如今，人們存儲了比以往更多的數據，這是由于正在產生更多數據，或者因為不斷發展的存儲技術讓人們可以存儲更多的數據。

無論是在本地存儲還是在云存儲數據，都有可能比以往更快地增加總存儲量。當涉及到存儲量時，在以往，對容量升級要求中會看到數十TB的增長，而如今經常看到PB級的存儲要求或更多。

人們真的需要更多的數據來保持競爭力嗎?應該是。那么是否能夠負擔起這么龐大的存儲庫?似乎可以。然而，這些問題引發了一個更基本的“雞與蛋”問題：人們存儲更多的數據是因為正在產生更多的數據，還是因為不斷發展的存儲技術可以讓人們存儲這么多數據?

數據存儲經濟學

從定價的角度來看，這個問題變成了推動存儲設備價格的因素，這是否增加了對數據存儲或更多存儲供應的需求?當人們問這種問題時，他們需要知道誰真正了解基本的供求曲線，并考慮供應方的答案。人們傾向于把需求側解釋作為解釋存儲價格波動最直接的方法。這可能是假設存儲供應是一個遠程常量，同時展望數據存儲需求可能的變化。

但是，如果存儲量是恒定的，考慮到海量的數據增長，那么存儲的價格應該非常昂貴。數據的大規模存儲將受到存儲器價格(低可用性)的限制。這是多年前的情況。傳統的IT應用環境如今難以適應容量有限的存儲基礎設施，而這些存儲基礎設施已經不能滿足不斷增長的需求。

如今，數據容量正在快速增長，但存儲設備價格不斷下降(每單位存儲容量)。毫無疑問，存儲設備供應增長速度快于數據存儲需求。有些存儲技術帶來了巨大供應優勢，例如共享云存儲，以及摩爾定律和Hadoop分布式文件系統等集群式開源文件系統等集群的存儲容量，這使得大容量存儲設備降低了成本，因此，盡管在數據存儲需求方面大幅增長，但存儲產品的價格卻不斷下降。

無盡的數據存儲

當企業采用熱門的新存儲技術時，傾向于采用閃存和非易失性快速存儲器等主要存儲技術。GB字節的主存儲設備的相對價值已經大大提高。人們還要考慮到閃存存儲技術對存儲容量的影響，而不僅僅是性能。如果閃存存儲設備能夠以傳統存儲設備十分之一的時間內提供給工作負載，相當于可以在同一時間內為10個類似的工作負載提供服務，從而提供有效地將其存儲速度提高10倍。

但是，不要低估二次存儲中發生的主要變化。離線檔案已經聯機，并按需提供大數據流，可以保持所有老化數據的可訪問性和實用性。用戶可以使用混合對象存儲來版本化、備份和恢復企業的整個文件系統。與過去的數據保護目標不同，這些目標可以直接向受眾提供企業所有珍貴的文件，使用全局命名空間，并執行每個對象的安全策略。

人們也看到分析技術逐漸融入存儲設備中。IT架構師正試圖利用將存儲技術融合到計算堆棧中所獲得的優勢。對于存儲人員來說，同樣值得關注的趨勢是讓計算能力更接近存儲堆棧。

存儲方法正在興起，它將支持和處理更接近數據存儲位置的計算功能，而不是將數據從存儲區傳送到某個遠程處理單元。隨著數據集的增長，人們將看到更多的本地存儲的應用。這是大數據處理的基本原則。一些存儲產品可以托管本地虛擬機和容器化應用程序，甚至可以處理遠程提交的“lambda”函數，就像在函數式編程中傳遞匿名函數一樣。

開始進行本地存儲處理的重點可能首先在于性能。但通過大規模有效地應用分析的方式，計算存儲為日益增長的實時應用程序開辟了新的途徑，以利用收集和處理更高容量的數據。例如，未來物聯網(IoT)中所有物聯網設備都將生成有用的數據。如果能夠在首次記錄時利用物聯網數據，將最終再次存儲更多的數據。

存儲行業人士對存儲方面的“雞與蛋問題”的回答是，當人們學習從數據中挖掘更多價值時，希望產生和存儲更多數據。因此，首先需要做的是，人們能夠在更大的規模和更快的速度上應用更有效的分析，以獲得更細粒度的數據。

精明的存儲設備廠商不僅僅是幫助企業管理更大的數據量，而且還將其設備部署到存儲系統中，以幫助開發所有數據。非結構化數據搜索、大數據分析、在線活動歸檔、流式數據服務，以及全局名稱空間只是當今高級存儲產品中少數的數據挖掘功能。

這意味著存儲專家仍然面臨著一項具有挑戰性的工作。他們需要確保足夠合適的存儲服務來滿足數據存儲的需求。此外，由于存儲不再是被動地存儲，而是一個活躍的融合平臺，他們必須提供并調整存儲策略，才能充分利用其中包含的數據。