Speicher- und Datenmanagement in softwaredefinierten IT-Infrastrukturen

Neuaufstellung

von Norbert Deuschle

Bis 2025 sollen Prognosen zufolge jährlich rund 163 Zettabyte an Daten entstehen. Diese Volumina umfassen Informationen von mobilen Geräten, IoT-Sensordaten aus dem Internet sowie maschinell generierte Datenströme von prozessbezogenen Quellen. Ziel ist es, durch eine aktive Nutzung dieser Daten einen Mehrwert für das Unternehmen zu erzeugen. Welche Rolle dabei eine softwaredefinierte Datenstrategie spielt und was diese von der klassischen, hardwarezentrierten Speicherverwaltung unterscheidet, soll dieser Beitrag näher beleuchten.

Aus IT-Administrator 06/2021

Die Datenmengen in Unternehmen wachsen unaufhaltsam. Zunehmend wichtig wird daher das intelligente Aufbewahren und Bereitstellen der Informationen. Im Juni-Heft ... (mehr)

Unternehmensweit eingesetzte, universelle Datenspeichersysteme sind für die hochverfügbare Speicherung und Archivierung großer Informationsmengen geschaffen. Die damit verbundenen Funktionen zum Storage-Management sind im Gegensatz zu kleineren lokalen Speicherlösungen darauf ausgelegt, Workloads zu verwalten – I/O-Profile von vielen unterschiedlichen Benutzern hauptsächlich über File- und Blockzugriffe. Sie werden als virtualisierte, zentralisierte Infrastrukturen wie NAS und SAN-Arrays, aber auch als direkt angeschlossener Speicher (DAS) für spezifische Anwendungs-Workloads mit einer direkten LUN-zu-App-Beziehung implementiert.

Zauberwort Computational Storage

In diesem Zusammenhang beginnt sich auch Computational Storage stärker zu entwickeln. Dieser Begriff definiert Architekturen, die mit dem Speicher gekoppelte, rechnergestützte Storage-Funktionen bereitstellen, um die Server-Verarbeitung zu entlasten und/oder Datenbewegung über Netzwerke zu minimieren. Ein Teil der Datenverarbeitung erfolgt nun direkt auf der Speicherebene, anstatt die Daten in den Hauptspeicher zur Verarbeitung durch die Host-CPU zu verschieben.

Dieser Ansatz ermöglicht Verbesserungen bei der Anwendungsleistung mittels Integration von Rechenressourcen außerhalb der traditionellen Rechen- und Speicherarchitektur entweder direkt mit dem Speicher oder zwischen dem Host und dem Speicher. Computational Storage ist für Hochleistungs-Workloads von modernen Datenbanken und Big Data Analytics ideal. Typischerweise verfügen diese Systeme aufgrund des Einsatzzwecks über eine für die Systemumgebung optimierte Speicher- und Dateisystemverwaltung, während sich eine kommerziell breit verfügbare Enterprise-Speicherverwaltungsplattform auch rein als Software zusammen mit JBODs implementieren lässt.