DCIG公布AFA全闪存阵列市场的七大趋势，追求性能和智能

中国存储网消息，知名IT分析机构DCIG近日给出了全闪存阵列（AFA，All-Flash Array）市场的七大趋势，DCIG分析师认为这七大重要的市场趋势将影响到2019年企业级用户的购买决策。北美市场是全球全闪存阵列市场产品最多、规模最大、用户接受度最高的市场，DCIG重点针对北美市场的分析也能透视未来全球市场的发展趋势。以下是DCIG全闪存阵列市场的七大趋势：

趋势一：全闪存阵列厂商进入整合期

DCIG认为当前全闪存阵列市场虽然陆续还有新的公司进入，但是更大的趋势在于整合。

这种观点很好理解。当前，几乎所有进入全闪存领域的知名厂商都是研发与收购并举的策略，例如：DELL EMC就拥有包括VMAX、Unity、XtremIO、DSSD、SC等多条全闪存阵列产品线；这些知名厂商的全闪存阵列产品组合将进入一个全新的整合期，完成研发、产品、市场销售的整合优化。以HPE为例，收购回来的Nimble全闪存阵列产品被定为“次级闪存（secondary flash）”，但HPE也宣布将把Nimble 的InfoSight智能预测分析产品从3PAR StoreServer开始实施与配置，之后将贯穿HPE整个数据中心产品，其产品整合的趋势非常明显。

此外，这种整合不仅仅局限在全闪存阵列产品线之内，这些厂商通常也拥有着超融合产品线，DELL EMC、HPE自然不用说，像NetApp已经推出了基于SolidFire的超融合产品NetApp HCI，PureStorage也推出了超融合相关产品。全闪存阵列和超融合系统都可以面向诸如VDI/测试/Dev等应用，这些情况无疑将会加速厂商们推动市场进一步整合。

趋势二：闪存产品容量在急速增加

DCIG对当前市场全闪存阵列产品进行统计后发现，超过100个全闪存阵列产品的平均原始容量达到4.4PB，相比去年的统计结果，增加了五倍。市场上全闪存阵列产品可提供的最高容量已经、达到70PB，是去年的7倍。

全闪存阵列容量的迅速攀升，要得益于近年来用户数据量的快速增加，像一些人工智能、深度学习、机器学习等应用使用的增多，推动了用户对于大容量闪存的需求。

趋势三：存储密度显著增加

根据DCIG的统计情况，全闪存阵列产品的存储密度也在显著增加，有一半产品的存储密度已经超过了50TB/RU（Rack Unit，机架单元），甚至有一些产品的存储密度达到了惊人的200TB/RU。

全闪存阵列迈向高密度无疑将加快取代传统磁盘存储阵列的步伐。过去，人们认为传统磁盘阵列系统仍然在容量上具有一定的优势，但是当全闪存阵列的存储密度显著提升之后，全闪存阵列在空间、性能以及能耗上的优势就更加突出，这对于那些想降低数据中心成本的用户更加具有吸引力。

趋势四：采用最新组件来提升极致性能

性能仍然是全闪存阵列产品最大的优势所在。为此，市场上的另一大趋势就是采用全新的各种组件来提升产品性能。DCIG认为这种趋势将会更好地与全闪存的容量和密度增加相匹配，这些组件包括：

①、英特尔新一代多核CPU；

②、32GB FC、25/40/100GB 以太网、56/100GB InfiniBand网络；

③、GPU；

④、ASICS，用于卸载存储任务；

⑤、NVMe；

这些组件涉及到处理器、存储网络、GPU等多个方面，每个环节的性能提升都有利于整个全闪存阵列产品性能的提升，厂商们积极对于新组件的使用也将进一步提升全闪存产品的性能优势。

趋势五：统一存储将成为全闪存的标配

与第一代全闪存阵列几乎全为块存储的SAN阵列相比，现在已经有一半以上全闪存阵列开始支持统一存储。

这种趋势也非常符合数据中心的实际需求，多协议、多系统、多应用类型、多环境是大部分数据中心用户的普遍情况，全闪存阵列对多个协议的支持和加速多个类型的工作负载将有利于它在数据中心环境中的普及。

趋势六：全闪存阵列与公有云的对接与互通

基于安全性、可控性、经济性等多方面考虑，混合云应该是用户们很长一段时间的使用状态，全闪存阵列与公有云的对接与互通有利于用户的混合云使用。其实早在2014年，EMC VMAX高端存储产品就开始注重与主流公有云产品的对接，其他像NetApp、IBM都非常看重公有云的对接。现在，全闪存阵列也是这种趋势，大部分的全闪存阵列产品将公有云云存储作为冷数据或者快照的目标，以此来完善全闪存阵列的数据保护机制以及优化用户使用成本。

趋势七：管理更加智能化

DCIG认为一些存储预测分析功能将更加真实。事实上，基于机器学习的预测性存储分析，可以提高可用性、可靠性以及应用程序的性能，也是AI在存储软件领域应用的开始。已经有越来越多厂商开始为用户提供这些更加智能化的管理功能，最著名的当属Nimble的InfoSight预测功能，此外，PureStorage的Pure1 META也是机器学习驱动存储管理的典型。对于那些希望将多个工作负载整合到单一全闪存阵列的用户来说，这种智能化的存储分析功能绝对大有用处。相信，未来会有更多厂商推出更多智能化的存储管理功能。