對工業(yè)數(shù)據(jù)存儲的需求日益迫切

上周剛發(fā)布的《中國互聯(lián)網(wǎng)發(fā)展報告2020》指出，2019年，中國數(shù)字經(jīng)濟規(guī)模達35．8萬億元，占GDP比重達36．2％，中國數(shù)字經(jīng)濟總量規(guī)模和增長速度位居世界前列。

深究數(shù)字經(jīng)濟，與過往農(nóng)業(yè)經(jīng)濟以土地為核心生產(chǎn)要素、工業(yè)經(jīng)濟以機器為核心生產(chǎn)要素不同，數(shù)字經(jīng)濟是以數(shù)據(jù)為關(guān)鍵生產(chǎn)要素的。海量的數(shù)據(jù)被存儲在各行各業(yè)、各個生產(chǎn)環(huán)節(jié)，作為推動經(jīng)濟增長的重要支撐。

眼下，工業(yè)正是數(shù)字經(jīng)濟的重要戰(zhàn)場。

根據(jù)《中國兩化融合發(fā)展數(shù)據(jù)地圖（2019）》可知，截至2019年，我國工業(yè)企業(yè)的生產(chǎn)設(shè)備數(shù)字化率為47．1％，數(shù)字化設(shè)備聯(lián)網(wǎng)率為41．0％，關(guān)鍵工序數(shù)控化率為49．5％，數(shù)字化研發(fā)設(shè)計工具普及率為69．3％，這些數(shù)據(jù)代表著我國工業(yè)在數(shù)字化、網(wǎng)絡(luò)化、智能化上確已取得一定成績，但通過與發(fā)達國家的對比，可知在終端聯(lián)網(wǎng)、數(shù)據(jù)采集、信息傳輸上仍有較大發(fā)展空間。

2019年重點行業(yè)數(shù)字化生產(chǎn)設(shè)備聯(lián)網(wǎng)率

圖片來源：《中國兩化融合發(fā)展數(shù)據(jù)地圖（2019）》

從宏觀背景看，基于新基建、5G、工業(yè)互聯(lián)網(wǎng)等政策和技術(shù)的推動，工業(yè)產(chǎn)業(yè)正在熱火朝天地構(gòu)建起智能感知、互聯(lián)互通、數(shù)據(jù)應(yīng)用、服務(wù)模式開發(fā)等架構(gòu)，致力形成工業(yè)場景下數(shù)據(jù)從采集、處理、傳輸?shù)椒治�、存儲的完整流程，�?chuàng)造從數(shù)據(jù)中產(chǎn)生新價值的條件。

這樣的情況下，當(dāng)洶涌的數(shù)字化大潮襲來時，考慮到數(shù)據(jù)存儲容量、功耗、時延、成本等諸多現(xiàn)實因素，精細、高效的數(shù)據(jù)存儲方案就是很多工業(yè)智能化轉(zhuǎn)型的企業(yè)所必要的。

熱數(shù)據(jù)、溫數(shù)據(jù)與冷數(shù)據(jù)

很明顯的一點是，全球數(shù)據(jù)總量不僅保持指數(shù)級的增長，類型也越來越多樣化。

在數(shù)據(jù)總量上，IDC報告指出，預(yù)計從2023年起，企業(yè)、機器、工業(yè)、消費、科學(xué)等領(lǐng)域每年產(chǎn)生的數(shù)據(jù)量將高達103 ZB。有一個簡單的比喻是，在ZB級數(shù)據(jù)爆發(fā)時代，如果把全球所有的數(shù)據(jù)都存在512GB的iPad里并一個個摞起來，它的厚度可以繞赤道10圈。

在數(shù)據(jù)類型上，以往移動互聯(lián)網(wǎng)時代產(chǎn)生的數(shù)據(jù)大多是個人在電腦或手機上輸入得來的，但隨著AIoT的發(fā)展，包括智能家居、可穿戴設(shè)備、AI攝像機、無人機、工廠機器人等等，數(shù)據(jù)產(chǎn)生的源頭從人向智能設(shè)備延伸，記錄的數(shù)據(jù)類型廣泛且豐富。

在撲面而來的海量數(shù)據(jù)面前，行業(yè)通常根據(jù)數(shù)據(jù)的訪問頻次和數(shù)據(jù)分析的不同需求，將其粗略地劃分為三個類別，即熱數(shù)據(jù)、溫數(shù)據(jù)和冷數(shù)據(jù)。

熱數(shù)據(jù)：被計算節(jié)點頻繁訪問的在線類數(shù)據(jù)，表征＂此刻的變化＂；

冷數(shù)據(jù)：離線類不經(jīng)常訪問的數(shù)據(jù)，具有一般不會變的屬性，常用于機器學(xué)習(xí)中的模型訓(xùn)練和數(shù)據(jù)的長期歸檔；

溫數(shù)據(jù)：介于熱數(shù)據(jù)和冷數(shù)據(jù)之間，代表的是＂近期的，具有一定時效性的變化＂。

此種分類方法體現(xiàn)的內(nèi)核是，熱數(shù)據(jù)處理效率要求高，需要就近計算和部署；冷數(shù)據(jù)處理效率要求低，只需進行集中化部署，但對大容量有更多要求。

然而實際應(yīng)用場景中所要求的不僅是這么簡單。

尤其在工業(yè)物聯(lián)網(wǎng)場景，想象一條生產(chǎn)線上多臺機器同時運轉(zhuǎn)產(chǎn)生的數(shù)據(jù)量無需全部上傳到云端進行清洗和處理，邊緣計算的需求愈發(fā)強烈，在源頭進行數(shù)據(jù)分析和存儲成為關(guān)鍵。

另外，考慮到工業(yè)應(yīng)用多處于嚴(yán)苛或偏遠環(huán)境，必然對存儲方案的可靠性、穩(wěn)定性及自動化容災(zāi)能力提出更高要求。

再加上人工智能、數(shù)字孿生等應(yīng)用需要基于大量的數(shù)據(jù)資料進行模型訓(xùn)練，建立大容量、可擴展、易整合的存儲方案對企業(yè)長期發(fā)展至關(guān)重要。