在存储管理方面企业的执行力还不够完美

（文章来源：比特网）

由存储供应商NGD系统公司对300多名存储专业人员进行的一项调查发现，在受访的企业中，只有11%会把自己的计算和存储能力评为“A”级。

为什么? 受访企业给出的主要原因是，尽管企业正在快速部署用于边缘网络、实时分析、机器学习和物联网（IoT）项目的技术，但仍在使用传统的存储解决方案，而这些解决方案并不是针对此类数据密集型工作负载而设计的。超过一半的受访者（54%）表示，对边缘应用的处理是瓶颈，他们需要更快、更智能的存储解决方案。

也不全是坏消息。由Dimension研究公司进行的题为“存储和边缘计算现状”的研究发现，60%的存储专业人员使用NVMe SSD技术来加速处理边缘生成的大量数据。

然而，这并没有满足他们的需求。人工智能（AI）和其他数据密集型应用的部署越来越多，数据传送的距离也越来越长，这会导致网络瓶颈，分析结果大大延迟。边缘计算系统往往比传统的数据中心占用的空间更小，因此性能有所限制。解决方案是在接收数据的地方处理数据，在本例中是边缘设备。把“麦粒”与“谷壳”分开后，只把相关的数据发送到上游数据中心进行处理。这被称为计算存储，在存储数据的地方处理数据，而不仅仅是移动数据。

据这项调查，89%的受访者表示，他们希望计算存储能真正带来价值。当然了，NGD是计算存储系统的供应商。所以，这个发现是不是有点私心不得而知，但这并不意味着他们的观点是无效的。处理其所在位置的数据是边缘计算的重点。

最后一项发现就是这么多企业为什么工作受到阻碍的原因所在。无论出于什么原因，他们使用的还是传统的存储系统而不是新的NVMe系统，这不利于他们的工作。一项有趣的发现是：70%的受访者说他们正在使用GPU来帮助提高工作负载的性能，而NGD认为这并不好。

NGD系统公司的首席执行官兼创始人Nader Salessi在一份声明中指出：“我们发现，一半以上的受访者积极地使用边缘计算，超过70%的受访者使用传统的GPU，这不会减少实时分析海量数据集所需的网络带宽、功耗和占地空间，对此，我们丝毫也不感到奇怪。”

这是因为GPU虽然能够很好地完成重复性任务和并行处理工作，但计算存储在很大程度上是一种串行处理工作，面临的任务在不断变化。因此，虽然一些处理工作会受益于GPU，但很多工作不会，GPU基本上被浪费了。
      （责任编辑：fqj）