CTOたちが予測する“混迷”の2017年ストレージ市場（後編）
「Hadoopの時代は終わる」 ビッグデータ解析で主役が入れ替わる“ストレージ的”理由（1/2 ページ）
最高技術責任者（CTO）たちが予測する2017年のエンタープライズストレージ市場。後編ではデータ分析とセキュリティにおけるストレージの影響に言及する。
この記事では、エンタープライズストレージの大手ベンダーに所属する最高技術責任者（CTO）と一流の技術者たちに、2017年から業界はどのように変化するのかについて2回に分けて見解を紹介している。既に前編でエンタープライズストレージ市場とハイパーコンバージドインフラについて言及した（「顧客は既に気付き始めている」 ハイバーコンバージドの次を考える）。
後編では、2017年に大きく変化するというデータ分析とセキュリティにおけるストレージの関わり方とオブジェクトストレージの動向に関する彼らの見解を紹介する。なお、繰り返しになるが、ここで紹介する内容は、発言者の個人的な考えであり、所属する組織の公式な見解ではない。
併せて読みたいお薦め記事
変動激しい2017年を乗り切るために読んでおきたい記事
- 乗り遅れると致命的、2017年の企業ITを左右する5つの主要技術を示す
- 2017年のストレージ市場、ベンダーの“大いなる希望”と“渋い現実”のギャップは？
- 競争が激化するSD-WAN市場、2017年に注目すべき7つのトレンド
「できるCTO」になるために必要なこと
コンテナ対応ストレージ
ミラン・シェッチ氏（Hewlett-Packard Enterprise：以下、HPE、データセンターインフラグループのCTO） 2017年には、コンテナ対応のストレージを目にする機会が増えるだろう。コンテナの特性は仮想化の特性とは大きく異なるため、コンテナ向けのストレージと仮想化されたアプリケーション向けのストレージが誕生することが予想される。これは、SANとNASに近い状況になるだろう。SANが普及した後にNASが普及し、最終的に2つは統合されている。同じ路線を行くなら、ハイパーコンバージドはSAN、コンテナはNASの立場に近くなり、時間を掛けて統合されるであろう。ただし、NASやSANよりも機能特性が早く発展するため、最初は互いに独立することになるだろう。
ラジフ・ミラニ氏（Nutanix、エンジニアリング部門、シニアバイスプレジデント） コンテナの登場により、ハイパーコンバージドプロバイダーは、仮想ワークロードとコンテナ化されたワークロードの両方について同等に対処せざるを得なくなる。2つを同じように管理する方法は、まだ見つかっていない。アプリケーション自体は仮想マシン（VM）やコンテナの外で開発できるかもしれないが、全てをユーザーに対して透過的にする必要がある。
現在IT部門がインフラ管理に費やしている時間の多くは削減されるだろう。アプリケーションの管理についても消費者向け製品に近い使用感を実現することに焦点が移るだろう。例えば、アプリケーションを展開してライフサイクル管理と監視を自動化する企業用アプリストアの提供などだ。また、スケールアウトが必要なアプリケーションが2つある場合には、個別のVMやコンテナではなく、アプリケーションごとに管理が自動化されるようになる。このような抜本的な変化は、今後2～3年の間に見られるようになるだろう。
ストレージにおけるデータ分析
マーティン・スカゲン氏（Brocade Communications Systems、CTO） ストレージの分野では、以前にも増して分析が使用されるようになるだろう。これまでストレージ分野の分析は、特殊で手に入れるのが難しく、非常に高価なものだった。しかし、2017年には、ビジネスとしても、実際に使用するにしても、はるかに手に入れやすい製品がお目見えするだろう。
マット・キズモエラー氏（Pure Storage、製品部門バイスプレジデント） 「Hadoop」の時代と見なされていたビッグデータの世界は、猛烈な勢いで「Apache Spark」に遷移するだろう。Sparkは、さらにリアルタイムなストリーム分析と対話型のクエリを可能にする新しい分析パッケージだ。これをフラッシュと組み合わせることで、IoT（モノのインターネット）のリアルタイム分析の世界に足を踏み入れる大きなチャンスが得られる。
ビンセント・スウ氏（IBM Storage、副社長兼CTO） Sparkは、インメモリ分析を行い、敏しょう性が高いやり方でデータを運用できる非常に興味深いモデルを提供している。Sparkは、各種ストレージに対応できるよう最適化されるだろう。例えば、当社では、オブジェクトストレージ上でSparkが高いパフォーマンスを発揮できるようにしている。Sparkの運用モデルを組み込むだけで、データの洞察を手に入れることができる。
以前ビッグデータについて話すときは、Hadoopの話だと見なされていた。データの複製を作成してHadoopクラスタに読み込み、MapReduce操作を実行するといった具合だ。だが、この一連の作業は、PB規模のデータを扱い始めると困難になる。データを特定のファイルシステムに取り込んで、迅速に処理しなければならない。だが、Sparkならその必要はない。Sparkを使用すると、オブジェクトストレージやファイルストレージなど、データがある場所で分析を実行できる。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[オーティファイ株式会社] AIでコーディングは加速したのにテストはそのまま？ いまQAに必要な進化とは -
事例
[オーティファイ株式会社] QAで開発サイクルを遅延させない 8社の事例に学ぶ「テスト工程」の課題解決策 -
製品資料
[株式会社ガラパゴス] 「AIっぽい広告」の山に埋もれさせない AIマーケで着実に成果をだす秘訣とは？ -
製品資料
[株式会社ガラパゴス] 「広告投資」調査レポート2026：勝ち組企業は何に投資しているのか？ -
製品資料
[株式会社Helpfeel] 「問い合わせの渋滞」を解消、情シスの負担を軽減する“次世代型AI”活用方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Copilot」はなぜ放置される？ “議事録要約止まり”を脱する処方箋
-
2
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
3
膨らむAIコストに歯止め GitHubのマルチモデルルーターは何が違うのか
-
4
マンガで解説：採択率は3割台？ デジタル化・AI導入補助金申請の落とし穴
-
5
9割が頓挫する「AI内製化」 差がついたのはツールより設計力
-
6
覇権争いは終了？ SnowflakeやSAPが「Apache Iceberg」の採用を急ぐ理由
-
7
「コンテナ型データセンターの検討状況と課題」に関するアンケート
-
8
多要素認証導入済みでもランサムウェア被害に 復旧費用は平均2億7000万円
-
9
「ネットワークインフラの現状と課題」に関するアンケート
-
10
社内開発×ノーコードで検証速度を4倍にしたエアトリのWebサイト改善術
ホワイトペーパーランキング PR
-
1
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
2
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
4
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
5
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
6
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは？
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
ドラマで分かる、標的型攻撃メールの被害を受ける企業と回避できる企業の分岐点
-
9
少額減価償却資産が40万円未満へ拡大、令和8年度税制改正で押さえるべき変更点
-
10
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー