網(wǎng)絡(luò)存儲(chǔ)的歷史就像手風(fēng)琴上的風(fēng)箱——大量的擴(kuò)張之后是大量的收縮。

網(wǎng)絡(luò)存儲(chǔ)的第一個(gè)“啊哈”時(shí)刻到來了，系統(tǒng)管理員意識(shí)到，他們可以把所有服務(wù)器存儲(chǔ)連接到數(shù)據(jù)中心，這些服務(wù)器存儲(chǔ)在做著誰也不知道的事情。這是第一次，他們可以對(duì)存儲(chǔ)環(huán)境進(jìn)行一些表面上的控制和安全。

但是沒過多久，“啊哈”就變成了“哎呀”，因?yàn)榧写鎯?chǔ)資源增長(zhǎng)到了壓倒性的維度。這種增長(zhǎng)導(dǎo)致了管理方法的曲折、備份業(yè)務(wù)的中斷和提前退休計(jì)劃的推進(jìn)。當(dāng)然，答案是將所有存儲(chǔ)容量分散到更容易處理的小塊中。

太多塊了嗎？把那架手風(fēng)琴再鞏固一下，再調(diào)一次音量。這個(gè)公式似乎已經(jīng)奏效了幾十年以上，但21世紀(jì)的計(jì)算要難得多。最大的游戲規(guī)則改變者是物聯(lián)網(wǎng)，它每年增加數(shù)十億物，并已成為整個(gè)行業(yè)范圍內(nèi)的公司數(shù)字化不可或缺的元素。

物聯(lián)網(wǎng)重塑傳統(tǒng) IT 格局

物聯(lián)網(wǎng)的蓬勃發(fā)展迫使許多組織重新思考傳統(tǒng)的 IT 概念。隨著數(shù)以億計(jì)的設(shè)備添加到物聯(lián)網(wǎng)網(wǎng)絡(luò)，很明顯需要在網(wǎng)絡(luò)的末端進(jìn)行更多的處理。邊緣計(jì)算減輕了更集中的計(jì)算資源的負(fù)擔(dān)，但更重要的是，減少了來回移動(dòng)數(shù)據(jù)引起的延遲。

如果您認(rèn)為這是一個(gè)只有擁有巨額 IT 預(yù)算的大公司才能處理的利基問題，請(qǐng)?jiān)傧胍幌?。微?020年10月物聯(lián)網(wǎng)信號(hào)報(bào)告指出:“在與我們交談的全球物聯(lián)網(wǎng)決策者中，91%的人在2020年采用了物聯(lián)網(wǎng)(高于85%)，超過80%的人至少有一個(gè)項(xiàng)目處于使用階段。”

這給邊緣帶來了很大的壓力，但由于對(duì)那里可以完成的工作的期望似乎是無限的，因此幾乎看不到任何緩解。正如微軟的報(bào)告所述，“人工智能是最廣泛采用的新興技術(shù)——79% 的組織采用人工智能作為其物聯(lián)網(wǎng)解決方案的一部分。”

邊緣計(jì)算存儲(chǔ)

物聯(lián)網(wǎng)極其分散的環(huán)境正逐漸成為 IT 的噩夢(mèng)。所有邊緣計(jì)算都需要將數(shù)據(jù)存儲(chǔ)在非?？拷切┪⑿蜋C(jī)器學(xué)習(xí) (TinyML) 芯片的地方，這些芯片將人工智能添加到無數(shù)傳感器、執(zhí)行器和其他懸掛在邊緣的設(shè)備中。在 2021 年的白皮書《TinyML：技術(shù)領(lǐng)域的下一個(gè)大機(jī)遇》中，ABI Research 預(yù)測(cè)“TinyML 市場(chǎng)的出貨量將從 2020 年的 1520 萬個(gè)增長(zhǎng)到 2030 年的 25 億個(gè)。”這需要大量的人工智能處理。

無需處理數(shù)百甚至數(shù)千個(gè)虛擬機(jī)及其所需的存儲(chǔ)，物聯(lián)網(wǎng)邊緣可能意味著需要本地存儲(chǔ)的數(shù)萬或數(shù)十萬設(shè)備——這就像去中心化。

在許多 IoT 環(huán)境中，管理員使用云為邊緣計(jì)算提供存儲(chǔ)服務(wù)，但隨著計(jì)算需求的增加，云存儲(chǔ)的延遲已成為一個(gè)問題。

存儲(chǔ)供應(yīng)商——現(xiàn)在是你加緊將所有網(wǎng)絡(luò)存儲(chǔ)專業(yè)知識(shí)應(yīng)用于邊緣計(jì)算存儲(chǔ)的時(shí)候了：“大膽地去往沒有存儲(chǔ)供應(yīng)商去過的地方。” （好吧，所以他們?cè)凇缎请H迷航》中沒有說存儲(chǔ)供應(yīng)商，但您明白了。）

邊緣存儲(chǔ)可能沒那么容易

在數(shù)千或數(shù)百萬個(gè)地方放置高性能存儲(chǔ)，然后管理整個(gè)交易是一項(xiàng)艱巨的任務(wù)。

首先，任何單個(gè)物聯(lián)網(wǎng)的邊緣都可能有數(shù)十甚至數(shù)百種不同類型的設(shè)備。每個(gè)設(shè)備的交互方式可能不同。通信可能會(huì)使用存儲(chǔ)領(lǐng)域不熟悉的協(xié)議，例如 MQ 遙測(cè)傳輸、高級(jí)消息隊(duì)列協(xié)議、4G 和 5G LTE 以及各種短距離無線協(xié)議。

嵌入在邊緣設(shè)備中的處理器也會(huì)有所不同。這意味著 Raspberry Pi 從存儲(chǔ)訪問數(shù)據(jù)的方式可能與 Banana Pi 或 Onion Omega2 的方式不同。

電源可能是個(gè)問題。我們不會(huì)在邊緣啟動(dòng)磁盤，但是當(dāng)乘以數(shù)千個(gè)邊緣實(shí)例時(shí)，即使是固態(tài)的適度功率需求也可能看起來很龐大。

如今，大多數(shù)用于邊緣計(jì)算的存儲(chǔ)都采用 SD 和 microSD 格式，它們提供充足的容量，目前似乎足以處理 AI 雜務(wù)。新形式的固態(tài)存儲(chǔ)肯定會(huì)出現(xiàn)，它們更便宜、速度更快且耗電更少。

邊緣存儲(chǔ)問題的硬件部分似乎已得到控制，但跟上處理和存儲(chǔ)速度所需的固件和軟件將需要更多的開發(fā)。最大的挑戰(zhàn)可能是管理所有存儲(chǔ)。無需擔(dān)心巨大的容量，但由于組織必須配置、保護(hù)和備份如此多的單個(gè)實(shí)例，因此管理 IoT 邊緣存儲(chǔ)環(huán)境并非易事。將數(shù)據(jù)從邊緣設(shè)備轉(zhuǎn)移到云服務(wù)和數(shù)據(jù)中心可能會(huì)導(dǎo)致令人費(fèi)解的數(shù)據(jù)流量擁堵。