传统制造企业随着企业数字化转型，通过一系列的信息化建设，正在逐步走向智能制造阶段。此过程中，企业首要面临的是信息数据的管理和存储问题。本文主要介绍如何通过Ceph分布式存储一体机解决企业信息数据管理优势和今后如何应对大数据的分析。

目前制造企业分布式存储方案的不足

随着制造企业的信息化程度不断加强，每日产生的文本、图像、视频、备份数据、日志信息等之间有着非常强的关联性且来源多种多样，这些数据对于产品的生产、运营、销售和售后服务等方面都有巨大的价值。虽然现在已有一些厂商为制造企业提供制造业大数据管理平台和分布式存储方案，能够暂时解决企业前期信息化转型的需求，但对今后的完全智能化、信息化仍然面临着以下的难点：

如何控制数据爆炸式增长所带来的制造企业管理成本增加

实现完全数字化转型，意味着将有更多的自动化设备、数据管理系统的引入，在制造产线上不单有每日产出的产品数据，更有无可计量的前端传感器数据产生，通过常规的存储设备叠加扩容，无法达到资源的高效利用，还影响到整体的数据管理效率。

在提升运维效率的同时，避免”信息孤岛“的产生

由于制造行业的特殊性，数据管理非常的分散，生产车间以及技术人员往往分散在不同的区域，各自的数据也是独立存储，这样就产生了”信息孤岛“，各自管理自己的数据，缺乏统一的标准规范，数据十分的杂乱。当车间和技术人员需要相关的数据，需要咨询数据的管理者，造成的频繁沟通，降低了工作效率。

如何高效的管理复杂数据架构环境

当制造企业进入了快速发展时期，作为企业级数据资源处理和存储中心，大数据架构需要整合不同的技术平台、不同的数据结构、不同的数据接入方式等等。在复杂的环境下，如何保障接入的稳定性、处理的高效性、质量的合规性等，对数据存储管理提出了新的挑战。

需要专用的制造业管理平台以支撑前端业务

目前厂商提供的大数据管理平台都为通用平台，技术架构差异大，建设和服务水平也参差不齐，在智能制造领域应用效果并不明显。

现有的分布式存储缺乏对制造业数据管理和存储的适应力

制造行业中存在着大量的非结构化数据，这些数据之语义关联性非常强，而现有的分布式存储技术较为缺少对于语义的相关性考虑，非结构化的数据大小各异，文件大小均在几十K~几十M之间，现有文件管理系统在处理大型文件具有优势，在海量小文件面前存储效率就较为低下。

Ceph分布式存储一体机制造业解决存储解决方案

Ceph分布式存储是软件定义存储解决方案的实现，通过软件将硬件进行抽象化管理，将集群全部的CPU资源、内存资源、硬盘资源、网络资源等进行池化，组合成统一资源池，然后通过制造业专用的管理界面或API提供给客户个性化的分布式存储解决方案。

软件定义存储解决方案可以使生产系统在线运行的情况下进行纵向扩展（Scale-Up）或横向扩展（Scale-Out），且存储系统在扩展后可以达到容量与性能均线性扩展的效果。其具有以下特性：

提供高性能的数据管理及灵活的扩展性

JITStack超融合一体机提供分布式存储系统可以将全部存储节点的计算资源、存储资源、网络资源进行融合优化，将任務切分给多个存储节点，利用并发数据预处理，防止了单个硬盘或设备导致的短板问题，提高整个集群的处理效率。分布式存储系统具备优良的性能扩展能力，能够满足制造业对存储数据迅速增涨的需求。Ceph分布式存储可以在线曾加存储节点，对前端业务全透明，系统总体性能与存储节点总量呈线性关系。

多副本策略提升分布式存储高可用性和安全性

Ceph分布式存储一体机 基于硬件及软件设计了高可用策略，在应对各种异常时（如存储节点故障、网络断开、硬盘无法识别、数据受损等）仍可提供正常服務，增强分布式存储系统硬件的易用性能够通过增加存储节点总数或者选用多种硬件冗余策略进行保障。分布式存储系统采取多副本策略或和删码策略以保证数据的高可用性，多副本策略能够保证较高的数据冗余度，但会调低存储系统可用空間的使用率，纠删码策略能够在确保部分数据冗余度的情形下，大大提高存储系统的有效空間使用率。通过分布式存储一体机可靠的权限控制及互信确认策略，同时运用私有的数据切片及数据编码策略，能够从多重维度确保集群系统不受恶意访问和攻击，保障储存数据不被泄露。

提供高性能的边缘计算应用场景

基于分布式存储一体机集群的高性能计算，已变为必要的工具。集群具备有极高的弹性，可通过在集群中增加或删减节点的方式，在不影响已有应用与计算任务的情况下，中途提高和降低系統的处理性能。跟据不同的计算模式与规模，组成集群系统的节点数能够从几个到成千上万个。那些业务对后端的存储服务器提出了新的需求，包括統一的储存空间、高效率的文档搜索、高带宽的IO性能，高可靠的敏感数据安全保障等。

伴随着计算机技术及大数据的发展，制造业须要考虑到存储功能集成度、数据稳定性、数据安全性，系统可扩展性、性能及成本各方面要素。Ceph分布式存储一体机具备着很大的成长空間，势必运用于更广泛的制造行业大数据应用领域。