大數據時代，面對非結構化數據的爆發式增長，我們需要更好的存儲戰略,以便以更低成本訪問更多內容，通常思考分布式存儲、云備份、云歸檔或加入分層技術的傳統存儲方案。美國昆騰國際公司亞太區高級市場營銷總監Jim Simon認為，通過備份服務器、基于政策的文檔管理以及云歸檔的結合，能夠減少網絡負載、備份存儲和備份軟件許可開支，并減少主存儲成本，通常會節約40%的TCO。
昆騰公司昆騰對自身的定位是做數據流（從數據產生、使用到歸檔的整個過程，也稱工作流）存儲方案的公司，數據流在媒體、石油天然氣勘探等行業最為典型。針對數據長期保存，昆騰已經研發出多種成熟的解決方案和產品，包括：
Scalar磁帶庫和StorNext AEL（帶有歸檔功能）
線性磁帶文件系統LTFS
擁有多種數據遷移選項的Lattus(StorNext、Arkivio、CommVault)
Q-Cloud，昆騰和亞馬遜合作推出的云歸檔解決方案
Jim Simon強調，不斷備份相同的靜態非結構化文件數據,不僅會給網絡資源以及滿足備份窗口帶來壓力, 同時主存儲和備份成本也會增加，這會對 IT 預算帶來更大的壓力，實施歸檔策略才是解決方案。
昆騰正在致力于傳統歸檔方案的升級，并將其與云歸檔相結合，以應對整個行業90%的新數據增長是非結構化數據的挑戰。這一次，昆騰發布了三個新的增強型產品組合：
Artico智能NAS 設備可在線訪問內容,并智能地把數據分層存儲到 Q-Cloud歸檔、 Lattus對象存儲或Scala 磁帶庫中
DXi with Arkivio，整合了昆騰DXi設備與Rocket Arkivio Autostor軟件，可在同一個設備上同時支持數據備份和歸檔
新的Lattus擴展在線存儲產品 ，帶有對象存儲節點，集成了新的6TB磁盤驅動器，提高了對象存儲密度并降低了每TB 成本
Artico智能NAS 設備
根據昆騰對中國100多家用戶的調查顯示，當數據增長的時候，大約50%的IT經理會繼續購買主存儲，因為判斷常用和不常用數據對IT經理來說還是比較困難的。但昆騰Artico分層策略設計的初衷，就是“在合適的時間把數據放到合適的位置”，它內置StorNext，與Arkivio Autostor數據遷移工具結合，可以幫助IT經理做分析和判斷的工作，把內容遷移到成本較低的存儲以節約資金，同時通過在一個深度活動庫上共享內容而提高工作力。舉例而言，針對純文檔的辦公環境，Artico會根據文檔類型，把視頻、圖片文件遷移到低成本的Artico存儲上，另一個判斷依據就是文件使用頻率，整個過程對用戶完全透明。
Artico本身提供33TB磁盤存儲，可擴展到73TB，最多支持10億份文件。通過云、對象存儲或磁帶技術,還可以提供更大的可擴展性。這就降低了購買更多主存儲的必要性。Artico可通過 NAS 連接集成到多種環境，支持EMC、NetApp、HP、Linux、RedHat、Windows等多種不同的操作系統和主存儲。
DXi with Arkivio
在DXi4700及DXi6900陣列，運行Rocket提供的Arkivio數據歸檔軟件，可將主存儲陣列的文件轉移到Artico設備、或者具備重復數據刪除功能的備份磁盤陣列當中，并在其中提供一個專門的歸檔分區，這可以減少備份窗口和網絡占用。Jim Simon稱，Arkivio Autostor能夠評估數據屬性并根據這些屬性而支持智能政策，從而把非結構化數據從主存儲遷移到DXi重復數據刪除設備。
根據Jim Simon的現場演算，對于從主存儲遷移到歸檔的每TB非結構化數據，DXi設備與Arkivio軟件的組合可幫助客戶節約超過60%的總體存儲成本。
新的Lattus 存儲節點
對象存儲能夠在性能與成本之間實現新的平衡，昆騰Lattus已經利用對象存儲技術來擴展在線存儲，并提供即時訪問數據，它最大的好處就是數據可以存儲很多年也不會丟失，而且它能存儲上百個TB的數據。此次Lattus提供新的帶有6TB數據中心歸檔驅動器的S30存儲節點，將每個階段的原始容量提高到了72TB，相對當前的S20存儲節點，密度提高50%，每TB成本降低了15%。
第三代存儲戰略解決方案
基于推出的這些新品，昆騰形成了自己的第三代存儲戰略解決方案，即結構化數據和非結構化數據分離：結構化數據可以備份到昆騰DXi虛擬磁帶庫備份設備，還可以進一步復制或者拿出一部分拷貝備份到云端或者遠端；非結構化數據可以歸檔到DXi設備或者Artico設備上，最后在移到其他磁帶庫存儲上。到云端或者遠端的備份，得益于重復數據刪除技術的利用，這不僅實現性能的提升，同時廣域網傳輸也成為可能。
云端的數據備份，目前只支持Q-Cloud。談到Q-Cloud Artico Archive在國內的進展，Jim Simon表示，正在隨著AWS進行測試，未來也可能會支持別的公有云。他同時提醒，如果要完全從云端恢復數據，可能需要花費很多的時間，因而云歸檔和本地歸檔的結合非常重要。
京公網安備 11010502049343號