मास स्टोरेज प्रणालीहरूमा उद्योग प्रवृत्तिहरू

आज हामी पाँचौं पुस्ताका सञ्जाल, जीनोम स्क्यानर र सेल्फ ड्राइभिङ कारहरूले औद्योगिक क्रान्तिभन्दा पहिले मानवजातिले उत्पादन गरेको भन्दा बढी डाटा उत्पादन गर्ने संसारमा कसरी डाटा भण्डारण गर्ने भन्ने बारेमा कुरा गर्नेछौं।

हाम्रो संसारले अधिक र अधिक जानकारी उत्पन्न गर्दैछ। यसको केही अंश क्षणिक हुन्छ र यसलाई सङ्कलन गर्ने बित्तिकै हराइन्छ। अर्को लामो समयसम्म भण्डारण गरिनु पर्छ, र अर्को पनि "शताब्दीका लागि" डिजाइन गरिएको छ - कम्तिमा हामीले वर्तमान देखि के देख्छौं। सूचना प्रवाह डाटा केन्द्रहरूमा यस्तो गतिमा बस्छ कि कुनै पनि नयाँ दृष्टिकोण, यो अनन्त "माग" लाई पूरा गर्न डिजाइन गरिएको कुनै पनि प्रविधि चाँडै अप्रचलित हुन्छ।

वितरित भण्डारण प्रणालीको विकासको 40 वर्ष

पहिलो नेटवर्क भण्डारण फारममा हामी परिचित छौं 1980 मा देखा पर्‍यो। तपाईंहरू मध्ये धेरैले NFS (नेटवर्क फाइल सिस्टम), AFS (एन्ड्रयू फाइल सिस्टम) वा कोडा भरेका छन्। एक दशक पछि, फेसन र टेक्नोलोजी परिवर्तन भएको छ, र वितरित फाइल प्रणालीहरूले GPFS (सामान्य समानान्तर फाइल प्रणाली), CFS (क्लस्टर्ड फाइल प्रणाली) र StorNext मा आधारित क्लस्टर भण्डारण प्रणालीहरूलाई मार्ग दिएको छ। शास्त्रीय वास्तुकलाको ब्लक भण्डारण आधारको रूपमा प्रयोग गरिएको थियो, जसको शीर्षमा सफ्टवेयर तह प्रयोग गरेर एकल फाइल प्रणाली सिर्जना गरिएको थियो। यी र यस्तै समाधानहरू अझै पनि प्रयोग गरिन्छ, तिनीहरूको आला ओगटेको छ र धेरै मागमा छन्।

सहस्राब्दीको पालोमा, वितरण गरिएको भण्डारण प्रतिमान केही हदसम्म परिवर्तन भयो, र SN (साझा-केही छैन) वास्तुकलाको साथ प्रणालीहरूले अग्रणी स्थान लिए। क्लस्टर भण्डारणबाट व्यक्तिगत नोडहरूमा भण्डारणमा संक्रमण भएको छ, जुन, नियमको रूपमा, विश्वसनीय भण्डारण प्रदान गर्ने सफ्टवेयरको साथ क्लासिक सर्भरहरू थिए; त्यस्ता सिद्धान्तहरूमा, भन्नुहोस्, HDFS (Hadoop वितरित फाइल प्रणाली) र GFS (ग्लोबल फाइल प्रणाली) बनाइएको छ।

2010 को नजिक, अन्तर्निहित वितरण भण्डारण प्रणाली अवधारणाहरू पूर्ण विकसित व्यावसायिक उत्पादनहरूमा प्रतिबिम्बित हुन थाले, जस्तै VMware vSAN, Dell EMC Isilon र हाम्रो Huawei OceanStor। उल्लिखित प्लेटफर्महरू पछाडि अब उत्साहीहरूको समुदाय छैन, तर उत्पादनको कार्यक्षमता, समर्थन र सेवाको लागि जिम्मेवार विशिष्ट विक्रेताहरू छन् र यसको थप विकासको ग्यारेन्टी गर्छन्। त्यस्ता समाधानहरू धेरै क्षेत्रमा मागमा छन्।

दूरसंचार अपरेटरहरू

सम्भवतः वितरित भण्डारण प्रणालीको सबैभन्दा पुरानो उपभोक्ताहरू मध्ये एक टेलिकम अपरेटरहरू हुन्। रेखाचित्रले देखाउँछ कि कुन समूहका अनुप्रयोगहरूले ठूलो मात्रामा डेटा उत्पादन गर्छन्। OSS (सञ्चालन समर्थन प्रणालीहरू), MSS (व्यवस्थापन समर्थन सेवाहरू) र BSS (व्यवसाय समर्थन प्रणालीहरू) ले ग्राहकहरूलाई सेवा प्रदान गर्न आवश्यक तीन पूरक सफ्टवेयर तहहरू, प्रदायकलाई वित्तीय रिपोर्टिङ र अपरेटर इन्जिनियरहरूलाई परिचालन समर्थन प्रतिनिधित्व गर्दछ।

अक्सर, यी तहहरूको डाटा एक-अर्कासँग धेरै मिश्रित हुन्छ, र अनावश्यक प्रतिलिपिहरूको संचयबाट बच्नको लागि, वितरित भण्डारण प्रयोग गरिन्छ, जसले अपरेटिङ नेटवर्कबाट आउने जानकारीको सम्पूर्ण रकम जम्मा गर्छ। भण्डारहरू एक साझा पोखरीमा जोडिएका छन्, जुन सबै सेवाहरूद्वारा पहुँच गरिन्छ।

हाम्रो गणनाहरूले देखाउँदछ कि क्लासिक भण्डारण प्रणालीहरूबाट भण्डारण प्रणालीहरू ब्लक गर्नको संक्रमणले तपाईंलाई समर्पित उच्च-अन्त भण्डारण प्रणालीहरू त्यागेर र परम्परागत क्लासिकल आर्किटेक्चर सर्भरहरू (सामान्यतया x70) प्रयोग गरेर, विशेषसँग संयोजन गरी काम गरेर बजेटको 86% बचत गर्न अनुमति दिन्छ। सफ्टवेयर। सेलुलर अपरेटरहरूले धेरै पहिले नै यस्ता समाधानहरू ठूलो मात्रामा खरिद गर्न थालेका छन्। विशेषगरी रुसी अपरेटरहरूले हुवावेका यस्ता उत्पादनहरू ६ वर्षभन्दा बढी समयदेखि प्रयोग गर्दै आएका छन्।

हो, वितरण प्रणाली प्रयोग गरेर धेरै कार्यहरू पूरा गर्न सकिँदैन। उदाहरणका लागि, बढेको प्रदर्शन आवश्यकताहरू वा पुरानो प्रोटोकलहरूसँग अनुकूलता। तर अपरेटर द्वारा प्रशोधित डाटा को कम्तिमा 70% एक वितरित पूल मा स्थित हुन सक्छ।

बैंकिङ क्षेत्र

कुनै पनि बैंकमा त्यहाँ धेरै फरक IT प्रणालीहरू छन्, प्रशोधनबाट सुरु गरी स्वचालित बैंकिङ प्रणालीमा समाप्त हुन्छ। यो पूर्वाधारले ठूलो मात्रामा जानकारीको साथ पनि काम गर्दछ, जबकि धेरै जसो कार्यहरूलाई भण्डारण प्रणालीहरूको प्रदर्शन र विश्वसनीयताको आवश्यकता पर्दैन, उदाहरणका लागि, विकास, परीक्षण, कार्यालय प्रक्रियाहरूको स्वचालन, इत्यादि। यहाँ, क्लासिक भण्डारण प्रणालीहरूको प्रयोग सम्भव छ, तर हरेक वर्ष यो कम र कम लाभदायक छ। थप रूपमा, यस अवस्थामा भण्डारण प्रणाली स्रोतहरूको प्रयोगमा कुनै लचिलोपन छैन, जसको प्रदर्शन शिखर लोडको आधारमा गणना गरिन्छ।

वितरित भण्डारण प्रणालीहरू प्रयोग गर्दा, तिनीहरूका नोडहरू, जुन वास्तवमा सामान्य सर्भरहरू हुन्, कुनै पनि समयमा रूपान्तरण गर्न सकिन्छ, उदाहरणका लागि, सर्भर फार्ममा र कम्प्युटिङ प्लेटफर्मको रूपमा प्रयोग गरिन्छ।

डाटा तालहरू

माथिको रेखाचित्रले सामान्य सेवा उपभोक्ताहरूको सूची देखाउँछ डाटा ताल। यी ई-सरकारी सेवाहरू हुन सक्छन् (उदाहरणका लागि, "सरकारी सेवाहरू"), डिजिटलीकृत उद्यमहरू, वित्तीय संस्थाहरू, आदि। ती सबैले ठूलो मात्रामा विषम जानकारीको साथ काम गर्न आवश्यक छ।

यस्ता समस्याहरू समाधान गर्न क्लासिक भण्डारण प्रणालीहरू प्रयोग गर्नु अप्रभावी छ, किनकि यसले ब्लक डाटाबेसहरूमा उच्च प्रदर्शन पहुँच र वस्तुहरूको रूपमा भण्डारण गरिएका स्क्यान गरिएका कागजातहरूको पुस्तकालयहरूमा नियमित पहुँच चाहिन्छ। उदाहरणका लागि, वेब पोर्टल मार्फत अर्डर प्रणाली पनि यहाँ लिङ्क गर्न सकिन्छ। क्लासिक भण्डारण प्लेटफर्ममा यी सबै लागू गर्न, तपाईंलाई विभिन्न कार्यहरूको लागि उपकरणहरूको ठूलो सेट चाहिन्छ। एक तेर्सो सार्वभौमिक भण्डारण प्रणालीले सबै पहिले सूचीबद्ध कार्यहरू राम्रोसँग समेट्न सक्छ: तपाईंले यसमा विभिन्न भण्डारण विशेषताहरू भएका धेरै पोखरीहरू सिर्जना गर्न आवश्यक छ।

नयाँ जानकारी को जेनरेटर

संसारमा भण्डारण गरिएको जानकारीको मात्रा प्रति वर्ष लगभग 30% ले बढिरहेको छ। यो भण्डारण विक्रेताहरूको लागि राम्रो समाचार हो, तर यो डाटाको मुख्य स्रोत के हो र हुनेछ?

दस वर्ष पहिले, सामाजिक सञ्जालहरू त्यस्ता जेनेरेटरहरू भए; यसका लागि ठूलो संख्यामा नयाँ एल्गोरिदमहरू, हार्डवेयर समाधानहरू, आदि सिर्जना गर्न आवश्यक थियो। अब भण्डारण मात्राको वृद्धिको लागि तीन मुख्य चालकहरू छन्। पहिलो क्लाउड कम्प्युटिङ हो। हाल, लगभग 70% कम्पनीहरूले क्लाउड सेवाहरू कुनै न कुनै रूपमा प्रयोग गर्छन्। यी इलेक्ट्रोनिक मेल प्रणालीहरू, ब्याकअप प्रतिलिपिहरू र अन्य भर्चुअलाइज्ड निकायहरू हुन सक्छन्।
दोस्रो चालक पाँचौं पुस्ताको नेटवर्क हो। यी नयाँ गति र नयाँ डाटा ट्रान्सफर भोल्युमहरू हुन्। हाम्रो पूर्वानुमान अनुसार, 5G को व्यापक प्रयोगले फ्ल्यास मेमोरी कार्डहरूको मागमा गिरावट ल्याउनेछ। फोनमा जतिसुकै मेमोरी भएतापनि यो सकिनै जान्छ, र यदि ग्याजेटमा १०० मेगाबिट च्यानल छ भने, स्थानीय तस्बिरहरू भण्डारण गर्न आवश्यक पर्दैन।

भण्डारण प्रणालीको माग बढ्नुको कारणहरूको तेस्रो समूहमा कृत्रिम बुद्धिमत्ताको द्रुत विकास, ठूला डाटा एनालिटिक्समा सङ्क्रमण र सम्भव हुने सबै कुराको विश्वव्यापी स्वचालनतर्फको प्रवृत्ति समावेश छ।

"नयाँ ट्राफिक" को एक विशेषता यसको हो संरचनाको अभाव। हामीले कुनै पनि तरिकाले यसको ढाँचा परिभाषित नगरी यो डाटा भण्डारण गर्न आवश्यक छ। यो केवल पछि पढ्नको लागि आवश्यक छ। उदाहरणका लागि, उपलब्ध ऋण रकम निर्धारण गर्न, बैंकिङ स्कोरिङ प्रणालीले तपाईंले सामाजिक सञ्जालमा पोस्ट गर्ने तस्बिरहरू हेर्नेछ, तपाईं प्रायः समुद्र र रेस्टुरेन्टहरूमा जानुहुन्छ कि भनेर निर्धारण गर्दछ, र एकै समयमा उपलब्ध तपाईंको मेडिकल कागजातहरूबाट निकासीहरू अध्ययन गर्दछ। यसलाई। यी डाटा, एकातिर, व्यापक छन्, तर अर्कोतर्फ, एकरूपताको कमी छ।

असंरचित डाटाको महासागर

"नयाँ डाटा" को उदयले के समस्याहरू समावेश गर्दछ? तिनीहरूमध्ये पहिलो, निस्सन्देह, जानकारीको सरासर मात्रा र यसको भण्डारणको अनुमानित अवधि हो। एउटा आधुनिक चालकविहीन स्वायत्त कारले हरेक दिन आफ्ना सबै सेन्सर र मेकानिजमबाट ६० टेराबाइटसम्म डाटा उत्पन्न गर्छ। नयाँ आन्दोलन एल्गोरिदमहरू विकास गर्न, यो जानकारी एकै दिन भित्र प्रशोधन गर्नुपर्छ, अन्यथा यो सञ्चित गर्न सुरु हुनेछ। एकै समयमा, यो धेरै लामो समय को लागी भण्डारण गर्नुपर्छ - दशकहरु। त्यसपछि मात्र भविष्यमा ठूला विश्लेषणात्मक नमूनाहरूको आधारमा निष्कर्ष निकाल्न सम्भव हुनेछ।

आनुवंशिक अनुक्रमहरू बुझ्नको लागि एउटा उपकरणले प्रति दिन लगभग 6 TB उत्पादन गर्दछ। र यसको मद्दतले सङ्कलन गरिएको डाटाले सबै मेटाउने संकेत गर्दैन, त्यो हो, काल्पनिक रूपमा, यो सदाको लागि भण्डारण हुनुपर्छ।

अन्तमा, उही पाँचौं पुस्ता नेटवर्कहरू। वास्तविक प्रसारित जानकारीको अतिरिक्त, यस्तो नेटवर्क आफैंमा डेटाको एक ठूलो जनरेटर हो: गतिविधि लगहरू, कल रेकर्डहरू, मेसिन-टू-मेसिन अन्तरक्रियाहरूको मध्यवर्ती परिणामहरू, आदि।

यी सबैलाई जानकारी भण्डारण र प्रशोधन गर्नका लागि नयाँ दृष्टिकोण र एल्गोरिदमहरूको विकास आवश्यक छ। र त्यस्ता दृष्टिकोणहरू देखा पर्छन्।

नयाँ युगको प्रविधिहरू

सूचना भण्डारण प्रणालीका लागि नयाँ आवश्यकताहरू सामना गर्न डिजाइन गरिएका समाधानहरूको तीन समूहहरू छन्: कृत्रिम बुद्धिमत्ताको परिचय, भण्डारण मिडियाको प्राविधिक विकास र प्रणाली वास्तुकलाको क्षेत्रमा आविष्कारहरू। AI बाट सुरु गरौं।

नयाँ Huawei समाधानहरूमा, कृत्रिम बुद्धिमत्ता भण्डारणको स्तरमा प्रयोग गरिन्छ, जुन एआई प्रोसेसरसँग सुसज्जित छ जसले प्रणालीलाई स्वतन्त्र रूपमा यसको अवस्थाको विश्लेषण गर्न र असफलताहरूको भविष्यवाणी गर्न अनुमति दिन्छ। यदि भण्डारण प्रणाली महत्त्वपूर्ण कम्प्युटिङ क्षमता भएको सेवा क्लाउडमा जडान गरिएको छ भने, कृत्रिम बुद्धिमत्ताले थप जानकारी प्रशोधन गर्न र यसको परिकल्पनाहरूको शुद्धता बढाउन सक्षम हुनेछ।

असफलताका अतिरिक्त, यस्तो AI ले भविष्यको पीक लोड र क्षमता समाप्त नभएसम्म बाँकी समयको भविष्यवाणी गर्न सक्छ। यसले तपाइँलाई कुनै पनि अवांछनीय घटनाहरू हुनु अघि प्रदर्शन अनुकूलन गर्न र प्रणाली मापन गर्न अनुमति दिन्छ।

अब भण्डारण मिडिया को विकास को बारे मा। पहिलो फ्ल्यास ड्राइभ एसएलसी (एकल-स्तर सेल) प्रविधि प्रयोग गरेर बनाइएको थियो। यसमा आधारित उपकरणहरू छिटो, भरपर्दो, स्थिर थिए, तर सानो क्षमता थियो र धेरै महँगो थियो। भोल्युम बृद्धि र मूल्य कटौती केहि प्राविधिक सहुलियतहरू मार्फत हासिल गरिएको थियो, जसका कारण ड्राइभको गति, विश्वसनीयता र सेवा जीवन घटाइएको थियो। जे होस्, प्रवृतिले भण्डारण प्रणालीहरूलाई आफैंलाई असर गर्दैन, जुन विभिन्न वास्तुकलाका चालहरूको कारणले सामान्यतया अधिक उत्पादक र अधिक विश्वसनीय बन्यो।

तर तपाईलाई किन All-Flash भण्डारण प्रणाली चाहियो? पहिले नै अपरेटिङ सिस्टममा पुरानो HDD लाई एउटै फारम फ्याक्टरको नयाँ SSD हरू प्रतिस्थापन गर्न पर्याप्त थिएन? नयाँ ठोस-राज्य ड्राइभका सबै स्रोतहरू प्रभावकारी रूपमा प्रयोग गर्नको लागि यो आवश्यक थियो, जुन पुरानो प्रणालीहरूमा असम्भव थियो।

उदाहरणका लागि, Huawei ले यो समस्या समाधान गर्न धेरै प्रविधिहरू विकास गरेको छ, जसमध्ये एउटा हो FlashLink, जसले सम्भव भएसम्म "डिस्क-नियन्त्रक" अन्तरक्रियाहरूलाई अनुकूलन गर्न सम्भव बनायो।

बौद्धिक पहिचानले धेरै स्ट्रिमहरूमा डाटा विघटन गर्न र धेरै अवांछनीय घटनाहरूको सामना गर्न सम्भव बनायो, जस्तै WA (प्रवर्धन लेख्नुहोस्)। एकै समयमा, नयाँ रिकभरी एल्गोरिदमहरू, विशेष गरी RAID २.०+, पुनर्निर्माणको गति बढ्यो, यसको समयलाई पूर्ण रूपमा नगण्य मात्रामा घटाउँदै।

असफलता, भीडभाड, फोहोर सङ्कलन - यी कारकहरूले अब भण्डारण प्रणालीको प्रदर्शनलाई असर गर्दैनन् नियन्त्रकहरूलाई विशेष परिमार्जनहरूको लागि धन्यवाद।

र ब्लक डाटा भण्डारणहरू पनि भेट्ने तयारीमा छन् NVMe। हामीलाई सम्झनुहोस् कि डेटा पहुँच व्यवस्थित गर्नको लागि क्लासिक योजनाले यसरी काम गर्यो: प्रोसेसरले PCI एक्सप्रेस बस मार्फत RAID नियन्त्रक पहुँच गर्यो। त्यो, बारीमा, SCSI वा SAS मार्फत मेकानिकल डिस्कहरूसँग अन्तरक्रिया गरियो। ब्याकएन्डमा NVMe को प्रयोगले महत्त्वपूर्ण रूपमा सम्पूर्ण प्रक्रियालाई गति दियो, तर यसको एउटा कमजोरी थियो: ड्राइभहरू सीधा प्रोसेसरमा जडान हुनुपर्दछ ताकि यसलाई मेमोरीमा सीधा पहुँच प्रदान गर्न सकियोस्।

टेक्नोलोजी विकासको अर्को चरण जुन हामीले अहिले देखिरहेका छौं NVMe-oF (NVMe over Fabrics) को प्रयोग हो। Huawei ब्लक टेक्नोलोजीहरूको लागि, तिनीहरूले पहिले नै FC-NVMe (फाइबर च्यानल माथि NVMe), र NVMe ओभर RoCE (RDMA ओभर कन्भर्ज्ड इथरनेट) लाई समर्थन गर्दछ। परीक्षण मोडेलहरू एकदम कार्यात्मक छन्; तिनीहरूको आधिकारिक प्रस्तुतीकरण अघि धेरै महिनाहरू बाँकी छन्। नोट गर्नुहोस् कि यी सबै वितरित प्रणालीहरूमा देखा पर्नेछ, जहाँ "हानिरहित इथरनेट" ठूलो मागमा हुनेछ।

वितरित भण्डारणको सञ्चालनलाई अनुकूलन गर्ने एक अतिरिक्त तरिका डाटा मिररिङको पूर्ण त्याग थियो। Huawei समाधानहरूले अब सामान्य RAID 1 मा जस्तै n प्रतिलिपिहरू प्रयोग गर्दैन, र पूर्ण रूपमा स्विच गर्नुहोस् EC (इरेजर कोडिङ)। एक विशेष गणितीय प्याकेजले निश्चित आवधिकतामा नियन्त्रण ब्लकहरू गणना गर्दछ, जसले तपाईंलाई हानिको अवस्थामा मध्यवर्ती डेटा पुनर्स्थापना गर्न अनुमति दिन्छ।

डुप्लिकेशन र कम्प्रेसन संयन्त्र अनिवार्य हुन्छ। यदि क्लासिक भण्डारण प्रणालीहरूमा हामी नियन्त्रकहरूमा स्थापित प्रोसेसरहरूको संख्याद्वारा सीमित छौं, तब वितरित तेर्सो रूपमा स्केलेबल भण्डारण प्रणालीहरूमा, प्रत्येक नोडले आवश्यक सबै समावेश गर्दछ: डिस्क, मेमोरी, प्रोसेसर र इन्टरकनेक्ट। यी स्रोतहरू डुप्लिकेशन र कम्प्रेसनले कार्यसम्पादनमा न्यूनतम प्रभाव पार्छ भनी सुनिश्चित गर्न पर्याप्त छन्।

र हार्डवेयर अप्टिमाइजेसन विधिहरूको बारेमा। यहाँ अतिरिक्त समर्पित चिप्स (वा प्रोसेसरमा नै समर्पित ब्लकहरू) को मद्दतले केन्द्रीय प्रोसेसरहरूमा लोड घटाउन सम्भव थियो, जसले भूमिका खेल्छ। TOE (TCP/IP अफलोड इन्जिन) वा EC, डुप्लिकेशन र कम्प्रेसनको गणितीय कार्यहरू लिँदै।

डाटा भण्डारणमा नयाँ दृष्टिकोणहरू एक अलग (वितरित) वास्तुकलामा मूर्त छन्। केन्द्रीकृत भण्डारण प्रणालीहरूमा फाइबर च्यानल मार्फत सर्भर कारखाना जडान गरिएको छ सैन धेरै arrays संग। यस दृष्टिकोणका बेफाइदाहरू सेवाको ग्यारेन्टी स्तर (कार्यसम्पादन वा विलम्बताको सन्दर्भमा) मापन गर्न र सुनिश्चित गर्न कठिनाई हुन्। हाइपरकन्भर्जेड प्रणालीहरूले जानकारी भण्डारण र प्रशोधन गर्नका लागि समान होस्टहरू प्रयोग गर्दछ। यसले स्केलिंगको लागि वस्तुतः असीमित स्कोप दिन्छ, तर डेटा अखण्डता कायम राख्न उच्च लागतहरू समावेश गर्दछ।

माथिका दुवै विपरीत, एक अलग वास्तुकलाले संकेत गर्दछ प्रणालीलाई कम्प्युटिङ कपडा र तेर्सो भण्डारण प्रणालीमा विभाजन गर्दै। यसले दुबै आर्किटेक्चरको फाइदाहरू प्रदान गर्दछ र कार्यसम्पादनको कमी भएको तत्वको लगभग असीमित स्केलिंगलाई अनुमति दिन्छ।

एकीकरण देखि अभिसरण सम्म

एक क्लासिक कार्य, जसको सान्दर्भिकता विगत 15 वर्षमा मात्र बढेको छ, ब्लक भण्डारण, फाइल पहुँच, वस्तुहरूमा पहुँच, ठूलो डाटा फार्म सञ्चालन, इत्यादि प्रदान गर्न आवश्यक छ। केकमा आइसिङ पनि हुन सक्छ। उदाहरणका लागि, चुम्बकीय टेपमा ब्याकअप प्रणाली।

पहिलो चरणमा, यी सेवाहरूको व्यवस्थापन मात्र एकीकरण हुन सक्छ। विषम डेटा भण्डारण प्रणालीहरू केही विशेष सफ्टवेयरमा जडान गरिएका थिए, जसको माध्यमबाट प्रशासकले उपलब्ध पूलहरूबाट स्रोतहरू वितरण गर्थे। तर यी पोखरीहरूमा फरक-फरक हार्डवेयर भएकोले, तिनीहरू बीचको लोड माइग्रेसन असम्भव थियो। एकीकरणको उच्च स्तरमा, एकीकरण गेटवे स्तरमा भयो। यदि फाइल साझेदारी उपलब्ध थियो भने, यो विभिन्न प्रोटोकलहरू मार्फत सेवा गर्न सकिन्छ।

हामीसँग हाल उपलब्ध सबैभन्दा उन्नत अभिसरण विधिमा विश्वव्यापी हाइब्रिड प्रणालीको निर्माण समावेश छ। ठ्याक्कै हाम्रो के बन्नु पर्छ OceanStor 100D। विश्वव्यापी पहुँचले समान हार्डवेयर स्रोतहरू प्रयोग गर्दछ, तार्किक रूपमा विभिन्न पोखरीहरूमा विभाजित, तर लोड माइग्रेसनको लागि अनुमति दिँदै। यो सबै एकल व्यवस्थापन कन्सोल मार्फत गर्न सकिन्छ। यसरी हामीले "एक डाटा सेन्टर - एक भण्डारण प्रणाली" को अवधारणा कार्यान्वयन गर्न सक्षम भयौं।

जानकारी भण्डारणको लागतले अब धेरै वास्तु निर्णयहरू निर्धारण गर्दछ। र यद्यपि यसलाई सुरक्षित रूपमा अगाडि राख्न सकिन्छ, आज हामी सक्रिय पहुँचको साथ "प्रत्यक्ष" भण्डारणमा छलफल गर्दैछौं, त्यसैले प्रदर्शनलाई पनि ध्यानमा राख्नुपर्छ। अर्को पुस्ताको वितरण प्रणालीको अर्को महत्त्वपूर्ण गुण एकीकरण हो। आखिर, कोही पनि विभिन्न कन्सोलहरूबाट धेरै भिन्न प्रणालीहरू नियन्त्रण गर्न चाहँदैनन्। यी सबै गुणहरू Huawei उत्पादनहरूको नयाँ शृङ्खलामा समावेश छन् OceanStor प्रशान्त.

नयाँ पुस्ताको मास भण्डारण प्रणाली

OceanStor प्यासिफिकले छ-नौं विश्वसनीयता आवश्यकताहरू पूरा गर्दछ (99,9999%) र HyperMetro वर्ग डेटा केन्द्रहरू सिर्जना गर्न प्रयोग गर्न सकिन्छ। 100 किमी सम्मको दुई डाटा केन्द्रहरू बीचको दूरीमा, प्रणालीहरूले 2 एमएसको अतिरिक्त विलम्बता देखाउँछन्, जसले तिनीहरूको आधारमा कोरम सर्भरहरू सहित कुनै पनि प्रकोप-प्रतिरोधी समाधानहरू निर्माण गर्न सम्भव बनाउँछ।

नयाँ श्रृंखला उत्पादनहरूले प्रोटोकल बहुमुखी प्रतिभा प्रदर्शन गर्दछ। पहिले नै, OceanStor 100D ले ब्लक पहुँच, वस्तु पहुँच र Hadoop पहुँच समर्थन गर्दछ। फाईल पहुँच पनि निकट भविष्यमा लागू गरिनेछ। यदि तिनीहरू विभिन्न प्रोटोकलहरू मार्फत जारी गर्न सकिन्छ भने डाटाको धेरै प्रतिलिपिहरू भण्डारण गर्न आवश्यक छैन।

यस्तो देखिन्छ, "हानिरहित नेटवर्क" को अवधारणाले भण्डारण प्रणालीसँग के गर्नुपर्दछ? तथ्य यो हो कि वितरित डाटा भण्डारण प्रणालीहरू छिटो नेटवर्कको आधारमा बनाइन्छ जसले उपयुक्त एल्गोरिदम र RoCE संयन्त्रलाई समर्थन गर्दछ। हाम्रा स्विचहरूद्वारा समर्थित आर्टिफिसियल इन्टेलिजेन्स प्रणालीले नेटवर्कको गति अझ बढाउन र विलम्बता कम गर्न मद्दत गर्छ। एआई कपडा। एआई फेब्रिक सक्रिय गर्दा भण्डारण कार्यसम्पादनमा लाभ २०% सम्म पुग्न सक्छ।

नयाँ OceanStor प्यासिफिक वितरित भण्डारण नोड के हो? 5U फारम कारक समाधानले 120 ड्राइभहरू समावेश गर्दछ र तीनवटा क्लासिक नोडहरू प्रतिस्थापन गर्न सक्छ, जसले र्याक स्पेसमा दुई गुणा भन्दा बढी बचत प्रदान गर्दछ। प्रतिलिपिहरू भण्डारण नगर्दा, ड्राइभको दक्षता उल्लेखनीय रूपमा बढ्छ (+92% सम्म)।

हामी यस तथ्यमा अभ्यस्त छौं कि सफ्टवेयर-परिभाषित भण्डारण क्लासिक सर्भरमा स्थापित विशेष सफ्टवेयर हो। तर अब, इष्टतम मापदण्डहरू प्राप्त गर्न, यो वास्तु समाधान पनि विशेष नोडहरू आवश्यक छ। यसले एआरएम प्रोसेसरहरूमा आधारित दुई सर्भरहरू समावेश गर्दछ जसले तीन इन्च ड्राइभहरूको एर्रे प्रबन्ध गर्दछ।

यी सर्भरहरू हाइपरकन्भर्जेड समाधानहरूको लागि उपयुक्त छैनन्। पहिलो, त्यहाँ एआरएमका लागि धेरै अनुप्रयोगहरू छन्, र दोस्रो, लोड ब्यालेन्स कायम गर्न गाह्रो छ। हामी छुट्टै भण्डारणमा सर्ने प्रस्ताव गर्छौं: क्लासिक वा र्याक सर्भरहरूद्वारा प्रतिनिधित्व गरिएको कम्प्युटिङ क्लस्टर, अलग रूपमा सञ्चालन हुन्छ, तर OceanStor प्यासिफिक भण्डारण नोडहरूसँग जोडिएको हुन्छ, जसले तिनीहरूको प्रत्यक्ष कार्यहरू पनि गर्दछ। र यो आफैलाई जायज ठहराउँछ।

उदाहरणका लागि, 15 सर्भर र्याकहरू ओगटेको हाइपरकन्भर्जेड प्रणालीको साथ क्लासिक ठूलो डाटा भण्डारण समाधान लिनुहोस्। यदि तपाईंले अलग-अलग कम्प्युटिङ सर्भरहरू र OceanStor प्यासिफिक भण्डारण नोडहरू बीच लोड वितरण गर्नुहुन्छ, तिनीहरूलाई एकअर्काबाट अलग गर्दै, आवश्यक र्याकहरूको संख्या आधा हुनेछ! यसले डाटा सेन्टर सञ्चालन लागत घटाउँछ र स्वामित्वको कुल लागत घटाउँछ। संसारमा जहाँ भण्डारण गरिएको जानकारीको मात्रा प्रति वर्ष 30% ले बढ्दै छ, त्यस्ता फाइदाहरू वरिपरि फ्याँकिएको छैन।

***

तपाईंले Huawei समाधानहरू र तिनीहरूको आवेदन परिदृश्यहरू बारे थप जानकारी हाम्रो मार्फत प्राप्त गर्न सक्नुहुन्छ साइट वा कम्पनी प्रतिनिधिहरूलाई सीधा सम्पर्क गरेर।

स्रोत: www.habr.com