数据基础设施

数据要素价值组成部分

数据基础设施支撑数据汇聚、处理、流通、应用、运营、安全保障全流程。

背景介绍

数据是数字经济时代的核心生产要素。

社会已经迎来了继农业经济、工业经济之后的数字经济时代，如同农业时代的土地、劳动力，工业时代的技术、资本一样，数据已经成为数字经济时代的生产要素，而且是最核心的生产要素，数据甚至被认为已经超过石油的价值。数据驱动型创新正在向经济社会、科技研发等各个领域扩展，成为国家创新发展的关键形式和重要方向。包含数据因素的生产函数可以用如下公式表达：

Y =F（A, D, K, L, T）

Y: 经济产出 F：生产函数 A：技术进步 L：劳动力 T：土地 K:资本 D：数据

业务需求

随着社会数字化、智能化加速发展，新技术如AI、5G、IoT的广泛应用，以及大量新的硬件与应用带来数据量快速增长的同时，也让数据类型越来越多样化。生产、采集和保存尽可能多的数据，用于全量分析以洞察先机。到2025年，全球将产生180ZB（1ZB = 1,000,000,000,000,000,000,000Byte）的数据。数据蕴含巨大的价值，也给存储系统带来了前所未有的挑战。

4K视频已经普及，8K、AR、VR时代即将到来。在工业和信息化部、国家广播电视总局、中央广播电视总台联合发布的《超高清视频产业发展行动计划(2019-2022年)》中提出“4K先行、兼顾8K”的总体技术路线，使广电行业IT基础设施在高可靠的基础上，向着高性能、低延迟、集约化的方向转型，尤其对存储平台的能力带来巨大挑战。

5G通过提升连接速率和降低时延，使单位时间内产生的数据量急剧增长。物联网将得到较大程度的发展，人与物、物与物之间的连接将急剧增多，数据采集渠道将更加丰富，如联网汽车、可穿戴设备、机器人等，这也对数据存储与采集技术提出更高要求。同时，5G时代下越来越多的IoT设备将通过边缘计算进行存储、处理和分析，云、边协同能力变得尤为重要。

人工智能（AI）和大数据的应用改变了数据的存储周期和形态。比如，公安部《公安机关现场执法视音频记录工作规定》明确提出，现场执法视音频资料的保存期限原则上应当不少于六个月，以构筑“更长证据链”。其次，AI需要全数据训练、处理和分析。在数据规模化增长的趋势下，可以按温度来定义不同访问频率的数据：经常被访问的数据称为热数据，而较少被访问的数据称为冷数据，处于中间状态的称为温数据。应用AI之后，需要数据能在冷、温、热之间随时进行切换。

技术革新

近年来一系列的技术革新和新技术的出现，使得传统IT基础设施往数据基础设施演进成为可能。例如，人工智能（AI）技术在数据领域的应用大大降低了大规模集群的运维难度；分布式存储技术打通了块、文件、对象和HDFS等不同的存储协议，使不同类型不同来源的数据集中存储成为可能；全闪存和SCM等新型存储介质的出现使存储不再成为系统的性能瓶颈；GPU、NPU、ARM等非x86架构芯片的蓬勃发展为数据带来多样化算力。在执行不同类型的数据运算时，异构算力会显著提升运算效率。因此，无论是硬件系统还是数据库、大数据等软件系统都将支持异构算力作为演进的关键点之一。

定义

数据基础设施是传统IT基础设施的演进，是围绕数据为中心，深度整合计算、存储、网络和软件资源，以充分挖掘数据价值为目标所设计建设的数据中心IT基础设施。数据基础设施涵盖接入、存储、计算、管理和数据使能五个领域，通过汇聚各方数据，提供“采-存-算-管-用”全生命周期的支撑能力，构建全方位的数据安全体系，打造开放的数据生态环境，让数据“存得下、流得动、用得好，将数据资源转变为数据资产，最大化数据价值。

范围

数据基础设施由基础设施层和数据管理层组成，其中基础设施层包括存储、计算、网络等硬件设施，数据管理层由操作系统、数据库系统及大数据系统组成，构成支撑数据存储及数据全生命周期管理的软件设施。

在基础设施层，区别于传统的硬件设施，数据基础设施将引入多样性计算，从单一算力到多样性算力，匹配多样性数据，让计算更高效；存储也会从单一类型存储走向多样性融合存储，构建融合处理基础，应对存储效率低、管理复杂的问题。

在数据管理层，将结合大数据系统和数据库系统提供的“采-存-算-管-用”全流程的软件支撑，从单一处理向多源数据智能协同、融合处理发展，应对更实时和智能的数据应用需求，加速实现数据价值。

数据基础设施需要面向数据构建全方位的安全体系，保障数据端到端的安全和隐私合规，打造开放的数据生态环境，推动全社会数据的共享和开放，创造更大的价值。

特征

数据基础设施具备以下5个特征：融合、协同、智能、安全、开放。

融合

融合的特征主要体现在基于在存储、数据库、大数据等技术领域的突破，打破“存储内部系统墙”、“数据库与存储链路墙”、“大数据与存储配置墙”、“数据库与大数据协同墙”四堵墙。

协同

在硬件、算力、数据等趋于融合的过程中，多种数据源以及与之相关联的特定的数据处理技术还是长期并存的，需要对异构异地数据源进行协同分析。数据基础设施包含软硬协同、分析协同和云边协同。

智能

数据智能是一个跨学科的研究领域，它结合大规模数据处理、数据挖掘、机器学习、人机交互、可视化等多种技术，从数据中提炼、发掘、获取有揭示性和可操作性的信息，使数据“智能”，为人们在基于数据制定决策或执行任务时提供有效的智能支持。

安全

数据基础设施承载着大量的数据，包括业务的核心数据以及隐私数据。这些数据支撑着企业的所有业务和运营，关系着企业的生命线。需要构建全方位的数据安全体系，帮助企业实现数据在全生命周期过程中的数据不丢失、不泄露、不被篡改、业务永远在线、可追溯和隐私合规。

开放

数据产业是一个有众多细分领域、众多参与者的产业，它需要数据、产品和服务间的紧密协同，而数据基础设施作为其中的关键支撑环节，涉及到硬件产业、软件产业，以及各类开源技术、闭源技术等，这就决定了数据基础设施具有生态复杂性，需要很强的生态协同能力，并通过技术和产业的开放性来吸引更多的参与者以保持生态的活力。

应用

数据基础设施已经在许多行业中发挥了重要作用。总的来说，其应用场景可以划分为三类：

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省