Thin Provisioning Storage Performance, Teil 2 Mit der Flash-Kanone wird auf jeden Fall der Geldbeutel getroffen

Die Speicherindustrie bringt aktuell einen Haufen Rechenkünstler hervor. Mit dem Nachweis, dass nicht nur der Preis pro I/O sagenhaft ist, sondern auch die Kosten pro Gigabyte ebenbürtig zur Festplatte, glauben manche Flash-Anbieter aller Argumente auf ihrer Seite zu haben. Bei Nimble Storage macht man eine andere Rechnung auf.

Anbieter zum Thema

PoINT Software & Systems GmbH

DataCore Software GmbH

Scality

Nimble Storage

Wie in Teil 1 diskutiert, ist das Konzept des Thin Provisioning bei Speichersystemen nicht nur auf die Kapazität beschränkt. Die intelligente Nutzung von Flash kann auch einen Weg zur schlanken Dimensionierung von Hochleistung über ein breites Spektrum an Workloads bieten.

Die Vorteile liegen auf der Hand: Flash liefert hervorragende Leistung, ist aber immer noch teuer (pro GByte 15 bis 50-mal teurer als Commodity-Speicher mit geringer Geschwindigkeit).

RAID macht Flash teuer

Datenverdichtungstechniken, wie Komprimierung und Deduplizierung, können diese Lücke etwas verkleinern, aber RAID und Überdimensionierung verwässern diese Ersparnisse erheblich, wodurch Flash für die große Mehrheit der Workloads zu teuer bleibt.

Ähnlich den zuvor angeführten Beispielen (ATMs und Car-Sharing-Dienste), bei der Thin Provisioning effizient auf ein teures Asset angewandt wird, muss das System einige Schlüsselmerkmale aufweisen:

• In erster Linie muss es in der Lage sein, bedeutende Einsparungen zu erbringen,

• es muss tiefen Einblick in die Nutzungsverläufe geben und

• es sollte in der Lage sein, sich Änderungen schnell anzupassen.

Wegen der leistungsstarken Telemetrie von Infosight (das 10 Millionen counters pro Tag und System sammelt), können wir präzise sagen, wie jede Workload läuft (IOPS, Bandbreite und Latenz) und wie dies mit CPU, Cache und Disk-IO-Nutzung korreliert.

Bedeutende Einsparungen durch Thin Provisioning Flash

Unsere Datenwissenschaftler kumulieren dann Daten von mehreren zehntausend Volumina, hier wissen wir genau, welche Applikation läuft, teils dank der von Kunden ausgewählten, vorabgestimmten Applikationsprofile. Dies ermöglicht unseren Datenwissenschaftlern zwei wertvolle Einblicke:

• Der Medianbetrag, der für fast alle Applikationen erforderlich ist, um hohe Trefferquoten (und kurze Latenzzeit) zu erzielen, liegt bei nur 3 bis 14 Prozent des Datensatzes.

• Der erforderliche Flash-Anteil geht mit zunehmenden Datensätzen sogar zurück. Zum Beispiel könnte ein 100 GByte Oracle-Volumen für niedrige Leselatenzen 10 GByte benötigen, doch braucht 1 TByte Oracle-Volumen keine 100 GByte. Es benötigt eher weniger als 50 GByte.

Nicht zu vergessen: Dies ist ein Vergleich zwischen nutzbaren Flash-Kapazitäten. Die Tatsache, dass wir für unsere Flash-Layer kein RAID und keine Überdimensionierung benötigen, bedeutet, dass wir weitere 40 Prozent einsparen (und eigentlich entsprechen 40 Prozent Einsparung an Raw Flash 66 Prozent nutzbarem Flash). Darüber hinaus müssen inaktive Datenblocks, wie Snapshot-Blocks, natürlich überhaupt nicht in Flash gespeichert werden. In Abhängigkeit der Snapshot-Speicheranforderung bedeutet das, dass weitere 20 bis 30 Prozent Flash eingespart werden können. Alles zusammengenommen bietet die Adaptive Flash-Plattform enorme Einsparungen - mehr als Datenverdichtungstechniken zuverlässig bieten könnten.

Tiefer Einblick in Nutzungsverläufe

Infosight wird nicht nur von Nimbles Support und Datenwissenschaftlern unterstützt; auch Kunden haben bereits Zugang, um Headroom-Indikatoren und Latenz-Historie über eine leicht lesbare Heatmap zu prüfen (ohne jemals Überwachungs- oder Analysetools zu installieren).

(ID:43039366)