基因（Gene）一词最早来自于希腊语，意思为“生”。“基因”始终带着神秘色彩，在人类大约2.5 万个基因中，一条支持着生命的基本构造和性能，储存着生命的种族、血型、生长、疾病等信息的DNA序列与我们息息相关。
如今，基因测序作为基因检测的重要方法，已经可以通过基因组信息以及相关数据系统，预测罹患多种疾病的可能性。
承载基因测序任务的关键，是其背后的海量数据。作为一项天然数据密集型业务，基因测序可以基于更多的历史样本，快速研发新药或提供精准的诊疗服务。高性能计算(HPC) 是推动基因测序进步的重要驱动力，与之相匹配的则必须有高性能的存储才能够满足其业务需求，使得基因测序发挥最大的作用。
在基因测序领域，人类第一次完整基因组测序耗费了13年时间，如今在HPC的加持下，时间已经降低到1天以内。基于更丰富的样本，通过高性能数据分析技术可以及时筛查遗传疾病、发现罹癌风险并精准用药，推进精准医疗的发展。在新药研发方面，制药企业借助HPC加速药物筛选和分子分析，可大幅缩短新药的研发周期。
基因测序行业也由原本的实验室内的科研项目逐步走向临床应用，海量数据为 HPDA 创造了巨大的业务机会，带动基因测序快速发展的同时，也面临以下问题：
首先，在数据存储方面，从最初的人类基因组开始细分扩展，目前已经涉及到肿瘤，遗传病检测。扩展到植物，远古生物，细菌，病毒，微生物的基因检测。因此数据种类和数据量是异常庞大，经常以PB为单位保存。
其次，在数据分析方面，大规模样本的数据分析和挖掘需要海量计算资源。例如，一个人的基因组大概是3个GB，包含了30亿个碱基。在全基因测序过程中，为了保证基因数据的完整性，需要平行测序30次，当最终测序完成后，全基因组数据将达到大概100GB左右。面对海量的数据，数据密集型分析可能会导致存储系统出现瓶颈，降低数据分析效率。
第三，在数据安全方面，基因数据相对比较隐私，但传统的基因企业能力较弱，安全措施不到位，防御能力很弱。而数据量的爆炸式增长使数据管理、安全存储、安全分析和业务洞察变得异常困难。
因此，基因测序行业亟需高性能存储与其面临的痛点相结合，来解决行业当中存在的一系列难题。
