动态
用統一存儲方案還是分散存儲方案來來處理非结构化数据的差異？
这个要看公司对云、自建机房、容灾中心、IDC机房的定位和将来的发展。其次就是对应用架构的梳理。假设在现有应用架构、数据中心架构保持不变的情况下，可以考虑用数据湖解决方案，既能在底层通过资源池化来简化运维提升查看全文
对象存储的吞吐速度和压缩能力？
对象存储基本上的使用场景都是海量非结构化数据的长久保存，偏归档场景，在压缩上能力上，基本上起不到什么作用。具体到吞吐量跟文件大小有关，大文件的话，一个节点能到几百MB/S的吞吐。从我这边实际项目来看，都是容量先满，性能查看全文
对象存储的应用场景和行业内的应用标准？
关于第一个问题，我这边一般的判断标准是百万文件数量，就可以考虑使用对象存储。关于第二个问题，主要依据咱们的技术路线选择，在存储影像这个场景下，两者都可以使用。有些客户在整个系统架构上就在往多中心、多活架构上去走查看全文
非结构化数据备份策略及备份存储？
这个同意，但是在做方案的时候，毕竟还是要考虑成本、运维等很多层面，对象存储主要面临的场景还是海量非结构化数据的存储。备份的基本逻辑就是把数据保留多份，所以我们面临的问题就是使用什么系统把海量的非结构化数据再保查看全文
关于非结构话数据 存量数据如何从传统存储迁移都非结构化存储的过程，希望能否有经验可分享下？
这个主要还是要看源端存储和目标端存储采用的具体技术来进行选择。如果采用最通用的方案，一般有两种，第一种就是直接通过应用进行数据迁移，第二种就是通过外部的数据迁移工具来进行迁移。一般情况下，在文件数量巨大的情况查看全文
非结构化数据的归档？
在当前的技术条件下，对象存储是主流的归档平台方案。从我这边做的项目来看，针对这个问题，有三种不同的处理方案。第一种是保持现有的存储架构，新添加对象存储作为归档层，从而降低现有存储的存储压力，同时为了保证访问的连续查看全文
保险有哪些非结构化数据场景需要流数据处理平台？
流数据处理平台的主要特点就是把原先需要经过数据采集、数据清洗、数据分析才能得出最终结果的批处理，变成数据产生以后可以直接产生结果的流处理。流数据的应用场景还挺多的，基本上可以分为三类，数据管道类应用，事件驱动查看全文
海量非结构化数据备份问题？
如果底层的存储技术是对象存储的话，可以通过多版本的方式来实现数据防误删除，或者也可以通过 WORM 的功能来防止误删除和恶意删除。在病毒预防方面，对象存储在存储文件的时候是打散到不同物理节点来存放的，所以病毒文件无查看全文
大量非结构化数据迁移的问题？
我这边做过的项目里，一般迁移方案分两种，第一种是由应用进行迁移，第二种是以迁移服务项目的方式进行迁移。基本的迁移思路是新数据写入到对象存储，老的存储只用于读取，这样整个迁移的数据集就是一个固定的数据集，这样便于并查看全文
有没有识别非结构化数据中冷数据的好方法？
这个还是需要结合具体的业务场景来看，有的业务场景下的数据时间特性很明显，可以根据时间特性来进行区分。有的业务场景数据的冷热比较明显，也就是有些数据会被频繁访问，这些可以根据访问计数来进行区分。我这边也接触到有查看全文
