马特·沃特尔斯，是三菱电力系统美洲分公司的企业基础设施的建筑师，并未参与TheInfoPro公司的调查。但他表示，他所在的企业在去年十二月安装了来自NimbusStorage公司的all-flash阵列，以解决他们企业的SAP环境的I/O放缓问题。

    沃特尔斯最初试图把第二组处理器放入他所有的SAP服务器中，升级内存达到其最大容量，但问题依然存在。他最后回到TB尺寸的SAP数据库和主存储装载数据缩小了性能问题，这在当时是采用的一个惠普的EVA阵列。增加SSD到EVA的成本比购买all-flash阵列更昂贵，沃特尔斯说。

    Nimbus公司的阵列支持2TB的存储容量，成本约40000美元，他说。

    Nimbus公司性能优越的快闪存储阵列，不仅消除了数据库的瓶颈，也将数据备份的时间从在EVA上的四小时削减到全新闪存阵列的15分钟。

    “到目前为止，其性能表现都让我十分满意。没有一个单一的故障。”他说。我在上午想到一个阵列，下午就可以上线了。就这么简单。”

    沃特尔斯的环境隔离闪存存储到一个应用程序：SAP。但是，那些参与了TheInfoPro公司调查的人发现，数据自动分层，或阵列中的各个驱动器类型之间迁移数据的能力，成为了最热门的存储技术。

    自动分层将数据在高效固态硬盘之间移动，或随着数据访问频率降低，从硬盘移动到大容量，低性能的磁盘。

    “其中的一个基本组件为磁盘驱动器，以及所选平台对该磁盘空间的使用效率，”Peglar说道。目前，功率密度是部署大数据分析平台过程中计算领域的一个主要关注点；此外，磁盘阵列所消耗的电力也越来越成为关注的重点，他说道。

    该关注主要源于所需存储阵列的规模，以及这些存储需求的增长率。Peglar发现，在短短几年的时间里，某些客户的集群从1拍字节（petabyte）增长到了5拍字节（petabyte）。

    大数据计算节点部署的密度可能非常高。Peglar说，这些部署的功率密度可达到3kW或更高。这对于数据中心的管理者确定电力和制冷基础设施的规格具有明显意义。

    驱动大数据增长的主要因素包括移动设备和社交网络的大幅度增长、以往纸质文件的数字化以及科研数据的增长。“他们的存档文件正在高速增长，因为他们并不清楚哪些需要保存，哪些不需要保存，”Peglar说道。

    各个产业的公司都在为大数据分析投入大量资金。其中一个产业为对病人数据进行分析诊疗的医疗产业。Peglar说，在金融服务产业，对数据进行定性分析也颇受关注。在这方面，分析的是杂乱无章的股票交易数据。大数据分析在制造和设计业的应用也有所增长，但增长最快的市场还是对用户行为数据进行分析以获得市场情报信息的社会媒体和电子商务产业。