从虚拟化到大数据，HDS的杀手锏

在存储圈基本有一个共识：在存储第一阵营里，HDS在存储虚拟化上的优势明显。早期，HDS凭借USP V全面的虚拟存储解决方案，让异构存储系统互联互通成为可能，成就了HDS在存储虚拟化领域的优势地位。今天，HDS又打统一管理平台，即通过存储虚拟化操作系统SVOS，HDS可以让用实现对内部和外部存储资源的统一管理、统一分配，甚至“按照应用系统的性能要求分配相应的存储资源”。

的确HDS不仅实现了从中小端至超大型企业级存储系统使用同一个操作系统——SVOS的梦想，而且还实现了存储虚拟化，可以将存储操作系统的现有与未来功能扩展至其它供应商的存储系统，并通过一套管理工具进行全面管理。

HDS全球解决方案和社会化创新营销副总裁Ravi Chalaka：“HDS存储平台内部的资源为内部资源池，与之相连的其他存储设备上的资源是外部资源。HDS的所有存储产品在底层都有一套虚拟化管理层，就象服务器有VMware一样，HDS有SVOS。”

HDS的虚拟化，是建立在多年的成功经验之上的，是使基础架构抽象化的关键因素，而基础架构抽象化则是软件定义基础架构满足客户需求的根本要素。

HDS做软件定义存储很多年，今年4月底，HDS又推出了全新的软件定义的基础架构，它的特点便是新型融合、超融合与横向扩展平台，集成了虚拟化、闪存，以及全面的基础架构自动化。

在大数据时代，一个新的要求就是对整个数据全集直接进行存储和管理分析。HDS通过其新型超横向扩展平台HSP超融合架构，实现了高成本效益的运算性能及按需分配的能力。可自动化管理的HSP能够处理分布式集群架构海量混合数据类型，并借助HDS文件系统技术以及开源的管理与虚拟化软件，实现弹性数据增长。HSP是Hadoop环境下理想的横向扩展平台，允许用户就地分析数据，不再需要移动大型数据集为大数据执行分析功能，这样就能为大数据分析创建常用数据湖。

对于数据湖的概念，传统数据库理论认为应该先设计数据集，然后再将数据输入进去。而数据湖颠覆了这个理念。HDS副总裁及首席技术官Hubert Yoshida强调了数据湖和数据仓库的区别：“传统数据分析需要把数据抽离出来，进行分析。现在则可以先收集数据，然后存入Hadoop仓库，而不必事先设计数据模型。HDS通过HSP横向扩展平台，不需要对数据进行移动，即可进行分析出有用数据，这样的数据存储在一起，就好比一瓶纯净水，随时可用。”

Ravi Chalaka也举例补充说：“以零售企业为例，企业既有内部数据，也有大量的外部数据。对于零售企业来说，单有内部的业务信息构成的数据还不够，还需要把从社交媒体等外部产生的数据，加上客户的喜好、天气情况、舆情等综合分析后的数据存储起来，创建数据湖。在这里，它不仅为企业提供了分析数据的工具，而且很明确地告诉你，这里有什么样的数据。”

在大数据时代，软件定义着一切，但是并不意味着要放弃硬件的创新。HDS的观点是真正一流的解决方案是智能化的软件运行在智能化的硬件上。硬件巨头们越变越“软”正是形势所需。