在过去一年左右的时间里，自主或自动驾驶汽车引起了相当多的兴趣和争论。 有潜在的好处，例如通勤时的安全性和生产力。 以及潜在的陷阱，例如将汽车武器化的黑客攻击或可能流离失所的大量劳动力。 随着科技汽车公司特斯拉汽车公司凭借其 Model S 上的“自动驾驶”模式成为头条新闻，丰田和日产等更多希望制造自动驾驶汽车的主流公司也因此势头强劲。 然而，高级驾驶辅助系统 (ADAS) 会生成大量需要收集和分析的数据，从而带来了新的大数据挑战。
对于 ADAS，人们喜欢考虑全自动驾驶汽车等华而不实的项目，尽管这涵盖了更多领域，例如自适应灯光控制、自适应巡航控制、车道偏离警告、交通标志识别、自动刹车和自动停车。 根据汽车工程师协会 (SAE) 的说法，自动化分为六个级别（如上图所示）。 几家公司正在努力通过这些级别，因为他们专注于自动驾驶汽车的最终目标。 与此同时，他们正在生成数 PB 的数据，需要存储和处理这些数据以获得洞察力并加快研究和开发。
大多数人可能都知道，让汽车自己开到目的地并不像插入 GPS 坐标并让它使用 Google 地图到达目的地那样简单。 涉及数百个问题，包括交通、其他司机、天气、绕行、事故、道路上的物体（甚至是人或动物）以及地图错误。 这些都是人类大脑可以处理的事情，因为他们想出了司机不费吹灰之力就能做到的事情。 另一方面，ADAS 需要监控传感器、摄像头、雷达和光照条件。 随着汽车公司希望提升 SAE 级别，他们需要评估和改进他们的车辆，有时需要数百万英里的数据。
Dell EMC 一直在研究这个问题，并提供了一些有趣的数字供您停下来思考。 例如，运行速度为 2,800MBit/s 的最先进的前视雷达 (FLR) 可能需要捕获 200,000 英里的数据。 在 60MPH 时，即 3,333.3 小时的数据，在 2,800MBit/s（或 1,260GB/h）时，一个传感器产生 4.2PB，有些汽车可能有多达十几个。 同样，这是针对一辆车的； 一家公司可能拥有整个车队来进行 SAE 资格测试。 这些数据甚至没有考虑存储数据的监管要求，这些数据可能会持续数年或数十年。
汽车制造商和 ADAS 供应公司需要大规模扩展存储来存储这些数据。 Dell EMC 的解决方案是一种简单的大规模横向扩展 NAS，具有高容量、高效的数据保留和高可用性。 当然，这描述了他们的 Isilon 产品，他们进行的上述研究也使 Isilon 对于那些希望存储和分析上述数据的人来说是一个更具吸引力的选择。 虽然 Isilon 不是唯一可用的选项，但它是少数可以处理如此海量数据的选项之一。
大数据是一个流行语，在过去一年左右的时间里被广泛使用，没有真正明确的定义，只是一些模糊的信息非常重要。 围绕这个概念设置一组特定的参数不仅可以更好地描绘大数据的真正含义，还可以更好地描绘通过捕获和利用大数据可以获得的潜在好处。
Amazon