什么是边缘存储？

在此方法中，数据位于分散的边缘位置，其中包括区域数据中心、现场服务器以及位于用户与数据源附近的其他 IT 基础设施。处理会在本地进行，从而降低数据不断往返于中央设施的需求。如此一来，便可实现更快的响应时间、更低的带宽消耗和更高的弹性。

对于某些行业，本地处理至关重要。例如，在医疗领域，可穿戴设备可追踪患者的生命体征，并提醒护理人员需立即关注的各种变化。在能源领域，电网上的传感器可在发生停电之前检测设备问题并标记故障。

企业越来越依赖企业边缘存储系统来大规模管理海量数据，且十分注重出色的性能、可扩展性和可靠性。随着人工智能 (AI) 的普及以及更多设备连接到网络中，边缘存储已成为组织实时处理数据并采取相应措施的重要组成部分。

高速连接（尤其是 5G）领域的进步，外加云计算、AI 和机器学习 (ML) 的进步，极大地改变了存储基础设施格局，进而提升了边缘存储的作用。

Straits Research 的一项研究发现，全球边缘计算市场在 2024 年的市场价值为 383.2 亿美元，且预计将从 2025 年的 554.4 亿美元增长到 2033 年的 10,656.3 亿美元，复合年增长率 (CAGR) 高达 44.7%。¹

而推动此增长的主要因素则是数据量。据 IDC 称，全球生成的数据预计到 2028 年将达到 393.9 ZB，而这主要源于生成式 AI 及其他技术。²越来越多此类数据将源自并保留在边缘，而不是传输到云端或本地数据中心。

将数据保留在边缘的原因可谓纷繁多样，其中包括数据重力和数据主权。数据重力是指数据倾向于吸引移动成本高昂的应用程序和服务，而数据主权则描述了要求数据保留在特定地理边界内的法规。

安全性则是另一个因素。根据《2025 年 IBM 数据泄露成本报告》，涉及将数据存储在多个环境中的数据泄露事件平均会导致 505 万美元的损失，而识别和遏制此类事件则需 276 天。通过将数据存储在本地边缘而非跨越多个环境，可减少组织需监控和保护的场所。

金融等依赖实时数据处理的行业无法承受将数据路由到远程云所引发的延迟。边缘存储可通过在收集数据的地点对数据进行现场处理和存储来应对该挑战。

AI 存储需求正在进一步加快对边缘存储的需求。随着 AI 推理从集中式数据中心转向分布式设备和设施，对快速本地存储的需求也随之上升。由此推动了更多使用 NVMe 固态硬盘 (SSD) 等高性能存储介质来处理 AI 工作负载，而非依赖云连接。

几十年来，边缘存储在不断发展，而这得益于网络、计算领域的进步，以及向“在更接近数据生成的位置来处理数据”的转变。

其根源可以追溯到 20 世纪 90 年代后期，当时内容分发网络 (CDN) 的建立是为了通过位于用户附近的服务器来提供网页和视频，而不是通过单一的远程来源。更短的距离意味着更快的传递速度。随着这些网络日趋成熟并开始承载应用程序和内容，边缘基础设施能处理的范围也在大幅增长。

到 2000 年代初期，商业边缘计算服务已可处理实际日常任务；例如，需要实时刷新的在线购物车和新闻流。

从那时起，随着 IT 基础设施覆盖更多地点和设备类型，边缘设施的规模和复杂性也随之上升。当今的边缘架构包括边缘服务器、边缘网关、高速网络和本地存储介质，以便在数据来源地附近收集、处理和路由数据。

现代边缘部署已越来越多地融入容器和 Kubernetes，从而帮助组织在跨越运输网络、能源网或零售链等边缘与中央云设施中一致地管理工作负载。

随着组织着手管理更多地点的数据，将存储保持在源头附近已成为构建和管理分布式 IT 基础设施的实用组成部分。

边缘、云和本地环境在现代数据存储和 IT 基础设施中都扮演着重要角色。越来越多组织开始搭配使用这些技术。

• 云存储是一种云计算服务模型，而其中的数据和文件将由第三方提供商进行异地存储，并通过互联网或专用私有网络连接进行访问。云存储可分为公有、私有或混合存储类型，且非常适合长期保存、大规模分析以及需要随时随地访问的数据。
• 本地存储会将组织自有设施内的数据保存在硬件上，而此硬件由其自身拥有和管理。它可为具有严格安全或合规要求的工作负载提供最大控制力度和可预测的性能，比如政府内的工作负载或是无需跨网络路由数据即可更好运行的工作负载。
• 边缘存储位于生成并使用数据的地点的最近位置。它不会取代云或本地存储，而是对其进行补充。边缘存储负责实时处理和本地数据检索，以便仅将需长期存储或更深入分析的数据发送回云端或中央数据中心。

大多数大型组织现在都使用这三者，从而围绕哪种存储解决方案最适合其业务需求来构建数据基础设施。

边缘存储采用分布式计算模型。它不会将所有数据保存在一个中心位置，而是在多个物理节点上存储和处理数据。边缘节点会在本地缓存数据，以便在必要时从源服务器拉取数据，同时还会处理来自附近用户或设备的请求，而无需将流量路由回远程数据中心。

几大关键边缘存储组件的细分信息如下：

• 边缘服务器：边缘服务器会在数据的来源位置存储和处理数据。此类服务器旨在于分布的地点运行，且通常无需在现场配备专用 IT 人员，因此需大小紧凑且经久耐用。边缘服务器集群可处理更高的数据量，或在单个站点出现故障时提供备份。
• NVMe 与 SSD 存储介质：基于 PCI 的 SSD 使用非易失性内存主机控制器接口规范 (NVMe) 来处理数据密集型任务（如视频处理与高性能计算 (HPC) 工作负载），而其处理速度远快于传统硬盘。大容量 SSD 介质支持位于边缘站点的视频监控等用例；而在这些用例中，录像需在本地进行存储和访问，而无需持续连接到中央系统。
• 对象存储：对象存储可处理大量非结构化数据（例如，视频文件和传感器图像），且无需传统文件存储系统的开销即可进行扩展。很多组织会在边缘使用它，以便在将数据发送到云端或本地系统进行长期保留之前，先在本地保存数据。
• AI 推理硬件：图形处理单元 (GPU) 和神经处理单元 (NPU) 会直接在边缘设备上运行 AI 模型，从而利用本地存储的数据，而不是将其发送到中央系统。安全摄像头可在现场分析录像，而工厂传感器则可检测异常，而无需往返云端。
• 数据管理和分层软件：该软件层可控制哪些数据留在边缘、哪些数据移至中央存储以及系统应删除哪些数据。企业边缘存储解决方案（例如 IBM FlashSystem、AWS Outposts、Dell EMC）可自动运行分布式部署中的存储管理与监控工作流，以便应用组织事先定义的规则。此外，开放的应用程序编程接口 (API) 允许应用程序访问和管理所有边缘站点中的数据。
• 网络与网关基础设施：可靠的连接和边缘网关可控制数据在边缘节点与中央系统之间移动的速度。此外，它们还允许数据安全地跨越网络边界。电信公司提供 5G 覆盖范围，从而增加了边缘部署可处理的范围，并支持移动与分布式站点中更高的数据量和更低的延迟。
• 中央数据中心或云：中央数据中心或云会存储数据的主副本，并在本地处理后接收边缘节点转发的数据。它可处理长期保留以及在集中位置运行得更为顺畅的分析任务。

边缘存储可为跨分布式位置管理数据的组织提供一系列优点：

• 低延迟：在来源附近存储和处理数据可缩短响应时间并改善用户体验，而这对于时间敏感型应用程序（例如，自动驾驶汽车与实时视频分析中的应用程序）至关重要。
• 降低带宽成本：边缘存储可通过本地处理减少网络中的数据量。组织仅发送需到达云端的内容，从而降低云定价以及出口与数据存储成本。
• 弹性和离线运营：边缘节点可独立运行，因此中央中断或断线不会影响运营。在完全断开连接或气隙隔离的环境（例如，远程工业或军事场所）中，边缘存储无需联接到中央系统即可运行。
• 存储灵活性：网络直连存储 (NAS)、存储区域网络 (SAN) 和对象存储均在边缘位置运行和扩展，以满足从单一远程站点到数百个地点的不断变化的存储需求。组织可选择适合此工作负载的存储类型；例如，用于非结构化数据的对象存储或是用于高性能应用程序的 SAN。
• 边缘位置的 AI：分布式设备上的边缘 AI 模型需借助快速本地存储来运行。没有它，AI 推理便需等待建立云连接。此外，边缘存储还负责数据分层和生命周期管理，以便将正确的数据留在现场，并自动将较旧或优先级较低的数据转移到更便宜的中央存储。
• 安全性：将数据保留在本地意味着数据不会留在共享基础设施中，也不会跨越公共或第三方网络，从而可减少暴露。受监管行业中的组织还发现，当数据保留在设施内时，一致地执行访问策略会更容易。
• 数据主权：很多行业都遵循数据主权法规来开展运营，而此类法规可限制数据的去向。边缘存储有助于组织直接控制数据所在的位置以及谁可以访问该数据，而无需通过云对其进行路由。

很多行业会在不同位置生成大量数据，但向中央设施发送所有数据却存在速度不够快、不切实际或不符合成本效益的问题。边缘存储可将数据保存在最需要该数据的地方。

边缘存储带来了集中式数据中心所不存在的管理挑战。硬件运行位置偏远，有时甚至处于无人看管的位置，同时也更难始终如一地确保安全性。部分可提供帮助的做法如下：

• 提前定义数据生命周期策略：决定哪些数据留在边缘，哪些移动到中央存储，以及每种数据需保留多久。没有明确的策略，组织便常常会发现边缘站点的存储容量不足，或是数据存储时间过长。
• 集中监控和更新：远程站点通常缺乏专用 IT 人员。随着边缘站点数量的增加，从中央平台管理软件更新、存储性能和安全策略，可保持分布式部署的可管理性。
• 内置冗余性：边缘存储硬件通常运行在没有气候控制或物理安全设施的场所内。在关键站点部署集群而非单个服务器，意味着单一故障不会导致本地存储瘫痪。
• 在所有地点实施一致的安全策略：每个边缘节点都是进入网络的潜在入口。访问控制措施和安全策略应覆盖每个站点，以保护存储有数据的所有位置，而不仅仅是中央系统。