【導讀】對於在 2026 年管理EB級基礎設施的數據中心運營商而言，關鍵問題已不再僅僅是是否擁有備份，而是存儲基礎設施能否提供符合實際運營需求的數據韌性：包括在線業務所需的高可用性、跨故障域的數據持久性，以及抵禦攻擊所需的不可變歸檔能力。

設施規劃中的乘數效應

雲服務提供商通過糾刪碼
、異地冗餘和自動分層等多重保護機製，承諾提供 11 個 9（99.999999999%）的數據持久性。但現實的經濟邏輯是：當數據在三個可用區之間進行地理冗餘時，根據複製和糾刪碼方案的不同，備份和副本數據量可能會達到原始存儲占用的 2 到 3 倍。這一“乘數效應”不僅作用於數據容量
，還會同步放大以下成本維度，包括：機架空間、電力消耗
、散熱需求和持續運營成本。

在當前雲數據中，絕大多數仍存儲在硬盤（HDD）上，因此每TB功耗、組件壽命以及故障帶來的運營成本
，已成為影響數據中心能效（PUE）和單機架成本的核心變量。  

組件故障的隱藏成本

傳統數據中心財務模型通常將數據持久性基礎設施視為線性乘數，但這忽略了在總體擁有成本（TCO）中占據主導地位的運營成本。例如：在部署一百萬個存儲組件、且年故障率為1%的場景下，運營人員平均每天麵臨約 27 次組件故障
，並需要執行重建操作。每次重建都會帶來連鎖影響：持續讀取壓力作用於相鄰設備，從而功耗增加、散熱負荷加劇、網絡帶寬被占用
，觸發級聯故障的風險。

組件可靠性直接決定了重建頻率。若年故障率分別為 0.5% 和 1.5%，則每日重建操作的頻率將產生三倍的差異。這不僅會導致可量化的能耗波動和製冷負荷變化（因多個機架同時處於高利用率狀態所致），還會引發網絡擁塞
，並占用技術人員用於組件更換的時間。

勒索軟件推動“不可變歸檔”成為剛需

如今，勒索軟件攻擊者已將目標轉向生產存儲係統，甚至包括那些旨在確保可用性的冗餘機製。這一嚴峻現實，使數據韌性策略——特別是日益與在線係統隔離或物理隔離的不可變歸檔存儲——從cong合he規gui性xing要yao求qiu提ti升sheng為wei不bu可ke或huo缺que的de運yun營ying剛gang需xu。在zai線xian存cun儲chu側ce重zhong於yu業ye務wu負fu載zai的de可ke用yong性xing和he持chi久jiu性xing，而er不bu可ke變bian歸gui檔dang則ze提ti供gong了le抵di禦yu攻gong擊ji所suo需xu的de額e外wai保bao護hu層ceng。

這也帶來了新的基礎設施挑戰：可ke能neng閑xian置zhi數shu月yue的de歸gui檔dang存cun儲chu基ji礎chu設she施shi，在zai生sheng產chan係xi統tong受shou損sun的de恢hui複fu場chang景jing下xia，必bi須xu瞬shun間jian提ti供gong持chi續xu的de高gao強qiang度du讀du取qu性xing能neng。設she施shi管guan理li人ren員yuan必bi須xu為wei歸gui檔dang係xi統tong配pei置zhi足zu夠gou的de電dian力li、散熱和網絡容量，以應對可能持續數周的多 PB 級(ji)數(shu)據(ju)恢(hui)複(fu)操(cao)作(zuo)所(suo)帶(dai)來(lai)的(de)極(ji)限(xian)吞(tun)吐(tu)量(liang)壓(ya)力(li)。在(zai)數(shu)據(ju)恢(hui)複(fu)期(qi)間(jian)，單(dan)一(yi)存(cun)儲(chu)組(zu)件(jian)的(de)故(gu)障(zhang)會(hui)對(dui)相(xiang)鄰(lin)組(zu)件(jian)造(zao)成(cheng)級(ji)聯(lian)壓(ya)力(li)，進(jin)而(er)產(chan)生(sheng)局(ju)部(bu)熱(re)點(dian)，這(zhe)不(bu)僅(jin)會(hui)增(zeng)加(jia)散(san)熱(re)係(xi)統(tong)的(de)負(fu)荷(he)，還(hai)會(hui)提(ti)高(gao)相(xiang)鄰(lin)機(ji)架(jia)發(fa)生(sheng)熱(re)致(zhi)故(gu)障(zhang)的(de)風(feng)險(xian)。

AI 工作負載加劇規劃的複雜性

AI 訓練負載引入了具有獨特基礎設施需求的關鍵歸檔數據資產。傳統數據在歸檔層中通常處於冷數據狀態
，而與之不同的是
，AI 訓練數據集麵臨著定期的驗證讀取和周期性的重訓練循環，從而產生了持續的工作負載模式，並對以下方麵造成影響：

電力規劃： 歸檔係統從閑置切換到極限讀取狀態會產生功耗波動
，進而影響容量規劃和UPS（不間斷電源）的容量選型。

散熱需求： 帶有版本控製的 AI 存儲庫會經曆高頻讀取的訪問模式
，產生持續的熱負荷

網絡架構： 遷移 PB 級的 AI 檢查點會產生東西向流量

，這與傳統的南北向流量模式截然不同

預計到 2027 年，每年將新增 130–140 個超大規模數據中心
，且用於支持 AI 能力的基礎設施支出將高達數千億美元。因此，在規劃備份基礎設施時，充分考量在極端情況下確保快速恢複所需的係統電力、散熱和網絡影響，顯得至關重要。

數據中心運營者應關注的關鍵問題

數據中心運營商應審查其存儲基礎設施是否與運維實際相符：

電力與熱量的可預測性： 存儲組件在整個生命周期內是否保持穩定的功耗區間
？

持續性能： 歸檔係統在閑置數月後，能否在不產生散熱問題的情況下提供額定吞吐量？

故障模式的可預測性： 組件是否能夠以可控方式退化
，並提供明確的故障指示，還是會增加故障排查的複雜度？

密度優化： 電力和散熱係統的容量配置，是否足以應對所有存儲層在極端情況下的同時利用率？

組件級可靠性將直接影響設施的經濟效益：減少上門維修和運維人工成本、通過可預測的功耗簡化容量規劃、延長更新周期以減少破壞性的設備更替，以及在采用新一代技術時簡化驗證流程。

核心要旨

對於數據中心運營商來說，核心問題不在於是否有備份，而在於設施基礎設施能否支撐其SLA（服務等級協議）所承諾的數據韌性：在(zai)維(wei)持(chi)在(zai)線(xian)工(gong)作(zuo)負(fu)載(zai)正(zheng)常(chang)運(yun)行(xing)時(shi)間(jian)的(de)同(tong)時(shi)，確(que)保(bao)不(bu)可(ke)變(bian)歸(gui)檔(dang)能(neng)力(li)有(you)助(zhu)於(yu)抵(di)禦(yu)攻(gong)擊(ji)。電(dian)力(li)與(yu)散(san)熱(re)係(xi)統(tong)能(neng)否(fou)在(zai)數(shu)據(ju)恢(hui)複(fu)場(chang)景(jing)中(zhong)，支(zhi)撐(cheng)存(cun)儲(chu)基(ji)礎(chu)設(she)施(shi)在(zai)極(ji)限(xian)利(li)用(yong)率(lv)下(xia)連(lian)續(xu)運(yun)行(xing)數(shu)周(zhou)的(de)壓(ya)力(li)？

在當今時代，AI 的(de)開(kai)發(fa)進(jin)度(du)和(he)客(ke)戶(hu)留(liu)存(cun)率(lv)均(jun)依(yi)賴(lai)於(yu)跨(kua)層(ceng)的(de)存(cun)儲(chu)基(ji)礎(chu)設(she)施(shi)性(xing)能(neng)，而(er)組(zu)件(jian)級(ji)的(de)可(ke)靠(kao)性(xing)則(ze)是(shi)一(yi)個(ge)影(ying)響(xiang)數(shu)據(ju)中(zhong)心(xin)經(jing)濟(ji)效(xiao)益(yi)方(fang)方(fang)麵(mian)麵(mian)的(de)設(she)施(shi)規(gui)劃(hua)變(bian)量(liang)——從電力合同到散熱係統選型
，再到人工成本

，無一例外。

作者：Stefan Mandl
，西部數據全球銷售與市場營銷副總裁