在企業數字化轉型的過程中，隨著雲計算、大數據、人工智能、物聯網等一系列新技術的逐步落地，傳統的系統運維將逐漸被人工智能的自動化運維方式所取代，大大提升了企業的管理效率。
與此同時，在數據為王的時代，雲計算、大數據或人工智能等新技術，其核心要素都是圍繞數據展開，企業所擁有的數據其質和量都發生了很大變化，如銀行客戶的數據體量從幾百TB升級到PB級，此時系統運維人員的主要職責也從系統運維向數據運維和數據運營的方向過渡。誰能把數據運維好、運營好，才能夠在市場上擁有核心競爭力。
UMCloud解決方案高級總監方勇
數據價值重塑的三個階段
方勇表示，在大數據時代，數據源複雜多樣，非結構化或半結構化的海量數據，給數據存儲技術帶來極大挑戰。為滿足新時代數據存儲的發展需求，UCloud潛心研發了UMStor數據存儲系統，幫助客戶應對企業數字化後，“數據來源雜”、“數據體量大”、“使用複雜”、“管理難”等一系列場景下的複雜挑戰。
UMStor系統在設計上除了包括分佈式存儲的一些通用特性外，還採用了一些新的理念，例如：“計算下沉”和“雲集成”。計算下沉：即將數據搜索或是查詢類的分析功能嵌入存儲系統中，讓客戶可以更加高效的使用該功能;雲集成：即把存儲系統和雲端進行打通,為加速底層數據流動賦能。
UMStor賦能企業數字化轉型
UMStor將在企業數據化的過程中起到三個維度的推動作用：
- 有效實現數據流動;
- 充分實現數據融合;
- 積極進行數據再造。
數據流動
當前眾多企業紛紛採用雲計算技術，“雙模IT”的概念屢被提及，混合雲的方式倍受關注，在這樣的背景之下，企業在做雲規劃時往往喜歡將互聯網業務放在公有云上，將核心或次核心的業務放在企業數據中心。方勇認為，這樣的部署只完成了業務彈性的目標，公有云強大的計算能力只有在大量數據驅動的情況下，才能幫助企業實現業務增長的目標。
例如在人工智能領域，數據存儲跟計算平臺密不可分，不同的系統要跟存儲層的數據進行多維度交換，包括數據寫入、數據輸出、計算處理等等，人工智能平臺跟大數據平臺一樣，整個環節不單是AI與存儲平臺的處理過程，相關的系統都要跟存儲進行交互，因此數據流動顯得至關重要。方勇透露，UMStor實現了雲集成的能力，可以通過Cloudsync、CloudArchive等功能實現數據在底層的流動，即在安全可控的情況下，將企業的數據傳輸到雲端，從而運用雲端強大的計算能力為人工智能及大數據分析等賦能。
數據融合
隨著各大企業紛紛採用Hadoop、Spark等技術搭建大數據分析平臺，各部門對大數據技術的使用越來越頻繁，大數據系統越建越多，各自為政的現象普遍存在。在這個過程中，冗餘的數據副本越來越多，數據複製時間成本越來越大，管理的成本越來越高，這些問題如何解決呢?方勇表示，基於數據湖的數據處理模型，UMStor按照數據生產、數據處理只在“一片數據湖泊”的建設方式，提高了數據的使用效率，同時也降低了系統的建設成本，這是UMStor在數據融合層面帶來的變化。
UMStor數據存儲平臺
數據再造
近兩年人工智能大行其道，AI逐步改變企業的業務運行模式。方勇提到，一個成功的AI平臺離不開數據和計算，尤其是數據，今天我們使用的AI距離Alpha Go 2.0還有一些差距，事實上我們現在需要依賴大量數據來進行AI模型的訓練，這意味我們在存儲上需要做很多工作。UCloud的計算平臺能無縫地與存儲系統進行快速的數據交換，甚至有些計算工作可以offload 到存儲層去處理，這些挑戰UMStor都可以很好地解決。
持久性與安全性
在物理層面，UMStor具備一些分佈式存儲的共性，因為數據對用戶至關重要，所以軟件體系必須要足夠強大。方勇表示，“UMStor通過多副本、數據冗餘等手段，來確保數據的安全性。我們已經交付的幾個PB的現場實踐證明，我們底層的數據冗餘機制是能夠經受住考驗的。”
總結
據瞭解，UMStor提供多種數據接口，包括塊存儲、對象存儲、文件存儲、大數據、流媒體等，適用於虛擬化、容器、雲計算、大數據、物聯網、混合雲、AI人工智能、備份歸檔等各類場景。具備數據湖存儲架構的UMStor，將為企業實現數據價值賦能，進一步助推企業數字化轉型。
閱讀更多 中國雲計算 的文章
