【51CTO.com原创稿件】
万物数字化开启数据化运维时代
在企业数字化转型的过程中，随着云计算、大数据、人工智能、物联网等一系列新技术的逐步落地，传统的系统运维将逐渐被人工智能的自动化运维方式所取代，大大提升了企业的管理效率。
与此同时，在数据为王的时代，云计算、大数据或人工智能等新技术，其核心要素都是围绕数据展开，企业所拥有的数据其质和量都发生了很大变化，如银行客户的数据体量从几百TB升级到PB级，此时系统运维人员的主要职责也从系统运维向数据运维和数据运营的方向过渡。谁能把数据运维好、运营好，才能够在市场上拥有核心竞争力。
由国内领先云计算服务商UCloud主办的TIC 2018大会于5月15日在京隆重举行，大会聚焦技术创新的深度挖掘，搭建了云计算、区块链等行业技术的交流平台，与行业大咖共同探讨新技术的落地与时代价值的赋能。会议期间，51CTO记者采访了UMCloud解决方案高级总监方勇，本文将对其核心存储产品UMStor进行深入解读。
UMCloud解决方案高级总监方勇
数据价值重塑的三个阶段
方勇表示，在大数据时代，数据源复杂多样，非结构化或半结构化的海量数据，给数据存储技术带来极大挑战。为满足新时代数据存储的发展需求，UCloud潜心研发了UMStor数据存储系统，帮助客户应对企业数字化后，“数据来源杂”、“数据体量大”、“使用复杂”、“管理难”等一系列场景下的复杂挑战。
UMStor系统在设计上除了包括分布式存储的一些通用特性外，还采用了一些新的理念，例如：“计算下沉”和“云集成”。计算下沉：即将数据搜索或是查询类的分析功能嵌入存储系统中，让客户可以更加高效的使用该功能;云集成：即把存储系统和云端进行打通,为加速底层数据流动赋能。
UMStor赋能企业数字化转型
UMStor将在企业数据化的过程中起到三个维度的推动作用：
- 有效实现数据流动;
- 充分实现数据融合;
- 积极进行数据再造。
数据流动
当前众多企业纷纷采用云计算技术，“双模IT”的概念屡被提及，混合云的方式倍受关注，在这样的背景之下，企业在做云规划时往往喜欢将互联网业务放在公有云上，将核心或次核心的业务放在企业数据中心。方勇认为，这样的部署只完成了业务弹性的目标，公有云强大的计算能力只有在大量数据驱动的情况下，才能帮助企业实现业务增长的目标。
例如在人工智能领域，数据存储跟计算平台密不可分，不同的系统要跟存储层的数据进行多维度交换，包括数据写入、数据输出、计算处理等等，人工智能平台跟大数据平台一样，整个环节不单是AI与存储平台的处理过程，相关的系统都要跟存储进行交互，因此数据流动显得至关重要。方勇透露，UMStor实现了云集成的能力，可以通过Cloudsync、CloudArchive等功能实现数据在底层的流动，即在安全可控的情况下，将企业的数据传输到云端，从而运用云端强大的计算能力为人工智能及大数据分析等赋能。
数据融合
随着各大企业纷纷采用Hadoop、Spark等技术搭建大数据分析平台，各部门对大数据技术的使用越来越频繁，大数据系统越建越多，各自为政的现象普遍存在。在这个过程中，冗余的数据副本越来越多，数据复制时间成本越来越大，管理的成本越来越高，这些问题如何解决呢?方勇表示，基于数据湖的数据处理模型，UMStor按照数据生产、数据处理只在“一片数据湖泊”的建设方式，提高了数据的使用效率，同时也降低了系统的建设成本，这是UMStor在数据融合层面带来的变化。
UMStor数据存储平台
UMStor的产品设计灵感来源于同某运营商的合作，那是一个拥有数十PB体量的存储使用环境，牵涉了私有云和数据湖两种方式。数据湖是面向多种数据源的存储，通过UMStor多协议的功能实现，将大数据处理的流程上从9个步骤缩短为5个，在节省成本的同时，大大提升了使用效率。“我接触过的不少企业都很头痛大数据环境资源部署的‘放’和‘收’的问题，通过数据湖架构，我们可以很容易做到，这个案例里面使用了物理机和虚拟机两种资源，验证表明，通过数据湖存储模型支撑的大数据环境和在物理机上部署的大数据环境表现的性能相差无几。这是我们在数据湖这个领域所做的探索实践。”方勇介绍到。
数据再造
近两年人工智能大行其道，AI逐步改变企业的业务运行模式。方勇提到，一个成功的AI平台离不开数据和计算，尤其是数据，今天我们使用的AI距离Alpha Go 2.0还有一些差距，事实上我们现在需要依赖大量数据来进行AI模型的训练，这意味我们在存储上需要做很多工作。UCloud的计算平台能无缝地与存储系统进行快速的数据交换，甚至有些计算工作可以offload 到存储层去处理，这些挑战UMStor都可以很好地解决。
持久性与安全性
在物理层面，UMStor具备一些分布式存储的共性，因为数据对用户至关重要，所以软件体系必须要足够强大。方勇表示，“UMStor通过多副本、数据冗余等手段，来确保数据的安全性。我们已经交付的几个PB的现场实践证明，我们底层的数据冗余机制是能够经受住考验的。”
在业务逻辑层，UMStor采用数据湖的架构进行存储，必然要海纳百川，来源于不同系统的各类数据，必须要做一些功能上的数据隔离。如强租户功能，一个租户服务的那几个系统，有其特定的访问空间，其他业务想要访问这个空间必须经过授权才能获取相关信息。通过物理层与业务逻辑层相结合的方式，保证数据存在一片数据湖泊里，在保证安全的同时，还可以最大效能地被不同的系统使用。UMStor做到了既与数据安全隔离，又具备了数据交叉时的灵活性。
总结
据了解，UMStor提供多种数据接口，包括块存储、对象存储、文件存储、大数据、流媒体等，适用于虚拟化、容器、云计算、大数据、物联网、混合云、AI人工智能、备份归档等各类场景。具备数据湖存储架构的UMStor，将为企业实现数据价值赋能，进一步助推企业数字化转型。
【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】
