【導讀】對于在 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，以及抵御攻擊所需的不可變歸檔能力。
設施規劃中的乘數效應
云服務提供商通過糾刪碼、異地冗余和自動分層等多重保護機制，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余時，根據復制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”不僅作用于數據容量，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。
在當前云數據中，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，運營人員平均每天面臨約 27 次組件故障，并需要執行重建操作。每次重建都會帶來連鎖影響：持續讀取壓力作用于相鄰設備，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制冷負荷變化（因多個機架同時處于高利用率狀態所致），還會引發網絡擁塞，并占用技術人員用于組件更換的時間。
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系統，甚至包括那些旨在確保可用性的冗余機制。這一嚴峻現實，使數據韌性策略——特別是日益與在線系統隔離或物理隔離的不可變歸檔存儲——從合規性要求提升為不可或缺的運營剛需。在線存儲側重于業務負載的可用性和持久性，而不可變歸檔則提供了抵御攻擊所需的額外保護層。
這也帶來了新的基礎設施挑戰：可能閑置數月的歸檔存儲基礎設施，在生產系統受損的恢復場景下，必須瞬間提供持續的高強度讀取性能。設施管理人員必須為歸檔系統配置足夠的電力、散熱和網絡容量，以應對可能持續數周的多 PB 級數據恢復操作所帶來的極限吞吐量壓力。在數據恢復期間，單一存儲組件的故障會對相鄰組件造成級聯壓力，進而產生局部熱點，這不僅會增加散熱系統的負荷，還會提高相鄰機架發生熱致故障的風險。
AI 工作負載加劇規劃的復雜性
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于冷數據狀態，而與之不同的是，AI 訓練數據集面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，并對以下方面造成影響：
電力規劃： 歸檔系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： 帶有版本控制的 AI 存儲庫會經歷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，且用于支持 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復所需的系統電力、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： 歸檔系統在閑置數月后，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，并提供明確的故障指示，還是會增加故障排查的復雜度？
密度優化： 電力和散熱系統的容量配置，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
對于數據中心運營商來說，核心問題不在于是否有備份，而在于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：在維持在線工作負載正常運行時間的同時，確保不可變歸檔能力有助于抵御攻擊。電力與散熱系統能否在數據恢復場景中，支撐存儲基礎設施在極限利用率下連續運行數周的壓力？
在當今時代，AI 的開發進度和客戶留存率均依賴于跨層的存儲基礎設施性能，而組件級的可靠性則是一個影響數據中心經濟效益方方面面的設施規劃變量——從電力合同到散熱系統選型，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
