从数据基因企业数据结构变化.docVIP

从数据基因看企业数据结构变化 　　数据基因项目是Veritas 自主发起的一项计划，旨在改变人们对数据管理的看法。Veritas发起该计划，希望为志同道合的数据科学家、行业专家和思想领导者创建一个共同的讨论平台，从而深入了解企业日常创建、存储和管理的非结构化数据的真正本质。作为基于实际存储环境组成的基准测评报告，首份《数据基因指数》报告便是此项计划的首个研究成果。 中国论文网 /1/viewhtm　　当前，Veritas研究的重点对象是元数据的特征。通过Veritas的文件分析产品，我们可以利用从各个客户汇集的元数据，准确呈现企业实际数据环境结构的各个细节。 　　首份 Veritas 数据基因指数报告 　　为了进一步了解客户数据环境的真正结构，Veritas在2015年分析了来自众多客户非结构化数据环境的数百亿份文件及其属性。本次分析涵盖了8千多种最常见的文件类型扩展名。因此，报告中的数据基本能够代表客户文件系统环境的数据构成。 　　数据呈爆炸式增长 　　从文件级别来看，在过去7年中，数据的实际增长速度为每年平均增长39.2481189%， 而相应的存储空间需求增长比创建单个文件增长快9%。因此，尽管操作层面上的改变可以一定程度地控制某些方面的增长，但根本依然是存储管理问题。 　　控制存储空间并不仅仅是存储问题。现在，存储环境杂乱无章，平均1PB的信息包含了 23.12亿个文件。 　　增速最快文件类型：图像和开发者文件 　　企业数据总量表明，数量最多的文件类型和最占空间的文件类型具有明显差异。具体情况可参见图―存储环境与环境成本对照表。 　　10年前 VS 现今：企业数据的变化 　　随着时间的推移，数据结构已经发生了巨大变化。过去十年间，相较其他文件类型， 变化最大的文件类型为：演示文稿文件、CAD文件、游戏文件等。 　　不同季节，企业的数据增长情况也不同 　　秋季是文件创建的旺季。文本文件的增长率尤为突出，高达91%；其次是地理和信息系统文件，增长率为89%；电子表格的增长率为 48%。 　　只有备份和文档文件会在秋、冬季激增。在企业完成年度备份后，备份文件将激增756%。但图像文件的创建量明显减少，降幅达63%。此外，68%的视频都创建于夏、秋两季，电子邮件（pst）的情况可预测性高，各季节间只有0.7%的标准偏差。 　　为何企业还在保留这些数据？ 　　信息是当今企业的关键所在，但由于信息的创建速度过快，企业中有价值的信息转瞬即逝。 　　治理：数量过多的文件类型 　　面对海量的陈旧数据，以及在可以执行多个可行处理决策时，为信息管理“决策预算” 的重点划分优先级，无疑能够帮助企业选择文件管理的入手点。 　　陈旧数据和总数据中数量最多的文件类型中，传统“office”文件是企业巨大的负担。如果企业希望最大限度地节约存储空间成本，但又无法确定优先处理哪些文件类型。那么企业可以重点对以下五大类型文件进行处理，每一类型都能够帮助企业找回GB级的存储空间。 　　1. 虚拟机文件 　　2. 安全文件 　　3. 游戏文件 　　4. 科技文件 　　5. 地理位置信息系统文件 　　文件数量和空间比例失衡 　　如果企业希望优先处理特定文件类型，只需观察哪些文件类型的数量和空间不成比例。例如，视频文件在陈旧数据存储空间总量中的比例，比其在陈旧文件总量中的比例高15.8 倍。虚拟机文件所占空间为7.3倍，演示文件是6.4倍，电子邮件为2.2倍，这些类型的文件都是企业优先处理的最佳选择。 　　当员工离职后，留下了数据残局 　　当数据失去其所有者，即会成为孤立数据。由于职位变更、员工离职以及常用活动目录混乱等原因，企业很难追踪数据环境的传承关系；此外，追踪数据传承需要巨大的资金支持。 　　孤立数据会占据企业的高额成本，一方面是因为其占据了过量的存储空间。即便孤立数据仅占文件总量的1.6%，但它占据的存储空间却达到了5.1%。不仅如此，大多数孤立数据是内容丰富的数据类型，这类数据所占据的空间都远超正常比例。如图像文件超出正常存储空间的88%，而视频和演示文稿，分别超出165%和229%。 　　报告调查发现，企业人员流动趋势对存储环境具有一定的影响。孤立文件的大小，是平均文件的222%。数据管理人员可能认为，文件越大，其内容越重要。因此在员工离职后，倾向于继续保留这类密集文件。如果企业希望恢复更多存储空间，从孤立数据下手无疑是首选。 　　通过存储密度判断文件是否有用 　　如今，企业创建大密度的内容并不奇怪，但令人吃惊的是，过去7年来，这类内容的涨幅只达到了10.3%，增长相对缓慢。文件的平均大小为：过去10年或更长时间内，使用过的文件的平均大小：0.24MB是过去5年内使用过文件的平均大小：0.40MB是过去1年内修改过文件的平均大小