对工业数据存储的需求日益迫切
上周刚发布的《中国互联网发展报告2020》指出，2019年，中国数字经济规模达35．8万亿元，占GDP比重达36．2％，中国数字经济总量规模和增长速度位居世界前列。
深究数字经济，与过往农业经济以土地为核心生产要素、工业经济以机器为核心生产要素不同，数字经济是以数据为关键生产要素的。海量的数据被存储在各行各业、各个生产环节，作为推动经济增长的重要支撑。
眼下，工业正是数字经济的重要战场。
根据《中国两化融合发展数据地图（2019）》可知，截至2019年，我国工业企业的生产设备数字化率为47．1％，数字化设备联网率为41．0％，关键工序数控化率为49．5％，数字化研发设计工具普及率为69．3％，这些数据代表着我国工业在数字化、网络化、智能化上确已取得一定成绩，但通过与发达国家的对比，可知在终端联网、数据采集、信息传输上仍有较大发展空间。
2019年重点行业数字化生产设备联网率
图片来源：《中国两化融合发展数据地图（2019）》
从宏观背景看，基于新基建、5G、工业互联网等政策和技术的推动，工业产业正在热火朝天地构建起智能感知、互联互通、数据应用、服务模式开发等架构，致力形成工业场景下数据从采集、处理、传输到分析、存储的完整流程，创造从数据中产生新价值的条件。
这样的情况下，当汹涌的数字化大潮袭来时，考虑到数据存储容量、功耗、时延、成本等诸多现实因素，精细、高效的数据存储方案就是很多工业智能化转型的企业所必要的。
热数据、温数据与冷数据
很明显的一点是，全球数据总量不仅保持指数级的增长，类型也越来越多样化。
在数据总量上，IDC报告指出，预计从2023年起，企业、机器、工业、消费、科学等领域每年产生的数据量将高达103 ZB。有一个简单的比喻是，在ZB级数据爆发时代，如果把全球所有的数据都存在512GB的iPad里并一个个摞起来，它的厚度可以绕赤道10圈。
在数据类型上，以往移动互联网时代产生的数据大多是个人在电脑或手机上输入得来的，但随着AIoT的发展，包括智能家居、可穿戴设备、AI摄像机、无人机、工厂机器人等等，数据产生的源头从人向智能设备延伸，记录的数据类型广泛且丰富。
在扑面而来的海量数据面前，行业通常根据数据的访问频次和数据分析的不同需求，将其粗略地划分为三个类别，即热数据、温数据和冷数据。
热数据：被计算节点频繁访问的在线类数据，表征＂此刻的变化＂；
冷数据：离线类不经常访问的数据，具有一般不会变的属性，常用于机器学习中的模型训练和数据的长期归档；
温数据：介于热数据和冷数据之间，代表的是＂近期的，具有一定时效性的变化＂。
此种分类方法体现的内核是，热数据处理效率要求高，需要就近计算和部署；冷数据处理效率要求低，只需进行集中化部署，但对大容量有更多要求。
然而实际应用场景中所要求的不仅是这么简单。
尤其在工业物联网场景，想象一条生产线上多台机器同时运转产生的数据量无需全部上传到云端进行清洗和处理，边缘计算的需求愈发强烈，在源头进行数据分析和存储成为关键。
另外，考虑到工业应用多处于严苛或偏远环境，必然对存储方案的可靠性、稳定性及自动化容灾能力提出更高要求。
再加上人工智能、数字孪生等应用需要基于大量的数据资料进行模型训练，建立大容量、可扩展、易整合的存储方案对企业长期发展至关重要。
