A. 大數據需突破存儲、性能瓶頸
大數據需突破存儲、性能瓶頸
大數據的核心是大量數據的分析能力
在亟待優先解決的IT問題千頭萬緒的情況下，在大數據價值日益凸顯的背景下，企業需要首先提高數據中心的成本效益，以滿足不斷變化的業務需求，加大大數據的應用和相關基礎設施的構建，滿足對於大數據環境下數據中心高性能、高可擴展性、高安全性和高可用性的要求。
大數據核心分析能力需要強大的後台支撐
所謂大數據，最為核心的就要看對於大量數據的核心分析能力。但是，大數據核心分析能力的影響不僅存在於數據管理策略、數據可視化與分析能力等方面，從根本上也對數據中心IT基礎設施架構甚至機房設計原則等提出了更高的要求。為了達到快速高效的處理大量數據的能力，整個IT基礎設施需要進行整體優化設計，應充分考量後台數據中心的高節能性、高穩定性、高安全性、高可擴展性、高度冗餘，基礎設施建設這五個方面，同時更需要解決大規模節點數的數據中心的部署、高速內部網路的構建、機房散熱以及強大的數據備份等問題。
大數據離不開效益型數據中心的構建
深入了解大數據應用的數據中心經濟學對於提高企業的實際利潤率，具有十分重要的價值。數據中心經濟學能夠提供一個框架，幫助IT管理者認識存儲的總體擁有成本（TCO）的長期價值影響。利用數據中心經濟學確定存儲決策、計算資源的准確支出，將能夠幫助企業系統化地持續降低成本，並更好的支持企業採用大數據技術。
大數據更需要突破存儲、性能瓶頸
大數據應用除了數據規模巨大之外，還意味著擁有龐大的文件數量。因此如何管理文件系統層累積的元數據是一個難題，處理不當的話會影響到系統的擴展能力和性能，而傳統的NAS系統就存在這一瓶頸。所幸的是，基於對象的存儲架構就不存在這個問題，它可以在一個系統中管理十億級別的文件數量，而且還不會像傳統存儲一樣遭遇元數據管理的困擾。基於對象的存儲系統還具有廣域擴展能力，可以在多個不同的地點部署並組成一個跨區域的大型存儲基礎架構。此外，大數據應用還存在實時性的問題，特別是涉及到與網上交易或者金融類相關的應用。