。而专其它存储系统则用于大数据应用，如门户网站，在线流媒体应用，等等。

如果您的企业负担不起分隔的存储系统，将特定的前端存储端口到数据库，OLTP，等等;致力于大数据应用到其他端口。背后的基本原理是使用专用端口，而大数据流量是以千字节或兆字节衡量，OLTP应用流量是以每秒的输入/输出操作(IOPS)衡量，因为数据块的大小是比大数据更大而比OLTP应用程序更小。OLTP应用程序是CPU密集型的，而大数据应用程序更多的使用前端端口。因此，更多的端口可以专注于大数据应用。

专业的大数据存储管理

如今，很多公司提供兼容数据管理的存储系统。你应该在寻找你的大数据存储管理解决方案时评估这些公司。如EMCIsilon的集群存储系统对于大数据存储管理是一个更好的选择，因为在一个单一的文件系统中大数据能增长到多字节的数据。

大数据分析

除了存储，大数据管理的另一项大的挑战是数据分析。一般的数据分析应用程序无法很好的处理大数据，毕竟涉及到大量的数据。

目前，诸如EMCGreenplum这样的公司就在采用专门针对大数据的管理和分析的工具。这些应用程序运行在集群存储系统上，缓解大数据的管理。建议选择应用程序可同时工作在群集存储系统，并迅速有效地分析数据。快速索引，确保元数据始终驻留在固态硬盘(SSD)，如果存储箱为您提供了这样的选择的话。

管理大数据的另一个需要重点考虑的是未来的数据增长。你的大数据存储管理系统应该是可扩展的，足以满足未来的存储需求。

大数据的存储管理和云计算

许多公司正在寻找云计算服务来进行存储和管理海量数据。而选择云服务来大型数据存储管理，可以确保数据的所有权仍然是你的。

你应该有权选择将您的数据移入或移出云服务，而不被供应商锁定。其他重要的考虑因素是供应商的数据安全指南。