建立高效储存基础 拓展巨量数据应用

伴随大数据分析等效能密集型应用需求攀升，导致全快闪式或混合式快闪储存阵列渐成新宠。EMC

无庸置疑，如何深耕巨量数据(或称「大数据」)，对于现今各行各业而言，已是放诸四海皆准的重大课题，更已成为企业赖以推动业务创新与商务管理的关键利器；以金融业为例，深究时下炙手可热的金融科技(FinTech)议题，大数据便是个中核心项目。

时值工业4.0、生产力4.0口号响彻云霄之际，使得智能机器人跃为新宠，影响所及，多数制造企业皆视自动化生产、机器人、物联网等工业 4.0元素，乃是翻转传统生产线、建构新时代智能工厂，继而促成产业升级、提振全球竞争力的关键所在。

在此前提下，诸多制造企业都亟思善用智能机器人、工业物联网等技术，形塑人机协同之作业环境，期使工厂内部的每台生产机具，彼此之间都能相互对话沟通，甚至进一步串联上游供应端，俾使工厂管理者能随时知悉各项原物料供应状态，也能综览包括插单或急单在内的所有订单信息，以便于精准掌握大大小小每一个生产环节，善尽最佳化资源调配，终至消弭无谓的浪费、降低库存，成功加快定制化产品的交货进程。

智能机器人正夯  制造与金融产业皆热情追逐

如今智能机器人这股风潮，不只在制造业领域大行其道，也吹向了金融业。以对岸的国内招商银行为例，其信用卡中心早在2013年便导入智能客服机器人，挟着颇为精确的语音识别技术，辅以背后强而有力的大数据蒐集及分析能力撑持，成功协助该中心妥善处理高达数千万笔客户对话，且恒常维持九成以上的准确率，让许多顾客的疑难杂症迅速获得解决，连带使得原本沈重的客服中心营运维护负担，顿时减轻大半。

无独有偶，在2015年8月期间，国泰世华银行领先台湾同业推出智能客服机器人，定名为「智能小Q」，标榜能为客户提供24小时在线实时客服，意即客户不管有任何问题，只要造访该行官网、网络银行或移动银行...等等不同管道，都可望透过智能小Q迅速获致贴心而精准的解答。

探究智能小Q的运作原理，乃在于利用人工智能关键字比对、语意理解等技术，针对客户所提问题，由系统快速查找相对应信息，并藉由拟真的人机互动实时服务模式，满足客户之于存汇款、信用卡、贷款、产寿险、企业金融服务、信托、财富管理...等等产品或服务相关解惑需求，甚至客户想要了解天气、旅游、休闲等其他话题，智能小Q也能加以回覆。展望今后，国泰世华银行仍将持续推动知识的蒐集、建构与优化，使得智能小Q满足客户需求的能力不断攀升。

机器人、IoT与大数据  环环紧扣形成创新能量

不仅止于客服，在国外，也开始有银行藉助电脑运算，协助用户进行专业理性的投资组合管理，即是「机器人理财顾问」。对此瑞士知名研究机构MyPrivate Banking Research发布相关报告指出，预期时至2020年，全球由机器人顾问掌管的资产管理规模(AUM)，将从2015年大约200亿美元的部位，快速攀高至4,500亿美元；由此可见智能机器人在金融业界的威力，着实不容小觊。

然而不可讳言，纵使智能机器人技术应用看来极其酷炫，但它并非自成一格，而需要与物联网、大数据等其他课题环环紧扣，才能形成大循环，终至构筑完整的大局。换言之，不论各行各业，其营运环境里头的各种联网设备，多会有感应器(Sensor)，而这些感应器不断汇集数据、产生巨量数据(含大量结构化、半结构化或非结构化数据)，接着藉由机器学习演算法，衍生人工智能(AI)，再由AI指导机器人懂得更加精准地执行任务，而机器人的一举一动，又将触发感应器，创造一波波巨量数据，形成生生不息的正向循环，无论制造业、金融业、零售业、医疗业...乃至更多产业，都将拜此一循环能量，不断推动营运创新与进化。

只不过，现实与美梦两者之间，始终毫无例外地出现一次次巨大落差，以前述智能客服机器人等金融大数据案例而论，纵然称得上是让业者为之惊艳的创新应用，但要想顺利付诸实践，不仅并非一蹴可几，而且不时受制于一些传统的老问题，在起步点无奈打转！

突破储存效能瓶颈  化解大数据应用阻碍

何谓老问题？肇因于运算与储存两造之间的技术进步幅度落差，因而造成挥之不去的效能瓶颈，便是亟待化解的根本议题。

从1980年迄今，处理器(CPU)及存储器的处理效能大幅跃进8,000倍之多，同期间以太网络从10Mbps跃升为100Gbps，演进幅度更高达1万倍之谱，反观现今仍位居主流储存媒体的硬盘，虽然在容量方面，出现了多达10万倍的巨大增幅度，但可惜在效能部份进展有限，仅出现不到5倍的提升。

换句话说，即使银行后台的大数据分析系统、机器学习演算法再如何犀利，倘若不设法突破运算与储存之间的效能落差，前端的智能客服机器人也只能苦苦等待储存装置的回应，依然无法迅速将精辟的解答传送予最终客户；甚至在执行大数据演算分析的过程中，硬盘便扮演着效能杀手，已经拖慢了答案产生的速度。

如何是好？有不少业者或用户，便将矛头指向了IOPS(I/O Per Second)效能比机械式硬盘好上100~1,000倍的固态硬盘(SSD)，希冀借此有效突破传统硬件的性能限制。惟有业者提醒企业用户，若单纯把传统硬件换置为SSD，再挂上基于数据保护所不容或缺的RAID，其实并不是理想的方案，只因为过多无谓的数据存取，唯恐缩短SSD的寿命，且很难控制RAID阵列中每颗SSD的寿命，此外，也将无可避免地面临RAID阵列的效能瓶颈。

快闪储存阵列  助力巨量数据分析

处于「传统硬盘IOPS不彰」、「SSD挂上RAID亦有问题」两难之中，开始有业者倡议快闪存储器储存阵列(AFA)架构，并强调它将形成储存媒体的典范转移，借此利用SSD突破数据中心与企业内部的大数据储存效能瓶颈，并以SSD加速数据存取、搭配传统硬盘兼顾效能与容量的平衡；具体来说，传统硬盘的主要优势为容量，十分适合置于云端后台承载Cold Data，满足长期储存与备份需求，至于以效能为主要优势的固态硬盘，则胜任企业数据中心Hot Data存取之主流选项。

论及AFA的适合应用领域，则包含能够受惠于高速储存的所有应用，以一般企业而论，适用范围便涵盖数据库、电子邮件、虚拟化、分层式数据快取，以及大数据与巨量数据分析；此外还有高速运算应用，例如科学运算、天气观测与预测、无线信号或大规模网络模拟；另举凡证券交易的实时撮合、金融业或电信业的帐单处理、电影或动画业的影片后制与档案格式转换、网络业的高速储存服务供应(Provisioned IOPS)，及生技制药业的化学反应模拟，上述种种行业特有应用项目，也都在受惠范畴之列。

值得一提的，进入大数据时代，企业愈来愈难以预估未来五年、十年数据增长幅度，导致过往惯用的「先规划、再建置」方式不再适用，因此企业纷纷寻求一种能够先满足目前所需容量、未来也易于扩充的建置模式，故而对于深具高扩充性的分散式储存技术Ceph备感兴趣；现今已有业者藉由智能快闪存储器、Ceph平台，提供企业级数据服务，针对大数据或超大规模工作负载，供应巨大容量、极高效能与卓越可靠度。