大数据时代已经到来
大数据和传统数据的区别，首先是数据量的膨胀。根据EMC和IDC追踪的全球的数据量，在最近十年中，数字世界将增长44倍，从 0.9 ZB 增加到 35.2 ZB。其次，数据的种类、复杂度都将大大增加，不再仅是处理企业内部结构化的数据，更多是非结构化数据，以及外部数据。
非结构化数据将占到90%，移动传感器、社交网络、电子支付、视频监视、视频渲染、智能电网、地球物理勘探、医学成像、基因测序等等行业和应用都会产生大量非结构化数据。 这些数据对实时性的要求非常高。比如，一两天前的微博数据对人们来说，可能价值就少了很多或者已经没有价值。如此复杂、广阔的数据，作为企业应该如何来处理呢？如果不能把数据中的价值提取出来，那么对企业和个人来讲数据就是成本，因为它需要存储、管理。只有找出额外的价值，比存储本身的成本更高的价值，大数据才能为企业创造价值。
大数据之旅
如同几年前企业要踏上云计算之旅，EMC曾经给出了云计算之旅的几个步骤。同样，大数据也是由几步组成的：第一，对现有IT架构进行改造，包括大数据基础存储架构和数据分析的架构，能满足所有数据需求更快的响应和灵活的可扩展性。
大数据环境和传统模式对存储和数据管理有非常大的不同。传统模式的IT架构和数据分析的弱点已经显现。第一，Scale-up模式，即纵向扩展的过程，当原来的存储容量超过时，必须引入新的存储系统，所有新的调配全部是手动的。而在大数据情况下，无论是成本、数据需要的响应程度，纵向扩展和手动的模式都是不适合的。需要Scale-out模式，自动地调配。第二，在传统模式下，很容易形成存储孤岛、数据孤岛，很多容量要么没有在孤岛中释放出来，要么需要更多的管理员，让管理架构变得更加复杂。在大数据情况下，需要相当大的存储池，根据不同数据的情况，对池的存储空间进行分配。
EMC Isilon
EMC Isilon是针对大数据提供的技术，有空前的可扩展性，空前的容量和超凡的易操作性，可以管理15PB。同样可以保持很好的文件系统 IO/s 性能，IO操作可能达到百万级。更重要的是易操作性，每次需要扩容的时候，企业根据数据量增长的过程，只需要增加新的节点。
新的大数据分析平台
在数据分析方面，大数据和传统数据时代也有很大不同。传统数据分析仅限结构化数据，分析TB级陈旧数据。整个分析系统受限于纵向扩展体系结构。随着数据量增大，必须进行不同的分级和升级换代。
在大数据分析的情况下，首先必须是更新换代，能够很好处理结构化数据和非结构化数据。Hadoop是处理非结构化数据很好的技术，一个好的大数据平台必须要同时能够处理结构化和非结构化数据。第二，要有很好的吞吐能力，能够处理PB量级的数据，才能保证所分析的数据，掌握的结果是现在最实时的结果，帮助企业做出正确的选择。Scale-out架构是唯一的选择。