Женщина и мужчина смотрят на планшет.

Оценка решений для хранения данных согласно потребностям предприятия

Для ИТ-отделов оценка решений для хранения данных — важный процесс, который может определить всю цифровую инфраструктуру компании. Плохо продуманное решение для хранения данных может существенно снизить производительность отдела и привести к серьезным сбоям или, в худшем случае, к безвозвратной потере данных. Наоборот, разумное решение, принятое с учетом всех факторов, может обеспечить организации масштабируемое совместно используемое хранилище, способное удовлетворить требованиям к производительности и надежности.

Поддержание ИТ-архитектуры, особенно в больших масштабах, может быть похоже на уход за старой машиной. Это дорого и требует много ресурсов, если у вас нет времени или денег на лучшую альтернативу. Администраторы ИТ-систем, работающие с устаревшим и неэффективным оборудованием, пытаются наверстать упущенное и с трудом поддерживают инициативы по преобразованию работы с данными.

Выбор подходящего решения для хранения данных

Рука в деловом костюме щелкает виртуальный экран, чтобы выбрать управление документами, параметры загрузки и выгрузки, безопасность, настройки и многое другое

При разработке нового решения важно сначала проанализировать общую архитектуру и системный дизайн предлагаемого решения, а также понять возможные узкие места ресурсов во всем стеке. Это позволит архитекторам приложений и систем хранения данных выбрать и спроектировать подходящее решение для хранения данных. Мы выделили ряд ключевых вопросов, ответы на которые помогут архитекторам систем хранения данных принять обоснованное решение:

  • Для чего предназначено решение для хранения данных?
  • Потребуется ли доступ к хранилищу на уровне блоков, файлов или объектов?
  • Какова типичная рабочая нагрузка?
  • Каковы требования к числу операций ввода-вывода в секунду (IOPS), пропускной способности и задержке?
  • Какова требуемая доступность? (99.9%,99.99%,99.999%?)
  • Требуется ли создание резервных копий данных? Как часто?
  • Требуется ли репликация данных?
  • Каковы требования к аварийному восстановлению: целевому времени восстановления (RTO) и целевой точке восстановления (RPO)?
  • Каковы требования к длительности хранения данных?
  • Насколько сильно изменяются данные каждый день, неделю, месяц, год?
  • Каков ожидаемый рост емкости в год?

Требования к корпоративным данным

Анализ требований к блочному, файловому и объектному хранению данных

При внедрении новых приложений важно понимать, какие данные хранятся, чтобы принять обоснованное решение о том, следует ли использовать блочное, файловое или объектное хранилище.

Блочное хранилище чаще всего используется в средах DAS и SAN. В случае DAS весь том RAID или физический диск представляется ОС как необработанный неформатированный том. В средах SAN весь LUN (состоящий из нескольких физических дисков) из массива хранения данных предоставляется ОС через высокоскоростную сеть и отображается как необработанный неформатированный том. Базовые уровни необработанного тома состоят из меньших областей памяти или секторов, которые обрабатывает операционная система. Затем базовая подсистема хранения данных может сопоставить эти логические блоки с конкретными физическими блоками на определенных дисках. Система хранения данных на блочном уровне является быстродействующей и надежной. Она идеально подходит для постоянно изменяющихся данных, таких как реляционные базы данных, базы данных оперативной обработки транзакций (OLTP), серверы электронной почты или инфраструктура виртуальных рабочих столов, где требуется высокая пропускная способность транзакций и низкая задержка.

Объектное хранилище хранит данные (и связанные с ним метаданные) в контейнерах с уникальными идентификаторами, без папок или подкаталогов, как в файловом хранилище. В нем используется концепция хранилищ «ключ-значение», где каждый ключ указывает на определенное «значение» или фрагмент данных и извлекается через API-интерфейсы.

Оно в основном используется для обработки больших объемов неструктурированных данных, таких как электронные письма, резервные образы, отснятый материал систем видеонаблюдения или, в Интернете вещей, для управления данными для машинного обучения и анализа данных. Объектное хранилище хорошо подходит для обработки очень больших объемов данных и может масштабироваться так быстро, как того требует сфера применения. Однако извлечение данных выполняется медленно, поэтому такой тип хранилища неэффективен для баз данных или высокопроизводительных вычислений. Примеры объектного хранилища — Amazon S3, Google Cloud и Azure Blob.

Файловое хранилище хранит данные в файлах, организованных в папки и подкаталоги, и совместно используется по сети с помощью SMB (Windows) или NFS (Linux). Оно хорошо подходит для централизованного хранения файлов, таких как видео, изображения или документы, но имеет ограниченную масштабируемость, поскольку объем данных продолжает расти. Это не самый подходящий вариант для обработки очень больших объемов неструктурированных данных или постоянно меняющихся данных, таких как базы данных OLTP.

Работник со стилусом работает с виртуальным дисплеем, сидя за ноутбуком, выбирая варианты подписания электронного документа

Успешные предприятия занимаются созданием систем высокопроизводительных вычислений (HPC). Они используют локальные базы данных и сервисы обработки данных для выполнения транзакционных вычислений, а затем обеспечивают встроенную интеграцию с облачными объектными хранилищами для хранения больших объемов неструктурированных данных. Это позволяет выполнять транзакции с высокой пропускной способностью и IOPS в быстродействующем блочном и файловом хранилище локальных центров обработки данных и хранить большой объем неструктурированных данных в более медленном облачном объектном хранилище.

Для крупномасштабной обработки данных требуется решение для хранения данных, основанное на их типе. И ваше предприятие должно выполнить соответствующий анализ. Например, для обработки и анализа неструктурированных локальных или облачных данных компаниям нужна платформа файловых данных для гибридной инфраструктуры хранения, которая может предоставлять аналитику и информацию в реальном времени.

Тестирование производительности системы хранения данных

Центральным элементом оценки решений для хранения данных является их тестирование и проверка. У тестирования есть множество преимуществ. Повышение производительности приложений, оптимизация затрат на хранение и снижение рисков — все это можно проверить с помощью соответствующих инструментов. Тем не менее, небольшим или недостаточно финансируемым ИТ-отделам может быть трудно это сделать, поскольку собственные или условно-бесплатные инструменты часто не обеспечивают то разнообразие тестов, которое необходимо для воспроизведения реальной производственной среды компании.

Тестирование можно использовать для ответа на все следующие вопросы или их часть:

  • Насколько можно улучшить производительность приложений, внедряя новые технологии/решения для хранения данных?
  • Можем ли мы повысить производительность?
  • Снизят ли новые методы затраты на гигабайт без чрезмерного влияния на производительность?
  • Как выбрать лучшую технологию/продукт/конфигурацию, соответствующие прикладным рабочим нагрузкам предприятия?
  • Какие рабочие нагрузки больше всего выиграют от новых архитектур/продуктов?
  • Каковы пределы производительности возможных новых конфигураций?
  • Как поведут себя носители данных при достижении пределов производительности?

Выбирая масштабируемое решение для хранения корпоративных данных, очень важно обратить внимание на то, как оно работает с данными и приложениями.

Поддержка решений для хранения данных

К сожалению, отличный продукт мало значит без команды поддержки, которая помогает предприятию решать любые проблемы, возникающие во время его использования. И наоборот, хороший продукт может стать отличным благодаря усилиям сотрудников службы технической поддержки. Возможно, стоит учитывать существующие профессиональные отношения с нынешним поставщиком систем хранения вашего предприятия при принятии решения о возможных изменениях в решении для хранения данных. Кроме того, на ваш выбор должны повлиять соглашения об уровне обслуживания (SLA), такие как соблюдение ключевых показателей эффективности: задержка, пропускная способность или количество операций ввода-вывода в секунду при выполнении определенных рабочих нагрузок. Если предполагаемый поставщик имеет хорошую репутацию в отрасли (например, обычно его решения превосходят стандартные отраслевые тесты), вы можете поверить на слово его описанию таких функций, как высокий показатель IOPS и пропускная способность при приемлемой задержке для каждой платформы.

Еще один фактор, о котором следует помнить, — это стоимость рассматриваемых решений для хранения данных. Следует учитывать не только стоимость приобретения, но и стоимость обслуживания и совокупную стоимость владения (TCO).

#KingstonIsWithYou

Спросите специалиста по SSD

Спросите специалиста по Серверные SSD

Kingston может предложить независимое мнение и советы о том, какие преимущества твердотельные накопители корпоративного класса принесут вашей конкретной среде хранения, и какие твердотельные накопители наиболее подходят для ваших рабочих нагрузок, требующих баланса высокого числа операций произвольного чтения и записи в секунду (IOPS).

Спросите специалиста

Связанные статьи