隨著web 2.0、多媒體技術的發展以及更多網絡終端的出現，在數據中心發生的超大規模的數據訪問、存儲已經成為必然趨勢。伴隨企業對業務的需求越來越高，企業需要打造自動化7×24小時全天候無人值守的數據中心環境，這就要求企業必須構造一個靈活的、有效率的、智能的數據中心。眾所周知，數據中心的發展代表了互聯網最高端技術的方向--數據中心集中了最大的服務器群、存儲集群以及最大的網絡帶寬需求，而當前信息的急劇膨脹使得數據中心從未像現在這樣面臨著巨大的壓力。

企業信息架構到底是"合"有利還是"分"更有理？業界仁者見仁，智者見智，說法不一。作為IT經理，在構建可滿足未來信息增長需求的信息架構的過程中，不僅要充分考慮企業現有的IT環境，同時亦需兼顧企業存儲現狀。甚至可以說，存儲技術作為企業數據中心最重要的基石，它在未來的發展很大程度上直接影響著企業信息架構"分""合"的方向。2007年的諾貝爾物理學獎頒給了對硬盤密度的提高做出巨大貢獻的巨磁阻效應的發現者，表明存儲已在當今人類社會中具有舉足輕重的地位。

發展難題

目前企業存儲面臨幾個問題，一是存儲數據的成本在不斷地增加，如何削減開支節約成本以保證高可用性；二是數據存儲容量爆炸性增長且難以預估；三是越來越復雜的環境使得存儲的數據無法管理。企業信息架構如何適應現狀去提供一個較為理想的解決方案，目前業界有幾個發展方向。

存儲虛擬化

虛擬化技術到底是什么？其實廣義上來說，就是通過映射或抽象的方式屏蔽物理設備復雜性，增加一個管理層面，激活一種資源并使之更易于透明控制。它可以有效簡化基礎設施的管理，增加IT資源的利用率和能力，比如服務器、網絡或存儲。

存儲虛擬化（Storage Virtualization）最通俗的理解就是對存儲硬件資源進行抽象化表現。通過將一個（或多個）目標（Target）服務或功能與其它附加的功能集成，統一提供有用的全面功能服務。典型的虛擬化包括如下一些情況：屏蔽系統的復雜性，增加或集成新的功能，仿真、整合或分解現有的服務功能等。虛擬化是作用在一個或者多個實體上的，而這些實體則是用來提供存儲資源或/及服務的。

存儲虛擬化是一種貫穿于整個IT環境、用于簡化本來可能會相對復雜的底層基礎架構的技術。存儲虛擬化的思想是將資源的邏輯映像與物理存儲分開，從而為系統和管理員提供一幅簡化、無縫的資源虛擬視圖。對于用戶來說，虛擬化的存儲資源就像是一個巨大的"存儲池",用戶不會看到具體的磁盤、磁帶，也不必關心自己的數據經過哪一條路徑通往哪一個具體的存儲設備。

從管理的角度來看，虛擬存儲池是采取集中化的管理，并根據具體的需求把存儲資源動態地分配給各個應用。值得特別指出的是，利用虛擬化技術，可以用磁盤陣列模擬磁帶庫，為應用提供速度像磁盤一樣快、容量卻像磁帶庫一樣大的存儲資源，這就是當今應用越來越廣泛的虛擬磁帶庫（VTL, Virtual Tape Library），在當今企業存儲系統中扮演著越來越重要的角色。

容量擴展

目前而言，在發展趨勢上，存儲管理的重點已經從對存儲資源的管理轉變到對數據資源的管理。隨著存儲系統規模的不斷擴大，數據如何在存儲系統中進行時空分布成為保證數據的存取性能、安全性和經濟性的重要問題。面對信息海量增長對存儲擴容的需求，目前主流廠商均提出了各自的解決方案。比如IBM將硬件壓縮技術融入虛擬磁帶庫，比如分層存儲技術，將價值最大的數據保存在等級最高的存儲資源上，以保證最高的性能、可用性和安全性； 而對不重要的數據，就放在代價最小的存儲資源上； 對毫無價值的數據，就進行刪除，以留出更多的存儲空間。這樣就可減輕主存的容量壓力，提高響應速度等。

再比如基于重復數據刪除技術基礎的對象存儲方式，能夠很好地幫助企業進行存儲"瘦身".存儲對象通過擴展屬性的方式對于所保護的數據提供更多的描述，存儲系統針對相應屬性進行合理的優化和管理，極大地提高了數據的存取性能和管理效率。特別是在大規模存儲系統中，更加"智能"的數據結合智能存儲設備、對于充分發揮各種部件的效率、提升海量數據管理能力、改進存取過程的性能提供更多的安全性、可用性保障。

再比如對現存關鍵數據進行遠程備份的IP SAN（以iSCSI技術搭建的），專門解決主機系統對磁盤的塊級存儲數據調用。IP SAN最顯著的特點就是價格低廉以及無限長度擴展的先天優勢。對于IP SAN的管理也可以隨之變得更加靈活，因為使用的是相同的網絡連接設備，管理也將變得更加簡單。目前越來越多的廠商已經加入到推廣IP SAN的隊伍中。

由于存儲現狀比較復雜，存儲技術的發展業界還沒有形成統一的認識，因此在應對存儲容量增長的問題上，尚存在很大的提升空間。技術是發展的，數據的世界也是在不斷變化的過程中走向完美。企業信息架構的"分"與"合"的情況并不絕對。目前、出現了許多的融合技術，如NAS與SAN的融合，統一存儲網等等。這些都將對企業信息架構產生不同的影響。至于到底采用哪種技術更合適，取決于企業自身對數據的需求。

: