流體存儲元件

❶ 第六講：流體模擬- 流體力學基礎

所謂的流體就是流動的氣態、液態甚至固態的物體，比如空氣、水、沙子等，這是經典物理裡面目前還依然沒能成功攻克的難題。

普通物體的形變可以分成三種：

而流體一個方面很難做到前面兩種形變，另一個方面則十分容易發生第三種形變，因為這個性質的存在，導致計算機模擬變得很困難，因為：

流體問題可以從空間跟時間兩個角度來看待，尺度有：

根據不同的尺度，有不同的模擬方式：

游戲模擬中常用的方式是後面兩種，這兩種模擬方式各有千秋，這里會優先介紹大尺度下的模擬方式，後面有時間再介紹Kinetic theory方法。

宏觀尺度下流體模擬的一個核心思想是Field View，即場視角，也就是說對於流體中任意一點的物理量（如速度、溫度、密度、壓強等）並不是固定的，而是與對應點位置相關的一個數值。

NS方程本質上是牛頓第二定律：

在流體中，速度是一個向量場 ，數值隨時間、位置發生變化。

在流體中，我們對速度u進行求導，得到的不是加速度（回顧下加速度的定義，單位時間內速度的變化量），舉個例子，某個小船在水面上行駛，其加速度可以按照下面方式進行推導。

首先原始的速度為 ，經過 之後，其速度就變成了 ，加速度就變成了：

用泰勒展開就變成了：

這個加速度叫Material Derivative，這個公式中，前面一項表示的是時間不變，空間上的速度變化，後面一項則是空間不變（即小船待在原地不動）隨著時間流逝帶來的速度的變化。

加速度有了，那麼質量怎麼來定義呢，流體沒有單個點的只能，只能用單位體積的質量（也就是密度 ）來表示，那麼我們有：

上面的V是流體的體積（ )，而 可以看成是力的密度：

在上面這幾項力的作用下，我們就戚肆有最終的NS方程：

在很多流體模擬中， 很小趨近於0，所以通常直接省略最後面一項。

這個方程中，u是不知道的，壓強P也是不知道的，密度也是不知道的，但是只有一個方程，因此是不足以求解的，要想求解，還需要補上兩個方程。

根據質量守恆方程，我們有（難受，這里沒聽到，看了半天也沒看出來是如何推導的，後面有機會再補上對應的說明）：

這個公式可以變化成（也錯過了這個變化的推導，-_-||）：

最後我們將兩者合並，得到：

由於質量不能為負，所以我們有：

也就是：

而等式左邊前面兩部分（為什麼？參考前面提到的Material Derivative）又可以表示成： ，所以我們有：

而基於流體的不可壓縮性原理，我們可以得到速度的梯度為0：

好了，有了上面這些條件，我們就可以著手來求解NS方程了，這里介紹一種經典的解法（也就是Houndini中的解法），即通過time integrator的方式來求解，對NS方程進行分析，我們可以知道，整個方程中只有第一項 是跟時間有關系的，也就是說，我們可以將這一項按照時間寫成如下形式：

接下來只需要將NS方程中剩下的幾項估計出來，就能求得 ，但是由於這里有多項需要估計，且壓強是不可知的，我們要如何進行估計與求解呢？

這里常用的一種方法叫做Operator Splitting，簡單來說，如果我們有一個簡單的微分方程：

根據顯示歐拉方程，我們轉換一下就是：

這個公式可以將之拆分成兩步來求得：

我們知道，顯蠢運式歐拉跟隱式歐拉之間的區別在於右邊的函數使用的x是 還是 ，其實都是一種近似，而在這里我們也可以用其他的x來近似，所以這里我們可以將上面的第二個式子改寫成：

所以問題就變成了，我們需要求解兩個簡單的微分方程：

回到NS方程來說，我們就可以採用同樣的思想將之拆解成四個步驟的簡單微分方程的求解（實際上，最後一項粘稠性非常小，可以先暫時忽略）。

首先，我們先看左邊的一項：

右邊的 是u的梯度，也就是空間中的微分，一種最簡單的方式（經典軟體使用的方法會更復雜） 就是將一塊區域想高檔轎象成由格子來定義的場，每個采樣點都落在格子的頂點上，那麼通過 就能求解出

之後就可以用顯式歐拉的方法來求解出 了，不過由於顯式歐拉本身不穩定，會不斷震盪跑飛，而如果用隱式歐拉，則需要求解非線性方程，加大了復雜度。

而上面這個方程其實可以表示成：

可以想像有個particle在流體中流動，如上圖中所示，從格子上頂點流動到右上角的紅點上，也就是說，上面公式的物理意義在於，在經過這個流動之後，兩者的速度並不會發生變化，也就是說我們可以採用一種叫做Semi-Lagrangian的方法來求解。

以上圖進行說明，假設我們想要知道上圖中綠色方框中的一點的速度，我們假設這一點是來自於圖上五角星位置，那麼我們就可以知道上一個timestep上五角星位置跟當前timestep上綠色box位置的速度是相同的，這里有兩個問題：

這種演算法的好處在於：

經過這一步計算之後，我們就根據 得到了 ，接下來我們考慮右邊的第一個式子：

由於右邊是一個常量，因此這個公式可以直接使用顯式歐拉求解得到，從而得到了 ，接著再看下一個式子：

由於我們不知道壓強P，所以需要將流體的不可壓縮特性用起來，也就是說，用近似公式，我們有：

而由於 （注意，這里的梯度是空間上的差分或者微分），也就是：

根據這個式子我們有：

這個公式叫做Pressure Projection，也就是說，我們有一個壓強P，這個參數存在於上圖中的格子的頂點上，而這個數據我們就可以通過有限差分公式估計出其二階導數，而由於這個方程中我們不知道壓強P，而密度 是常量（不可壓縮）， 也是已知常量，而 是上一步計算得到的結果，所以我們就可以求解得到P（線性方程組求解），將這個代入前面的公式，我們就能夠得到 。

這了需要注意的是，我們用P來估計 ，採用的是 ，而這個有限差分估計出來的結果實際上是上圖中頂點中心處的數值，用這個數值估算出來的 也就是中心位置的速度，這就是為什麼所有的流體演算法將上圖中的格子叫做Staggered Grid，也就是速度是存放在格子的每條邊的中點位置上的。

求解就是這個過程，這里需要說幾點：

也就是說 最小的時候我們得到最優解，但是由於不可壓縮性，我們需要滿足：

而這種條件我們就需要使用Lagrangian Multiplier方法來求解，其求解得到的結果跟前面Operator Splitting得到的結論是一樣的，從這個角度來看，壓強P不是一個真正的物理量，而是一個力，其作用是使得上面的流體具有不可壓縮性，也就是說用來反抗流體中的每一點的速度變化的（慣性力）。

另外需要介紹的是流體在一個容器內流動的邊界條件：

下面來介紹一下游戲中常用的SPH（Smoothed Particle Hydrodynamics，最開始來自於一些核試驗模擬領域）演算法，因為NS中的線性方程組的求解很難做到實時，而很多電影特效中常用的就是NS Solver方法（為什麼，因為精度更高嗎？）

SPH的思想是，我們將流體看成是一堆particle，想像particle可以在其中移動，我們可以為每個particle賦予一套物理量，假設我們稱之為

假設我們知道了每個粒子上的物理量，那麼對於任意一個位置x，我們就需要能計算出其物理量 ，從而計算得到其gradient，甚至二階gradient（Laplacian），我們就能將這些數據代入NS方程中，完成粒子上速度的更新，從而用這個速度對粒子進行移動，就能得到下一個timestep的粒子。

也就是說，其中心思想是根據粒子的物理量，求解出整個場域的物理量。

這個演算法中最核心的東西就是一個 ，這不是一個函數，而是一個分布：

在x=0處有一個非零值，其他位置結果為0，定義可以表示為：

實際上這個分布是一個理想的分布，現實中是沒有的，也不好給出表達式，而我們可以近似一下，給出如下的近似分布：

這里的W稱之為kernel函數，h用來控制上面近似分布的寬度，h越大，分布越寬。

有了這個近似的分布函數，我們就可以表達f(x)，也就是對於任何的x，我們可以將f(x)表達為一個求和項：

最後的 是權重，而W是kernel函數，我們是知道其表達式的，而這個函數在|y-x|大於某個范圍的時候，這個函數返回為0。

這里我們先不管f表示的是什麼，就先看成是任意的物理量，我們推導出任意位置的f(x)， 跟 ，就可以將實際的物理量（比如速度、壓強）代入進去，並放在NS方程中，就能得到 ，並根據這個速度對粒子進行移動，就能得到下一個timestep的初始數據，完成了一輪迭代。

令r = y - x，我們可以給出W的一個示例函數：

其中 。

上面已經給出了f(x)的求和項，那麼其gradient就可以在前面公式兩邊加一個gradient就行，那麼由於 是常量， 也是不變的，那麼gradient就施加在W上，但是這樣的做法雖然形式上沒問題，實際上我們在執行中就會發現運行出來的結果就會爆掉（表現跟顯式歐拉一樣），這是因為粒子在移動過程中，有些地方粒子會密集一點，有些會稀疏。

在密集的位置，這個積分變成求和的近似是相對准確的，但是稀疏區域的近似就不準確，就會導致數值上的震盪，即誤差會不斷累計，導致爆掉。

所以，這個給我們的啟發就是在密集區域，可以按照這種方式來求取，但是在稀疏的區域就需要另外處理，也就是首先我們得知道各個位置的粒子密度，我們需要先計算 ，也就是用粒子的密度來對物理量進行歸一化。

假設我們定義粒子的密度為：

其中 表示的是j點的質量，

那麼用鏈式法則（復合函數的微分）展開就可以得到：

變換一下就得到了：

右邊有兩個gradient，我們就可以用前面的求和（可能導致不穩定的）公式分別來近似這兩個式子

表示的是某個位置的質量，可以用這個位置的密度乘上其權重算得。

最後得到一個表達式(定義在任意一個粒子上的位置，而非任意位置）：

而這個式子則能夠避免簡單gradient導致的不穩定問題，因為用這個公式計算，可以保證動量是守恆的。對於上面的式子，每個粒子的動量之和有：

上面式子中的壓強來自於NS方程（除以了等號左邊的密度）， 表示的是由於壓強（內力）導致的速度變化。因為如果流體的速度的變化是由於內力（即壓強，准確來說是壓強的梯度）導致的，那麼就可以保證動量是守恆的。

移除同類項：

將前面 的求和式子代入 就有：

那麼這個等式為什麼成立呢？

同樣，我們就可以求得Laplacian式子，這個有很多個版本：

另一個常用的版本為：

其中d表示的是維度，2維則取值為2，另：

有了一階二階梯度公式之後，我們再來求解NS方程：

根據Operator Splitting的思想，我們分步進行處理，首先：

根據前面的推導，右邊的式子中我們都是知道的（ 是dynamic viscosity），我們就能夠通過顯式歐拉的方法完成速度的求解。此外，這個過程對於每個粒子而言是完全獨立的，因此可以放在GPU上來計算。

之後根據 計算出 ，壓強跟密度有很多種映射表達方式，這里選取最簡單的一種：

其中 表示的是期望的密度，選取這種方式的好處在於各個粒子之間的計算是相互獨立的方便GPU並行。

另外，這個公式也就說明了雖然我們一直在說流體的不可壓縮性，但實際上如氣體在空間中的流動，其密度是會發生變化的，而這個公式實際上相當於添加了一個懲罰項，目的是維持流體的不可壓縮性。

當然，學術界也有其他的表達式是能確保流體的不可壓縮性的，但是這類的方法會導致需要進行多輪迭代才能輸出結果，從而打破了GPU的並行性，這也是SPH方法尷尬的地方，雖然是想要設計成GPU並行的，但是卻沒有辦法真正並行。

再之後就求解：

並根據這個式子完成速度u的更新。

最後根據：

求得更新後的位置。

下面來介紹一下Lattice Boltzman Method。

這個方法是上個世紀七十年代就已經提出來的方法，這個方法來自於Kinetic Theory（統計物理學），之所以這么久以來一直不溫不火是因為這個方法不夠精確，但是2006年左右出現了一系列的方法提升了這個方法的精確性。

而且這個方法本身沒有迭代的過程，十分適合GPU並行計算。

統計學中的一個概念叫做Distribution Function（分布函數） ，這個函數的三個參數分別對應位置、速度與時間，表示的是隨著三個參數的不同，某種現象發生的概率，這里我們考慮的是流體中微觀層面（如布朗運動）現象的概率，比如在任何時間t在位置x處觀察到的以速度 移動的空氣分子的概率（或者密度）。

對這個函數沿著速度（三維）進行積分，就能得到當前時刻對應位置處的空氣分子的密度（這是一個標量）：

而這個公式可以稱之為0階動量（0-th momentum)，而一階動量則可以表示為：

這里的u是宏觀層面的速度（即NS方程中的速度），其實左邊項可以看成是微觀層面的速度乘以微觀的速度（密度），積分之後就是宏觀層面的動量了，這個結果是一個向量。

從上面兩個公式也可以窺見，LBM方法的要點就是拋開宏觀層面的計算，我們關心微觀層面的概率分布函數是什麼樣的。

我們先來看下，概率分布函數的微分形式應該是什麼樣的：

上面式子中的F是外力（其實是加速度，這里假設質量為1）， 叫做Collision Operator，如果這個函數是知道的，那麼後面這個等式被叫做Boltzman Equation，不過歷史上大家是不知道這個公式是什麼樣的，因此大家會通過一些條件來推測一些經驗公式。

根據這三個條件，大家湊出一個模型，叫做BGK Model：

這個公式中 是時間的常量，而 則是將氣體在靜止很長一段時間之後，溫度達到平衡之後，對應的distribution function。

右邊的等式就是一個常微分方程，手算之後其結果輸出為：

這個公式的意思是，隨著時間的推移，概率將會以指數的形式遞減，最終達到 ，流體密度越大， 越小，越快達到平衡，也就是說， 控制的是流體的粘性。

BGK方法雖然簡單，但是有一個比較顯著的問題在於准確性與真實情況相去甚遠，畢竟是拼湊出來的公式，後面大家觀察到，這個不準確性來自於，我們這里將f看成是一個隨著時間均勻趨向平衡的函數，但是實際上f代表的各個特性，如質量、動量以及能量（也就是不同階數的梯度）其趨向平衡的速度是不同的。

基於上述發現，2006年之後出現了一系列新的方法大大提升了整個方案的精確性（當然也會變得更為復雜），時間關系，這里就不做擴展。

不管怎麼說，我們都有了一個Collision Operator，接下來要做的事情就是根據timestep對其進行積分以求得f。

先來看一個叫做Hermite Interpolation的方法，以2D Domain為例，我們將流體場域分成Grid，每個頂點上對應的就是位置x，對於每個頂點而言，我們存儲的不是一個數值，而是多個數值，每個數值對應的f在同一時刻下不同方向下的數值 （即不同速度的概率？），這些方向分別對應於當前頂點指向相鄰頂點（加上自身），總共9個方向，因此總結為D2Q9，在3D情況下，就是D3Q27等等。

下面我們看下，如何根據Collision Operator求得f。

同樣，這里採用Splitting Operator。

先考慮前兩項：

這個就是advection equation，在NS方程求解的時候，advection是速度場，當時是使用Semi-Lagrangian方法求解的，而這里更為簡單，考慮剛才的格子D2Q9，如果我們只考慮一個方向的分量，按照Semi-Lagrangian方法，由於頂點上存儲的指向各個相鄰頂點的速度其長度正好在一個timestep上走到了相鄰頂點上，因此對於相鄰頂點在當前timestep的物理量就根本不用求解，只需要將此頂點上的物理量拷貝過去即可，從而就能完成這個方程的求解（文獻中稱之為Streaming）。

最後考慮剩下的部分，在剛才計算的結果上加上Collision Operator（這個是已知的，前面說過的經驗模型）以及外力的作用，就得到了下面的式子

這個方法由於在每個頂點上進行的計算都是完全獨立的，因此適合在GPU上計算，適合用在實時場景。

❷ 節流件是能使管道中的流體產生局部收縮的元件 應用最廣泛的是什麼

節流件扒纖祥是能使管道中的流體產生局部收縮的春搏元件，
應用最廣泛的孔板流量計或限流孔板，
當然節流閥應當也是豎吵節流件。

❸ 采樣保持器中存儲電容的作用

可以將電容分為四類： 第一類： AC耦合電容。主要用於Ghz信號的交流耦合。 第二類： 退耦電容。主要用於保持濾除高速電路板的電源或地的雜訊。 第三類： 有源或無源RC濾波或選頻網路中用到的電容。 第四類： 模擬積分器和采樣保持電路中用到的電容。 電容重要分布參數的有三個：ESR、ESL、EPR。其中最重要的是ESR、ESL，實際在分析電容模型的時候一般只用RLC簡化模型，即分析電容的C、ESR、ESL。 1、等效串聯電阻ESR RESR ：電容器的等效串聯電阻是由電容器的引腳電阻與電容器兩個極板的等效電阻相串聯構成的。當有大的交流電流通過電容器，RESR使電容器消耗能量(從而產生損耗)。這對射頻電路和載有高波紋電流的電源去耦電容器會造成嚴重後果。但對精密高阻抗、小信號模擬電路不會有很大的影響。RESR 最低的電容器是雲母電容器和薄膜電容器。 2、等效串聯電感ESL，LESL ：電容器的等效串聯電感是由電容器的引腳電感與電容器兩個極板的等效電感串聯構成的。像RESR 一樣，LESL 在射頻或高頻工作環境下也會出現嚴重問題，雖然精密電路本身在直流或低頻條件下正常工作。其原因是用於精密模擬電路中的晶體管在過渡頻率(transition frequencies)擴展到幾百兆赫或幾吉赫的情況下，仍具有增益，可以放大電感值很低的諧振信號。這就是在高頻情況下對這種電路的電源端要進行適當去耦的主要原因。 3、等效並聯電阻EPR RL ：就是我們通常所說的電容器泄漏電阻，在交流耦合應用、存儲應用(例如模擬積分器和采樣保持器)以及當電容器用於高阻抗電路時，RL 是一項重要參數，理想電容器中的電荷應該只隨外部電流變化。然而實際電容器中的RL 使電荷以RC時間常數決定的速率緩慢泄漏。 選擇電容標準是： 1、盡可能低的ESR電容。 2、盡可能高的電容的諧振頻率值。 電解電容器(比如：鉭電容器和鋁電解電容器)的容量很大，由於其隔離電阻低，就是等效並聯電阻EPR很小，所以漏電流非常大 (典型值5〜20nA/μF)，因此它不適合用於存儲和耦合。電解電容比較適合用於電源的旁路電容，用於穩定電源的供電。最適合用於交流耦合及電荷存儲的電容器是聚四氟乙烯電容器和其它聚脂型(聚丙烯、聚苯乙烯等)電容器。單片陶瓷電容器比較適合用於高頻電路的退耦電容

采樣是對連續變化的模擬信號定時測量,抽取樣值.通過采樣,一個在時間上連續變化的模擬信號就轉換為隨時間變化的脈沖信號.

為了便於量化和編碼,需要將每次采樣取得的樣值暫存,保持不變,直到下一個采樣脈沖的到來

簡單的說就是實現模數轉換時的必須的抽樣-保持電路 稱為采樣保持器.

按這個標准 如果不需要實現模數轉換 處理模擬信號的電路 在輸入端不需要采樣保持器.

如果信號源提供的為模擬信號 信號處理電路時數字電路 那麼輸入介面就必須要這個了.

(3)流體存儲元件擴展閱讀：

S/H 有兩種工作方式，一種是采樣方式，另一種是保持方式。在采樣方式中，采樣-保持器的輸出跟隨模擬量輸入電壓變化。在保持狀態時，采樣-保持器的輸出將保持在命令發出時刻的模擬量輸入值，直到保持命令撤銷(即再度接到采樣命令) 時為止。

此時，采樣一保持器的輸出重新跟蹤輸入信號變化，直到下一個保持命令到來時為止。

采樣保持電路由模擬開關、存儲元件和緩沖放大器A組成。在采樣時刻，加到模擬開關上的數字信號為低電平，此時模擬開關被接通，使存儲元件（通常是電容器）兩端的電壓UB隨被采樣信號UA變化。當采樣間隔終止時，D變為高電平,模擬開關斷開,UB則保持在斷開瞬間的值不變。

緩沖放大器的作用是放大采樣信號，它在電路中的連接方式有兩種基本類型：一種是將信號先放大再存儲，另一是先存儲再放大。

對理想的采樣保持電路，要求開關沒有偏移並能隨控制信號快速動作，斷開的阻抗要無限大，同時還要求存儲元件的電壓能無延遲地跟蹤模擬信號的電壓，並可在任意長的時間內保持數值不變。

通常，采樣保持器與采樣器、放大器和模數轉換器一起構成模擬量輸入通道,用於工業過程計算機系統或數據採集系統。現場信號（如溫度、壓力、流量、物位、機械量和成分量等被測參數）經過信號處理（標度變換、信號隔離、信號濾波等）送入采樣器。

在控制器控制下對信號進行分時巡迴和多路切換選擇，然後經放大器和采樣保持電路再送入模數轉換器，轉換成計算機能接受的二進制數碼。

❹ 手機電池是硬碟存儲器嗎

不是，硬碟存儲器是一種有線存儲設備，通常它是一種機械裝置，由一個機械的磁碟或磁芯物理存儲數據；而手機電池則是一種流體存儲設備，是由流體電解質組成的可充電電池，其中含有氧化物、電解質以及其他化學物質，能將化學能轉換成電能並供用戶使用。

❺ 問個組成問題：存儲元和存儲單元和存儲元件他們是什麼關系

計算機中主存儲器包括存儲體M，各種邏輯部件及控制電路等，存儲體由許多存儲單元組成，每個存儲單元又包含若干個存儲元件，每個存儲元件能寄存一位二進制代碼「0」或「1」，存儲元件又稱為存儲基元、存儲元。

存儲基元即存儲元件，是存儲單元的分支，能寄存一位二進制代碼「1」或「0」，又稱存儲元件，存儲元。

(5)流體存儲元件擴展閱讀

在存儲器中有大量的存儲元，把它們按相同的位劃分為組，組內所有的存儲元同時進行讀出或寫入操作，這樣的一組存儲元稱為一個存儲單元。一個存儲單元通常可以存放一個位元組；存儲單元是CPU訪問存儲器的基本單位。

計算機中最小的信息單位是bit，即一個二進制位；一個位元組Byte由8個二進制位bit組成一個存儲單元可以存儲一個位元組一個存儲器可被劃分成若干個存儲單元舉例：1KB的存儲器可容納1024個位元組，即它有1024個存儲單元，編號從0-1023。

❻ 流體輸送設備儲槽的常用的分類方法

首先我們先返回至物流倉儲設備來，對整體設備做一個詳細分類；不管是以自動化、半自動化、機械化的商業倉庫進行細分，按用途可分：倉儲設備、包裝設備、集裝單元器具、裝卸搬運設備、流通加工設洞悔備、運輸設備、信息採集與處理設備；

物流倉庫倉儲設備貨架

物流倉庫倉庫貨架儲存設備

1、儲存設備

儲存設備是用於物資儲藏、保管的設備。常用的儲存設備有貨架、托盤、計量設備、通風設備、溫濕滑世度控制設備、養護設備和消防設備等。

2、包裝設備

包裝設備是完成全部納讓正或部分包裝過程的機器設備。使產品包裝實現機械化、自動化的根本保證。

主要包括填充設備、罐裝設備、封口設備、裹包設備、貼標設備、清洗設備、乾燥設備、殺菌設備等。

3、集裝單元器具

主要有集裝箱、托盤、周轉箱和其他集裝單元器具。貨物經過集裝器具的集裝或組合包裝後，具有較高的靈活性，隨時都處於准備運行的狀態，利於實現儲存、裝卸搬運、運輸和包裝的一體化，達到物流作業的機械化和標准化。

❼ DELL存儲產品中PowerVault和EqualLogic區別

戴爾存儲已經在過去的三年很長的路要走。我們已被轉換
大多經銷商的存儲成為一個完整的存儲技術供應商。存儲
一個領域，不僅增強了戴爾公司的技術產品，而且還繼續改造
戴爾公司的P＆屬

有區別的技術，顯著降低總擁有成本驅動

在較高的水平，你可以想想兩大類...塊和文件存儲。座
（SAN）存儲基本上是資料庫，或者大塊的結構化數據。文件（NAS）的
存儲基本上所有的休息，從大量數據中個別字非結構化大片
音樂和視頻文件的文件。這兩種類型的存儲增長，快速增長。

十年了，戴爾的存儲產品組合涵蓋了塊和文件存儲元件。
我們提供的PowerVault™我們的入門級存儲與SAN，NAS和磁帶備份自己的行
能力。直到最近，戴爾的存儲收入大部分來自中檔塊
儲存在那裡我們主要銷往中型和大型企業存儲經銷商。
三年前，我們開始提供收購EqualLogic和我們自己與自己的IP存儲
獨特的價值主張。

EqualLogic陣列是建立在自動整定，負載平衡的思想，模塊化設計
和包容各方的內置軟體功能的無縫擴展性。 EqualLogic的
介紹了主意：「沒有存儲留下來」，即未來戴爾的客戶可以下載
無需支付額外的許可費的軟體更新。此外，EqualLogic存儲連接
要通過乙太網（iSCSI存儲）其他設備。與乙太網預計得到更快，
更快（1GbE，萬兆乙太網，40GbE ...）在未來的幾年裡，為的EqualLogic iSCSI需要
存儲將只增長。

今天，我們很高興地宣布，Compellent的技術關閉。 Compellent公司是戴爾
品牌的第一個IP光纖通道存儲解決方案。 Compellent公司是建立在「流體理念
數據「 - 一個分層存儲的方法，分析數據的使用頻率，然後送
要在正確的時間正確應用正確的數據。通過提供自動化，分層
存儲和自動精簡配置，Compellent公司使用了許多，並大大減少磁碟
降低了TCO。像所有的戴爾存儲，客戶支付一次，接受未來軟體
升級和新功能，因為它們變得可用。

加上戴爾EqualLogic，PowerVault和Compellent的，我們的塊和文件存儲
每一層856產品從低端到中檔產品為中小型企業和公共
到高端企業級產品為大型企業和機構
組織。

去年，我們還收購了兩家更多的存儲資產，與他們帶來重要的知識產權。
Exanet提供向外擴展的文件存儲功能，戴爾和行動為我們的第一
時間超出了中檔塊存儲領域並進入中檔的競爭環境
文件存儲。第二
是陶笛，這讓我們內容識別文件的重復數據刪除功能，我們計劃增加
我們整個存儲產品組合隨著時間的推移。

這些存儲的全部功能調整到我們的其他塊和文件存儲產品，
駕駛著降低擁有總成本是與我們所有的共鳴很好
客戶。請看所附的幻燈片仔細看看，看看所有這些存儲元件
結合在一起。

微妙的轉型，驅動盈虧影響巨大

就在外面，看起來大多數人來說，似乎在我們的儲存最佳微妙的轉變，
甚至給人印象不深。對於2009財年全年，戴爾的存儲收入為2.7B。通過
在2011年年底，戴爾的存儲收入下降至2.3b作出 - 兩年多14％的收入下降。

不容易看到的人在外面，但是，我們的規模和結構的大小
轉移到戴爾品牌的存儲和對戴爾的P＆屬巨大影響作為供應商的
獨特的IP主場迎戰經銷商，戴爾存儲毛利率百分之已超過一倍，
過去兩年，每個季度繼續增長。而且，在相同的兩年期間
09年到2011年，總存儲毛利率美元上升近50％。

戴爾品牌的存儲至今已近兩年，戴爾入庫稅收佔三分之二多
超過80％的戴爾存儲毛利率。

盡管整體存儲收入在過去兩年來的衰退，它已被大多
在經銷商所抵消收入下降，戴爾品牌的存儲在同一增長
一段時間。作為一個例子，EqualLogic存儲收入復合年增長率
超過50％，在過去的兩年。我們預計在一段時間內保持這些增長速度，
當我們添加到我們的產品組合Compellent的，Exanet和陶笛產品，我們希望戴爾
存儲最終將從一個新的基準。

材料出自：http://en.community.dell.com/dell-blogs/dell-shares/b/dell-shares/archive/2011/02/22/dell-storage-dell-equallogic-powervault-and-now-compellent.aspx

❽ 什麼是過流元件

過流元件又稱流通元件，是流體機械中蘆唯前最基本的元件。為使流體在管網(通風網或排水管山辯路)中流動，需要原動機傳給流體一定能量、以克服各陪清種流力損失和提供必要的位能。過流元件就是為適應這一需要而沒置的一組元件。流體在這些元件中流動，這些元件將原動機的機械能傳遞給流體，轉化為動能和位能。