超大型的挑战
许多企业现在都依赖于机器生成的数据. 机器生成的数据要求企业评估和采用新的存储架构，以支持不断加快的数据摄取速度, 存储的数据量, 以及各种对象数据类型. At the same time, 这些架构必须支持将存储容量扩展到艾字节的数据，并使用最新的分析解决方案.
从极端边缘到云
利用YottaStor的专利流程，数据从边缘移动到云端 & 进取号，然后再回到边缘. YottaStor的Edge解决方案与主要的公共云提供商集成.
YottaStor
边缘云解决方案的领导者
未来企业数据增长的80%
由机器生成的数据组成吗
机生成的数据
需要一个新的工作负载模型
- Data Ingest
- Content Streaming
——内容合作
——内容传播
——分析框架
YottaDrive解决了超大规模的挑战
机生成的数据
Collect & Analyze
YottaStor专注于机器生成数据，这是大数据中增长最快的部分. 机器生成的数据是压倒性的传统, 基于posix的架构设计并使其过时. 商业和联邦企业正在花费数亿美元(如果不是数十亿美元的话)部署先进的传感器技术，以创建和捕获机器生成的数据. YottaDrive是专利产品, 专门构建的大数据对象存储服务，经济地存储这些数据并利用它们进行业务洞察.
YottaStor的大数据设计原则
Capture & Store Data Once
在磁盘的生命周期中写入一次数据. 不断加速的数据创建速度以及正在管理的数据的规模将压倒网络容量, 使任何电子移动数据的尝试不切实际.
自动将数据移动到更便宜的存储
存储系统必须不断地将数据迁移到成本较低的存储中, 让客户降低整体存储成本. 存储数据的关键指标是存储数据的成本/GB/月. 一旦为特定的组织开发了这个度量, 然后逐年的计划过程将专注于降低这一成本.
设计不断增加的数据种类，数据量 & Data Velocity
存储系统必须具备三维扩展性: Data types 哪些会随着时间的推移而进化和延伸 daily ingest 其中需求将继续增加，而整体而言 capacity 存储系统将以加速的速度扩展.
部署一个联邦的全局命名空间
采用在一个名称空间中支持数十亿个对象的名称空间技术可以减少成本和复杂性.
在边缘处理数据
在体系结构中，组织唯一能够负担得起的处理数据的点是在摄取过程中. 这需要同时定位处理和存储. 然后，用户可以创建和捕获将来访问数据所需的元数据.
通过Web服务访问
这个级别的应用程序抽象对于在不影响应用程序层的情况下对存储云进行操作优化至关重要. 此功能的一个重要好处是消除了应用程序在posix兼容的存储环境中必须具有的“位置感知”.
Eliminate RAID
数据持久性需求实际上比传统存储环境更大. 必须使用复制和擦除编码等新方法来满足这一需求.
采用自愈、自复制技术
为了降低成本/GB/月，技术必须是自修复和自复制的. 这种能力将大大减少管理存储系统所需的fte的数量和成本.
分析在超大型
规模改变了一切. 不断加速的摄取速度导致存储系统必须在不中断操作的情况下无缝扩展. 这种加速的摄取速度使传统的提取物, 使用传统的企业分析引擎将数据从主存储转移到分析环境的转换和加载(ETL)体系结构是不可行的.
