Transkript des Webcasts
Carlos Nieves: Guten Morgen, guten Nachmittag und für einige von Ihnen sogar guten Abend. Vielen Dank, dass Sie heute bei uns sind. Mein Name ist Carlos Nieves, und ich werde heute als Moderator durch diese Veranstaltung führen. Ich möchte Sie alle herzlich zur heutigen Präsentation begrüßen, bei der es um das Thema „Hot Data“ vs. „Cold Data“, dessen Einfluss auf Entscheidungen zur Datenplatzierung und mögliche Lösungsansätze geht. Ebenfalls bei uns ist heute unser Referent Augie Gonzalez. Augie ist Leiter des Produktmarketings und einer unserer technischen Experten für software-defined storage Lösungen.
Bevor wir mit der heutigen Präsentation beginnen, möchte ich noch einige organisatorische Hinweise geben. Zunächst einmal wird die Präsentation einige Umfragefragen enthalten; wir möchten Sie daher bitten, abzustimmen und sich aktiv zu beteiligen, sobald wir die Fragen stellen. Außerdem werden wir am Ende der Präsentation eine Frage-und-Antwort-Runde veranstalten. Bitte geben Sie Ihre Fragen jederzeit über das Fragefeld ein. Am Ende der Frage-und-Antwort-Runde werden wir dann den Gewinner der Verlosung einer Amazon-Geschenkkarte im Wert von 200 Dollar ermitteln. Im Anhang haben wir außerdem einige Ressourcen bereitgestellt, die Sie sich gerne ansehen können. Diese Präsentation wird zudem aufgezeichnet. Wir werden die Aufzeichnung allen Teilnehmern zur Verfügung stellen, und sie wird auch als On-Demand-Aufzeichnung verfügbar sein. Und zu guter Letzt: Vergessen Sie bitte nicht, die Präsentation zu bewerten und uns Feedback zu geben – das ist für uns sehr wertvoll. Damit übergebe ich das Wort an unseren Experten für technische Lösungen, Augie Gonzalez. Augie?
Augie Gonzalez: Hey, danke, Carlos. Wenn ich mir dieses Bild so anschaue, muss ich ein bisschen schmunzeln. Es erinnert mich an die großen Temperaturunterschiede zwischen dem Frühling hier im schönen Florida und allen anderen nördlich von uns, aber dieser dramatische Temperaturkontrast lässt sich offenbar auch auf deine Daten übertragen. Schauen wir uns also mal an, wie sich das auswirkt.
Ein Grund, warum wir das überhaupt ansprechen, ist, dass es Auswirkungen darauf hat, wie viel wir ausgeben – wie viel wir für relativ inaktive Daten ausgeben, die nicht denselben Investitionsaufwand rechtfertigen wie normale „Hot Data“, auf die wir uns so sehr verlassen. Wir wissen das, weil wir ziemlich viel Zeit damit verbracht haben, Telemetriedaten von Tausenden von Standorten zu analysieren, und das verschafft uns einen wirklich guten Einblick in die Verteilung von „Hot Data“ und „Cold Data“ in Umgebungen wie der Ihren.
Sehen Sie sich diese Kurven einmal an. Sie sind sehr repräsentativ für das, was wir insgesamt beobachten. Wenn Sie also die Norm der Szenarien betrachten, würden Sie im Durchschnitt genau das hier vorfinden. Und das möchte ich Ihnen nun zeigen. Die linke Achse zeigt – und Sie sehen diesen großen Ausschlag – im Grunde die Temperatur an. Die sehr hohen Spitzen auf der linken Seite – das Grün reicht bis an die äußerste Spitze des Roten – weisen auf die aktivsten, am häufigsten abgerufenen Daten hin. Wie Sie sehen, flacht die Kurve nach rechts und unten hin ab. Ab etwa 20 Prozent beginnt sie dramatisch abzufallen. Das bedeutet im Grunde, dass die meisten „heißen“ Daten etwa 20 % der gesamten Poolkapazität ausmachen, auf die Sie Zugriff haben. Das ist sehr bedeutsam, denn es bedeutet im Grunde, dass nur ein kleiner Bruchteil aller Daten, die Ihnen zur Verfügung stehen, tatsächlich wichtig genug für Sie ist, um häufig darauf zuzugreifen.
Nun, das zweite Diagramm, das Sie hier sehen – die wellenförmige Linie, diese orange-, gelb- und bernsteinfarbenen Linien –, diese stehen für das Alter der Daten. Sie zeigen, wie lange diese Daten bereits vorliegen, seit sie zum ersten Mal eingegangen sind. Auch hier sehen Sie dasselbe: Die Temperatur ist bei ihrem Eintreffen aktuell – also „heiß“ –, doch innerhalb weniger Stunden werden diese Daten relativ veraltet und ungenutzt, und sie altern sehr schnell. Ich werde darauf noch näher eingehen, wenn wir über die Halbwertszeit von Daten sprechen, aber dies dient nur dazu, euch einen Überblick zu verschaffen. Das ist ein sehr, sehr typisches Phänomen. Wenn ihr eure Szenarien genauer unter die Lupe nehmen würdet, würdet ihr ein sehr ähnliches Verhalten feststellen.
Die Temperaturschwankungen werden oft allgemein als „Hot Data“ beschrieben – wobei „Hot Data“ eine hohe Nutzungshäufigkeit bedeutet: häufig abgerufen, ständig aktiv. Die zweite Kategorie wird üblicherweise mit „Warmer Data“ assoziiert, bei denen die Nutzung moderater ist – nicht so häufig wie bei „Hot Data“. Dann gibt es noch die selten abgerufenen Informationen, die als „Cold Data“ behandelt werden. Tatsächlich gibt es noch eine weitere Kategorie. Sie werden als „eingefrorene Daten“ bezeichnet, und darauf werden wir noch etwas näher eingehen. Dabei spielt es keine Rolle, ob man Fahrenheit oder Celsius verwendet. Es ist alles dasselbe. Es besteht eine sehr starke Korrelation, unabhängig davon, welche Einheit man verwendet.
Wichtig ist dabei jedoch: Während wir uns meist auf das konzentrieren, was für uns interessant und zu einem bestimmten Zeitpunkt relevant ist, würde man – könnte man einen Blick auf das gesamte Datenvolumen werfen, mit dem man konfrontiert ist – feststellen, dass diese „heißen“ Daten nur einen kleinen Bruchteil – einen unverhältnismäßig kleinen Teil des Gesamtvolumens – ausmachen. „Warme“ Daten machen ebenfalls nur einen kleinen Teil aus, aber beide sind eigentlich nur die Spitze des Eisbergs.
Die meisten Informationen, die Sie aufbewahren und für die Sie viel Geld ausgeben, sind „kalte Daten“. Das ist interessant, denn das gerät uns sehr schnell aus den Augen. Wir sind damit beschäftigt, das Unternehmen zu führen, und lassen diesen Aspekt manchmal zu unserem eigenen Nachteil außer Acht.
Um dies anhand konkreter Zahlen zu veranschaulichen, muss man sich die durchschnittlich verwaltete Kapazität ansehen und wie stark diese allein in den letzten gut zwei Jahren gewachsen ist. In einigen Fällen hat sich die Anzahl der Petabyte, die Nutzer speichern, fast versechsfacht. Nun mag Ihre Umgebung kleiner sein, aber der relative prozentuale Zuwachs dürfte ähnlich ausfallen, je nachdem, in welcher Branche Sie tätig sind. Denken Sie also einmal darüber nach. Wenn jemand fast 10 Petabyte an Daten speichert und davon vielleicht nur 20 % aktiv und wirklich wichtig sind, Sie aber für diese 20 % genauso viel Geld ausgeben, um sie zu sichern, zu schützen und aktiv sowie auf dem neuesten Stand zu halten, wie für die anderen 8 Petabyte – wow, da wird eine Menge Geld an der falschen Stelle verschwendet, das Sie besser anderweitig einsetzen könnten.
Nun werden wir darüber sprechen, wie man dieses Problem angehen kann, aber zunächst möchte ich wissen: Wie viele verschiedene Arten von Speichergeräten nutzen Sie derzeit? Mich interessiert besonders, wie Sie diese Trennung zwischen „Hot“, „Warm“ und „Cold“ Daten handhaben. Ich möchte Sie daher bitten, eine der folgenden Optionen auszuwählen – bitte nur eine. Ob Sie unabhängig von der Zugriffshäufigkeit ausschließlich dieselben Speichergeräte nutzen – also im Grunde eine einheitliche Sichtweise darauf; versuchen Sie heute noch nicht, eine Unterscheidung zu treffen. Einige von Ihnen entscheiden sich vielleicht für eine Aufteilung in der Mitte: einen Speichertyp für aktive Daten und einen anderen für Archivdaten. Das würde ich gerne wissen. Und diejenigen unter Ihnen, die in dieser Hinsicht etwas ausgefeilter und gewissenhafter vorgehen, nutzen möglicherweise drei oder mehr Typen dafür. Ob Sie diese vor Ort betreiben oder nicht, entscheidet darüber, ob Sie sich für C oder D entscheiden. Dann gibt es vielleicht noch andere, die irgendwo dazwischen liegen. Ich bin mir nicht sicher – wenn Sie uns wörtliche Antworten geben könnten, würden wir uns darüber freuen. Ich gebe Ihnen etwa 10 Sekunden Zeit, um darauf zu antworten – wählen Sie eine der beiden Optionen aus – und dann werden wir besprechen, wie die Abstimmung ausfällt.
Okay, so sehen die Umfrageergebnisse derzeit aus. Ich gebe euch nur einen kurzen snapshot wir mit der Sendung weitermachen können. Etwa 20 % nutzen unabhängig von der Temperatur nur ein Speichergerät. Das ist interessant. Etwa 26 % nutzen zwei Geräte, eines für aktive Daten und eines für Archivdaten. Nur etwa 4 % nutzen drei oder mehr Arten, alle vor Ort. Und dann gibt es noch den Rest – eine Mischung aus lokalen Speicherebenen und cloud , die etwa 43 % ausmacht. Das ist also ziemlich gut. Es klingt so, als würden viele von euch die Aufteilung der Speicherebenen vernünftig handhaben und sich ordnungsgemäß darum kümmern. Das ist gut. Ihr seid bereits auf dem richtigen Weg.
Kommen wir nun zu dieser Halbwertszeit. Das ist etwas, das ich von Nucleus Research übernommen habe. Das Unternehmen hat branchenübergreifend untersucht, wie wichtig Daten nach Minuten, nach Stunden und nach Tagen noch sind, und ist dabei zu einigen wichtigen Schlussfolgerungen gelangt. Es hat dies mit der Halbwertszeit radioaktiver Stoffe verglichen, von denen manche sehr lange bestehen bleiben und immer noch Schaden anrichten können. Nun, bei der Halbwertszeit von Daten trifft eher das Gegenteil zu. In gewisser Hinsicht gilt für taktische Informationen – das ist die blaue Kurve, die Sie hier sehen –, dass sie im Durchschnitt bereits 30 Minuten nach ihrem Eintreffen für die Entscheidungsfindung nicht mehr besonders nützlich sind. Das ist in gewisser Hinsicht merkwürdig, denn man sagt damit im Grunde: Wenn ich innerhalb weniger Minuten nach Eingang dieser Informationen Entscheidungen treffen muss, haben diese Daten für mich keinen Wert mehr, wenn ich länger warte oder sie erst nach Ablauf dieser Zeitspanne betrachte. Sie haben keinen Einfluss mehr – im Grunde könnte man sie genauso gut wegwerfen, da sie die Art und Weise, wie man seine Entscheidungen trifft, nicht mehr beeinflussen.
Das gilt auch für Lieferanten. Wir versuchen zum Beispiel, eine Just-in-Time-Bestandsführung und -Lieferung umzusetzen. Das ist ein Bereich. Auch ein Teil der Flugplanung wird manchmal in dieser Größenordnung beeinflusst. Dort werden solche Entscheidungen als sehr taktische Maßnahmen betrachtet, die sehr spontan getroffen werden müssen. Wenn man sich diese Daten also nicht sofort oder in wenigen Minuten ansieht, sind sie nicht besonders hilfreich. Tatsächlich ist es so, dass man, wenn man mit dem Ausdrucken von Berichten wartet – das ist einer der Punkte, die sie anführen –, wenn man darauf wartet, dass ein Drucker diese Informationen ausgibt, diese bereits veraltet sind, sobald sie auf Papier stehen.
Nun gibt es aber auch operative Daten. Stellen Sie sich den taktischen Bereich als den ersten Teil vor – hier muss in Echtzeit gehandelt werden. Im operativen Bereich erstrecken sich Entscheidungen auf der Grundlage dieser Daten vielleicht über Tage oder einige Wochen. Dort flacht die Kurve also ab – der Wert dieser Daten nimmt allmählicher ab. Tatsächlich geht man davon aus – wobei es hier eine sehr große Standardabweichung gibt –, dass nach etwa 8 Stunden nur noch 30 % der Daten, die danach eingehen und länger als 8 Stunden vorliegen, für etwas anderes als zukünftige Planungen und spätere prädiktive Analysen von Nutzen sind. Ihre operativen Entscheidungen werden nach 8 Stunden jedoch nicht mehr wirklich davon beeinflusst.
Nun zur grünen Linie, die fast wie eine gerade Linie verläuft – und noch einmal: Dies ist ein Durchschnittswert aus einer Vielzahl unterschiedlicher Branchen, und ein Teil ihres Arguments ist, dass es nicht so sehr von der Branche abhängt, sondern vielmehr davon, in welcher Phase des Entscheidungsprozesses man sich befindet. Hier geht es um den strategischen Charakter. Strategische Entscheidungen sind also solche, die vielleicht vierteljährlich oder jährlich getroffen werden. Dort nimmt die Halbwertszeit viel allmählicher ab. Ich erinnere mich, dass sie nach etwa 56 Stunden immer noch der Meinung sind, dass 70 % dieser Daten wichtig sein werden, um ihnen bei langfristigen strategischen Entscheidungen zu helfen. Das wird also eine Rolle spielen und Teil der Kriterien sein, anhand derer Sie nicht nur die Aktualität der Daten als ein Auswahlkriterium für die Höhe Ihrer Investitionen in Daten bestimmen, sondern auch deren Halbwertszeit. Und wenn die Halbwertszeit lang ist, gibt es natürlich gute Gründe, mehr dafür auszugeben. Ist sie hingegen sehr kurz, sollten Sie, sobald die Daten nicht mehr von Nutzen sind, in Betracht ziehen, sie in einen wesentlich kostengünstigeren Speicher zu verlagern – auch wenn Sie sie für zukünftige Referenzzwecke und zur Planung aufbewahren möchten.
Wir haben uns den Eisberg bereits angesehen. Das ist wahrscheinlich – ich klicke mal darauf, damit Sie die durchschnittliche Verteilung dieser Kapazität über einen breiten Querschnitt von Kundenumgebungen hinweg sehen können. Sie sehen, dass ein kleiner Teil in der Größenordnung von 20 % der Daten „heiße“ Daten sind, „warme“ Daten einen etwa doppelt so großen Anteil ausmachen und „kalte“ Daten den größten Teil ausmachen, wobei ein Teil davon dann in den Bereich der „gletscherartigen“, „gefrorenen“ Daten fällt.
Wichtig ist hierbei, den Prozentsatz im Auge zu behalten – nicht den Prozentsatz, sondern das tatsächliche Volumen der „Hot Data“, das in der Regel ziemlich konstant bleibt. Das basiert auf den Sensordaten, den Echtzeit-Eingaben, die Sie erhalten, sowie den Transaktionsinformationen, die Sie erhalten. Sofern Ihr Unternehmen nicht stark wächst, handelt es sich dabei in der Regel um eine ziemlich begrenzte Menge. Was sich hingegen tendenziell ansammelt, sind die „kalten“ und „gefrorenen“ Daten. Diese sammeln sich im Laufe der Zeit immer weiter an, weshalb dieser Eisberg unter der Oberfläche so tief und schwer wird. Genau das müssen wir herausfinden: Wie lässt sich der Speicherplatz am besten für jeden dieser Zwecke zuweisen?
Das Problem ist natürlich, wie man das konkret angeht. Ich betrachte diese Kategorien manchmal fast wie voneinander getrennte „Behälter“. Wir haben dazu zwar ein paar nette Videos, aber in dieser Darstellung möchte ich Ihnen die klassische Segmentierung des Speichers zeigen, um die Unterscheidung zwischen „Hot“, „Warm“, „Cold“ und „Frozen“-Daten zu verdeutlichen – man kann sich diese als die Art von Speicher vorstellen, der jeweils zugeordnet wird.
Viele Leute, die man fragen würde, würden sagen: „Nun, ich speichere meine ‚Hot Data‘ – die müssen superschnell sein und eine geringe Latenz haben. Die muss ich in ein flash legen.“ Wie sieht das also aus? Das ist also das ganz links. Als „Warm“-Speicher könnte ich ein Hybrid-Speicher-Array verwenden, das sowohl Solid-State-Disks als auch rotierende Festplatten enthält. Und für den Sekundärspeicher nutze ich vielleicht einfach eine kostengünstige und großvolumige Lösung – zum Beispiel ein JBOD oder einfach große rotierende Festplatten. Alles andere behandle ich dann als elastische Ressource, die ich in der cloud zur Verfügung habe.
Die Frage lautet dann zunächst einmal: Wo fängt man an? Wo fängt man an, zu prüfen und einzuschätzen, welche Daten aktuell relevant sind und welche nicht? Wenn man das erst einmal festgestellt hat: Wie wird die Situation in ein paar Minuten aussehen, wenn man zu derselben Schlussfolgerung gelangt wie bei der ersten Betrachtung der Daten? Würde man später immer noch zu derselben Schlussfolgerung kommen? Und wenn ja: Wie oft würde man dies überprüfen, und wie lange würde man jedes Mal dafür brauchen?
Im Grunde haben wir in der Zusammenfassung bereits erwähnt, dass dies nichts ist, was ein Mensch leisten kann. Es gibt keine gute Möglichkeit, dies zu bewerkstelligen, wenn ein Mensch in den Prozess eingebunden ist. Diejenigen, die es versuchen – ich denke, ausgehend von den Erfahrungen, die ich in der vorherigen Umfrage gesehen habe –, kann ich Ihnen sagen, dass ich davon ausgehe, dass dies sehr aufwendige Maßnahmen sind, die Sie letztendlich ergreifen müssen, wenn Sie irgendetwas davon manuell erledigen müssen, und die möglicherweise sogar zu gewissen Verzögerungen bei Ihren Nutzern führen, während Sie versuchen, Daten von einem Ort zum anderen zu verschieben, und natürlich ist es auch für Sie selbst eine mühsame Arbeit. Wir werden Ihnen im weiteren Verlauf einige Tipps geben, wie Sie diesen Prozess automatisieren können.
Eine Reaktion, die ich in der Vergangenheit oft gehört habe, wenn ich dieses Thema angesprochen habe, war: „Moment mal. Warum beschäftigst du dich überhaupt mit all diesen verschiedenen Speichertypen und so weiter? Warum entscheidest du dich nicht einfach für einen? Such dir einen aus. Vielleicht nimmst du ein Hybrid-Array – ein großes, altes Hybrid-Array. Das wird all das schon regeln.“ Nun, der Grund dafür ist, dass das extrem teuer ist.
Wenn man versuchen würde, in Hybrid-Speichersystemen genügend Kapazität bereitzustellen, um all diese Anforderungen zu erfüllen – insbesondere im Hinblick auf „Cold Data“ und „Frozen Data“ –, wäre das nicht möglich; die meisten können sich das nicht leisten. Nur die finanzstärksten Unternehmen sind dazu in der Lage. Wir müssen also Wege finden – differenziertere Ansätze –, um das Problem anzugehen, und dabei berücksichtigen, dass eine Kombination verschiedener Speicherklassen erforderlich ist, um die Kapazität optimal zu verteilen.
Der Grund, warum ich sage, dass es so teuer ist, liegt in einer Gartner-Studie, in der im Wesentlichen untersucht wurde, wie sich die Preisunterschiede und der Preis pro Terabyte bei einem SSD-Array, einemflash im Vergleich zu einem Hybrid-Array und einem reinen Festplatten-Array verhalten. Dabei ist einflash pro Terabyte etwa sechsmal teurer. Wenn man sich also entscheidet: „Na gut, ich stelle alles aufflash um“, ist das gut, wenn man es sich leisten kann, aber wow, das ist ein stolzer Aufpreis, den man für Dinge ausgibt, die relativ schnell veralten werden. Es ist also wahrscheinlich nicht die finanziell sinnvollste Herangehensweise. Manche Leute würden das vielleicht genauer unter die Lupe nehmen und sagen: „Wow, dieses Geld muss man für etwas anderes ausgeben.“ Finanziell verantwortungsbewusst – ich glaube, so habe ich es einmal beschrieben gehört.“
Das Bild, das wir Ihnen hier mit auf den Weg geben möchten, zeigt, wie DataCore das Thema aus Sicht der Virtualisierung angeht. Es handelt sich um ein sehr einfaches Diagramm. Es verdeutlicht, dass sich in der obersten Schicht die Speicherverbraucher befinden – die Workloads, unabhängig davon, ob es sich um Bare-Metal-Systeme, virtualisierte Server oder containerisierte Workloads handelt. All diese können grundsätzlich auf Kapazitätspools zurückgreifen, die verschiedene Ebenen aufweisen, die der „Temperatur“ der Daten und dem Wert dieser Daten entsprechen.
Die Software übernimmt in diesem Fall diese Aufgabe und nutzt maschinelles Lernen, um zu erkennen, worauf tatsächlich häufig zugegriffen wird und worauf nicht. Mithilfe künstlicher Intelligenz entscheidet sie dann in Echtzeit, wo die Inhalte am besten platziert werden sollten, während uns die internen Mess- und Telemetriedaten darüber informieren, was gerade vor sich geht. So kann sie direkt auf die Muster reagieren, die bei Ihnen auftreten – unabhängig davon, ob Sie gerade zusehen oder nicht.
Wir sind der Ansicht, dass wir der einzige unabhängige Softwareanbieter sind, der dazu in der Lage ist – der nicht nur diese unterschiedlichen, speziell für diese Zwecke entwickelten Speicherlösungen bündeln, sondern auch ein automatisches Tiering durchführen kann. Sie können sich also bei Ihrer Wettbewerbsanalyse umsehen, und ich denke, Sie werden zu diesem Ergebnis kommen.
Das automatisierte Storage-Tiering ist im Grunde genommen eine Möglichkeit, den besten Kompromiss – wenn man es so betrachtet – zwischen bester Leistung, geringster Latenz und den damit verbundenen Ausgaben, also den Kosten, zu finden. Wir werden dies noch genauer durchgehen, aber Sie werden sehen, wie wir die Blöcke dynamisch zwischen den Speicherklassen verschieben können. Dies richtet sich nach der Zugriffshäufigkeit und kann bei Bedarf durch Ihre eigenen Benutzereinstellungen überschrieben werden.
Betrachten Sie das einmal aus der Perspektive der Granularität. Das ist eigentlich noch interessanter. Denken Sie an eine Oracle- oder SQL-Datenbank. Man könnte meinen, wenn man dies manuell steuern könnte – man würde sagen: Okay, das ist eine Oracle-Datenbank. Hier laufen alle Finanzdaten und alle aufwendigen Transaktionen ab. Also werde ich sie auf einemflash platzieren, denn damit verdienen wir unser Geld. Diese muss besonders reaktionsschnell sein.
Nun, wenn Sie über die entsprechenden Messinstrumente verfügen würden, würden Sie feststellen, dass tatsächlich nur ein kleiner Teil dieser Datenbank intensiv genutzt wird. Der Rest – das ist in etwa das Bild, Rest ich auf der linken Seite zeige. Es gibt diese roten „Hot Zones“, auf die wirklich häufig zugegriffen wird. Sie würden sehen, dass auf einen Teil derselben Datenbank mäßig häufig zugegriffen wird, während auf andere Teile im Grunde kaum zugegriffen wird.
Was die DataCore-Software in diesem Fall tut – sie versucht nicht, das Ganze groß zu machen – okay, das ist der gesamte Block, der – es ist eine SQL-Datenbank. Ich muss das Ganze auf einflash übertragen. Es ist viel intelligenter als das, viel ausgefeilter. Es schaut sich das an und sagt: „Okay, ich kann diese Datenbank praktisch über das Volume, auf dem sie liegt, in Blöcke aufteilen, und diesen Blöcken kann ich spezifische Zuweisungen und Speicherplatzzuordnungen zuweisen – basierend auf den häufig genutzten Blöcken, die ich auf flash speichern kann, und der Teilmenge, auf die nur mäßig zugegriffen wird – die kann ich auf kostengünstigeren Speicher platzieren.“ Alles andere, worauf nur selten zugegriffen wird, lege ich dann vielleicht in ein 3-3-Daten-Array. Das wird sich ändern, sobald sich das Verhalten der Nutzer dieser Datenbanken ändert. Das System nimmt also im Laufe der Zeit entsprechend diese Verschiebungen bei der Zuweisung und Verteilung dieser Blöcke vor, ohne dass ein manueller Eingriff erforderlich ist.“
Man könnte sich zum Beispiel fragen: „Nun gut, all das läuft hier bereits, aber wie können wir noch weiter helfen?“ Zusätzlich zu der automatischen Skalierung, die durch die KI- und ML-Prozesse im Hintergrund erfolgt, speichern wir die Daten also auch im Cache. Jeden Datenanstieg, den wir feststellen, speichern wir also im RAM in der Nähe der Anwendung, um den Wert aller eingehenden Daten, die etwas mehr Unterstützung – also einen zusätzlichen Schub – benötigen, weiter zu steigern. Natürlich will man das nicht für Daten tun, die nicht mehr verändert werden, da man den Cache nicht damit belegen möchte. Diese Daten wandern daher ganz natürlich ganz nach rechts. Weniger aktive Daten werden also auf kostengünstigeren Speichermedien abgelegt, während aktivere Daten auf den schnellsten Speichermedien gespeichert werden. Das ist der Kern dieser ganzen Botschaft, was wir hier vermitteln wollen.
Aus visueller Sicht können Sie dies innerhalb der Software mithilfe einer Reihe von dynamischen Diagrammen und Verfolgungsfunktionen nachverfolgen, die wir bereitstellen. Dies geschieht sowohl in Echtzeit als auch im historischen Rückblick, sodass Sie die Entwicklung verfolgen können. Was ich Ihnen hier gerade zeige, ist, wie die Feinabstimmung automatisch erfolgt, sowie die heat maps von der Software in der Konsole angezeigt werden, wenn Sie diese betrachten, und die auch in einigen der Analysen im Backend zu sehen sind.
Jede der Zeilengruppen, die Sie sehen – die erste Gruppe wäre die Ebene 1 –, zeigt an, wie viel Speicherplatz dieser zugewiesen ist und wie viel davon belegt ist. Die zweiten vier oder fünf Zeilen entsprechen der sekundären Ebene, und die letzte Zeilengruppe stellt in diesem speziellen Szenario die dritte Ebene dar. Sie würden sehen, wie sich diese Zuweisung ebenfalls ändert, wenn sich die Zusammensetzung der Workloads ändert. Das ist lediglich eine Möglichkeit, dies im Auge zu behalten.
Sie fragen sich vielleicht, wie wir diese Ebenen festlegen. Das ist ganz einfach. Im Grunde legen Sie bei der Einbindung eines neuen Speichersystems in unseren virtualisierten Pool fest, welcher Ebene es zugeordnet werden soll. Manchmal gibt es – ich nenne es mal „politische Gründe“ –, obwohl die Leute über sehr schnellen Speicher verfügen. Wir haben gerade viel Geld für dieses Array ausgegeben. Wir behandeln es als Tier 1, auch wenn es vielleicht sehr ähnliche Eigenschaften wie ein anderes Tier in unserem System hat, aber wir möchten diesem hier eine Vorzugsbehandlung zukommen lassen. Wir können also für eine bestimmte Ressource in unserem Pool explizit ein Tier definieren. In diesem Fall weisen wir unserflash als Tier 1 zu. Unser Hybrid-Array würde als Tier 2 eingestuft werden, und alle sekundären Speicher, wie zum Beispiel Massenspeicher, würden wir möglicherweise als Tier 3 oder 4 einstufen.
So einfach das auch ist, können Sie es auch wieder ändern. Wenn also Ihr Speicher eintrifft – nehmen wir an, ich möchte nun zusätzlich zumflash einige direkte NVMe im DataCore einbinden, die den Pool virtualisieren. Diese wären besonders schnell und reaktionsschnell. Ich könnte diese Speichermedien also jetzt, bei ihrer Einführung, als Tier 1 kennzeichnen und dasflash in mein Tier 2 verschieben. Dies kann ich im Hintergrund tun, ohne die Benutzer zu beeinträchtigen, zu stören oder Ausfallzeiten für sie zu verursachen. Sie würden einfach den Vorteil eines besonders schnellen Tier 1 wahrnehmen, und die Software würde automatisch die erforderlichen Blöcke dorthin migrieren. Das Gleiche gilt für Kaskadenkonfigurationen. Wenn Sie wirklich kostengünstigen Tier-3- oder Tier-4-Speicher in den Pool einbinden möchten, würden Sie genauso vorgehen. Dann können wir im Grunde sagen: „Okay, das ist jetzt der beste Ort dafür“ – und die Software kümmert sich um den Rest.
Es gibt auch besondere Umstände, die nahelegen oder sogar erfordern, dass man die hier stattfindende automatische Zuordnung außer Kraft setzt, da es möglicherweise eine kurzzeitige Aktivität gibt, die man bewusst einer bestimmten Ebene zuordnen möchte. Ich glaube, das ist einer der Begriffe, die man dafür verwendet: für einen kurzen Zeitraum auf eine Speicherebene festlegen. Am Ende des Quartals muss ich also einige Sonderberichte erstellen, obwohl auf diese Datenmengen in der Regel relativ selten zugegriffen wird. Was wir tun wollen, ist, den schnellstmöglichen Speicher zu nutzen, um dies sofort auszuführen, sodass wir bestimmte Datenmengen identifizieren und das Speicherprofil explizit ändern können, um sie auf einem bestimmten Speichertyp unterzubringen. Ich kann dies wahrscheinlich in zwei Extremfällen tun – so gehen unsere Kunden in der Regel vor. Entweder sagen sie, dass dies äußerst kritisch ist, und wir müssen sicherstellen, dass es alle Vorteile des schnellsten Speichers erhält – in diesem Fall sehen Sie links das Speicherprofil „kritisch“. Die Leistungsklasse ist auf das Maximum eingestellt, ebenso wie die Replikationspriorität und die Wiederherstellungspriorität, und jegliches automatische Tiering ist deaktiviert. Während dieses Zeitraums weise ich ausdrücklich darauf hin.
Der zweite Fall ist, dass ich etwas habe, das ich, sagen wir mal, als Backup bezeichne. Ich möchte, dass meine Backups – also jene Blöcke, auf die während der Sicherung zugegriffen wird – explizit auf meinem Tier-3- oder sekundären Speicher platziert werden, von dem ich weiß, dass er kostengünstiger ist. Jedes Volume, das für Backups verwendet wird, weise ich also entsprechend zu – ich überschreibe das normale automatische Tiering und gebe an, dass diese Daten bitte auf dem sekundären Speicher abgelegt werden sollen, und die Software erledigt das gerne für Sie. In solchen Sonderfällen können Sie nach Bedarf eingreifen.
Das bringt mich zu unserer zweiten Umfragefrage, und ich bin wirklich gespannt darauf zu erfahren – angesichts der Unterschiede, die Sie mir vorhin gezeigt haben, und angesichts derjenigen unter Ihnen, die zwei oder drei weitere davon haben –, welche Tools Sie nutzen, um Daten auf andere Speichermedien zu verschieben. Je weiter unten auf der Skala, desto weniger beliebt ist die jeweilige Option. Auch hier gibt es wieder vier Auswahlmöglichkeiten. Ich kann das heute nicht machen. Ich mache das nicht. Ich würde vermuten, dass dies diejenigen sind, die auch nur einen Speichertyp angegeben haben. Einige von euch nutzen vielleicht Kopiertechniken – hostbasierte Kopiertechniken. Dabei kopiert ihr die Daten im Grunde genommen an einen anderen Ort und löscht anschließend das Original. Und es gibt vielleicht auch einige, die Speicher-Migrations-Tools wie Storage vMotion verwenden. Teilt uns also bitte eure Eindrücke mit und schaut, wie ihr im Vergleich zu den anderen abschneidet.
Das sind die aktuellen Ergebnisse – wir erhalten gerade technische Informationen, auf deren Grundlage wir einige Entscheidungen für den Rest Präsentation treffen können. 33 % geben derzeit an, dass sie es heute nicht schaffen können – wahrscheinlich der Hauptgrund, warum Sie hier sind. Weitere 32 % sagen, sie kopieren die Daten und löschen dann das Original, und ich kann Sie gut verstehen. Ich weiß, wie schwierig das ist. Etwa 13 % führen eine Art Quellmigration mit einer Lösung wie vMotion durch, und die restlichen etwa 23 % nutzen eine andere Technik, von der ich gerne mehr erfahren würde. Sehr gut, vielen Dank für eure Antworten.
Das könnte eine weitere Möglichkeit sein. Mit DataCore verfügen Sie im Grunde über ein arrayübergreifendes Auto-Tiering. Das ist die ultimative Flexibilität. Es bedeutet im Wesentlichen, dass Sie jede Art von Blockspeicher, über den Sie verfügen, zur Erfüllung der primären, sekundären und tertiären Anforderungen in den Pool einbinden können und die Software dann entscheiden lässt, wo er am besten platziert wird. Das funktioniert sowohl mit bestehendem als auch mit zukünftigem Speicher. Wir haben Kunden, die diese Lösung seit über 10 Jahren einsetzen. Sie haben im Laufe dieser Zeit offensichtlich eine ganze Menge Hardware hinzugefügt und außer Betrieb genommen – und das alles ohne Betriebsunterbrechungen.
Wie ich Ihnen gezeigt habe, können Sie genau festlegen, welche dieser Komponenten die einzelnen Ebenen bilden. So können Sie zwischen Hochleistungs-, Mittelklasse- und kostengünstigen Lösungen unterscheiden. Dies erweist sich auch hinsichtlich der Anwendungsleistung als vorteilhaft. Das heißt: Wenn Sie sowohl relativ alte als auch häufig genutzte Daten auf demselben Speicher ablegen, neigen die Speicher-Arrays dazu, dass sich ihre Reaktionszeit verschlechtert, je voller sie werden. Sie beeinträchtigen also im Grunde nicht nur die Kapazität – indem Sie sie mit zusätzlicher Arbeit belasten –, sondern verringern auch die Fähigkeit, in Echtzeit zu reagieren. Wenn Sie also diese sekundären Lasten abziehen und an anderer Stelle unterbringen, stehen mehr Platz und mehr Ressourcen zur Verfügung, um Ihre Anforderungen an hohe Leistung zu erfüllen. Auch hier gilt: In Situationen, in denen Sie diese Einstellung außer Kraft setzen möchten, können Sie dies tun.
Es gibt noch weitere Bereiche, in denen wir festgestellt haben, dass diese Techniken wertvolle Ansätze bieten. Ein Beispiel sind unterschiedliche – ich würde sie als „geschäftsbereichsspezifische Präferenzen“ bezeichnen. Ihre Kunden haben Ihnen vielleicht mitgeteilt: „Ich brauche einen bestimmten Anbieter, um diese Anforderung zu erfüllen, da ich in der Vergangenheit gute Erfahrungen mit ihm gemacht habe“, und die IT-Abteilung dazu ermutigt, diesen für das Projekt zu beauftragen. Das tun Sie also. Was Sie dann tun können, ist, die Ressource explizit dafür zuzuweisen und sie möglicherweise auch für andere freizugeben, die geringere Anforderungen haben. Das verschafft Ihnen einen Spielraum bei der Auswahl, den Sie zuvor nicht hatten. Dann können Sie zu jedem beliebigen Zeitpunkt sagen: „Okay, jetzt gebe ich die Ressource wieder in den Pool zurück, damit alle davon profitieren können.“ Sie muss nicht isoliert bleiben. Tatsächlich kann sie dort gemeinsam genutzt werden, wo Überkapazitäten bestehen.
Es kann auch zur Bewältigung von Fusionen und Übernahmen eingesetzt werden. Wir begegnen also zunehmend Unternehmen, die durch die Übernahme anderer Firmen deren gesamte IT-Infrastruktur übernehmen und sich dabei mit zahlreichen Varianten, Anbietern und Speichermodellen konfrontiert sehen, ohne wirklich zu wissen, wie sie diese rationalisieren oder einen Überblick darüber gewinnen sollen. Hier ist im Grunde der einfache Weg, diese in gemeinsame Pools zusammenzufassen und sie dann zuzuordnen. Okay, ich weiß, dass es sich hier vielleicht um HP gehandelt hat. Ich sehe hier, dass es sich möglicherweise um Dell-EMC-Geräte handelt, die aus diesen Fusionen und Übernahmen stammen. Identifizieren wir sie nach Tiers, ordnen wir sie einfach den virtualisierten Pools zu und lassen wir die Software anhand dieser Techniken entscheiden, wo die Workloads am besten platziert werden.
Das ist übrigens auch hilfreich, wenn neue Gerätegenerationen eingeführt werden. Wenn also ältere und neue Geräte nebeneinander im Einsatz sind, können sie alle auf die gleiche Weise behandelt werden. Möglicherweise stellen Sie fest, dass die älteren Geräte schon etwas in die Jahre gekommen sind. Sie bieten nicht mehr ganz die gleiche Leistung, auch wenn es sich um dasselbe Modell und dieselbe Marke handelt, aber wir können sie als leicht unterschiedliche Stufen einstufen.
Ich denke, man kann dies einerseits unter Berücksichtigung der bestehenden Infrastruktur betrachten, aber ebenso wichtig – wie im Fall dieses Kunden, Architectural Nexus– ist die Möglichkeit, Speicher der nächsten Generation auf jeder beliebigen Ebene, die man wählt und sich leisten kann, ohne Ausfallzeiten einzubinden. Ich finde, sie haben es wirklich gut auf den Punkt gebracht: Bei DataCore handelt es sich nie um eine komplette Umstellung. Man kann die neueste Hardware kaufen und dort einsetzen, wo sie benötigt wird, und so sofort von den Vorteilen der neuesten Hardware profitieren, ohne die Investitionen in die bestehende Dateninfrastruktur zu verlieren.
Im Grunde bedeutet das, dass ich neue Geräte einbinden kann – glänzende, neue Objekte, die mir gefallen und für die Mittel im Budget vorgesehen sind. Ich kann weiterhin die vorhandenen Geräte nutzen, möglicherweise indem ich deren Leistungsumfang reduziere. Und irgendwann, wenn ihre wirtschaftliche Lebensdauer abgelaufen ist, kann ich sie ganz aus dem Bestand nehmen. All diese Schritte können ohne jegliche Ausfallzeit erfolgen.
Damit sind erhebliche wirtschaftliche Vorteile verbunden. Wir sprechen darüber, weil sich dies auf Ihr Geschäftsergebnis auswirkt. Angesichts der riesigen Datenmengen, die es gibt – und in Anbetracht der Tatsache, dass ein Großteil davon entweder nur von geringem Interesse oder zweitrangig ist und keine entsprechend hohen Ausgaben rechtfertigt –, muss es künftig zu unseren wesentlichen Aufgaben gehören, Ihre Speicherausgaben an den Zeitwert der Daten anzupassen.
Ein Nebeneffekt, der in diesem Fall besonders stark zum Tragen kommt, besteht darin, dass Sie durch diese Abgrenzung – also die software-defined storage –, bei der Sie sich selbst und die von Ihnen genutzte Speicherart von den Verbrauchern isolieren, auch Verhandlungsmacht gewinnen. Das heißt, Speicher wird zu einer austauschbaren Ressource. So können Sie den Anbieter wechseln, wenn der aktuelle Anbieter Sie nicht besonders gut behandelt – also nicht in Ihrem Interesse handelt. Während Sie in der Vergangenheit von speziellen Verfahren abhängig waren, die mit diesem Modell und diesem Anbieter verbunden waren, sind Sie hier davon unabhängig. Sie verfügen über ein einheitliches Angebot an software-defined storage , deren Betrieb auch dann weiterläuft, wenn Sie sie durch etwas anderes ersetzen. Der gleiche Prozess, den Sie früher zur Bereitstellung, Absicherung und zur Maximierung der Nutzung verwendet haben, bleibt bestehen. Dadurch haben Sie künftig die Möglichkeit, jedes Mal das beste Angebot zu erhalten. Ein sehr wichtiges Element der Gesamtstruktur.
Schauen Sie sich doch einmal ein paar Informationsquellen an. Ich denke, Carlos wird ebenfalls auf einige davon hinweisen, aber es gibt bereits einige Beschreibungen zu diesem Thema sowie ein Video und ein Whitepaper, das Sie als Anhang erhalten haben. Damit erhalten Sie einen etwas ausführlicheren Überblick und können einige der heute geführten Diskussionen besser einordnen.
Damit kommen wir nun zu einigen Fragen aus dem Publikum. Ich werde gleich auf einige davon eingehen. Die erste lautet: „Können wir unterschiedliche Profilsätze für verschiedene Datentypen verwenden? Es handelt sich um ein Softwareentwicklungsunternehmen, das über Terabytes an Daten mit unterschiedlichen Anforderungen verfügt – Sommerprojekt, Wachstumsmedien usw.“ Genau das versuchen Sie ja zu erreichen. Ich kann ein Profil als kritisch kennzeichnen. Ich kann es als „normal“ oder „Archiv“ kennzeichnen, und ich kann auch benutzerdefinierte Profile erstellen, um den relativen Wert im Vergleich zu allem anderen festzulegen.
Hier ist noch eine Frage: „Welche Szenarien für den Schutz von Datenspeichern – ‚Hot‘, ‚Warm‘ oder ‚Cold‘ – beobachten Sie am häufigsten, und welche Arten von Unternehmen nutzen diese?“ Das ist branchenübergreifend. Es handelt sich hierbei nicht um ein vertikalspezifisches oder branchenspezifisches Verhalten. Was man jedoch beobachtet, ist, dass es mehr davon gibt – wir arbeiten zum Beispiel viel mit lebenswichtigen Einrichtungen im Gesundheitswesen zusammen, und für diese ist es sehr, sehr klar, was „Hot“ ist und welcher Anteil davon spezielle, superschnelle Lösungen benötigt, welche Daten veralten und welche wirklich lange Archivierungsanforderungen haben. Dort ist es also eher visuell. Es ist ein natürlicherer Ausdruck ihres Geschäfts. In anderen Fällen ist das weniger der Fall, weil sie die Daten noch nicht ganz so betrachtet haben. Und hoffentlich fangen Sie durch das Verständnis dessen, was wir heute hier besprochen haben, an, die Dinge mit diesen Augen zu betrachten. Das wird wichtig sein.
Ich schaue mir hier noch ein paar weitere Fragen an. Okay, „Wie kann ich außerhalb der GUI die Tiering-Attribute programmgesteuert ändern?“ Interessant. Ja, ein Teil des Problems bei vielen dieser Szenarien ist heute, dass wir die Orchestrierung extern durchführen müssen. Der Mitarbeiter kann nicht physisch vor einer Konsole stehen, um diese Aufgaben zu erledigen und diese Entscheidungen zu treffen. Ich meine, das wäre keine sinnvolle Nutzung Ihrer Zeit. Es gibt also bedingte, programmgesteuerte Möglichkeiten. Wir bieten sowohl eine umfassende Lösung – eine Rest sich nicht nur die Tiering-Optionen, sondern alle über die DataCore-Software verfügbaren Funktionen aufrufen lassen – als auch für diejenigen unter Ihnen, die eher PowerShell , entsprechende Möglichkeiten.
Eine weitere Frage lautet: „Wie oft entscheidet sich die Software dafür, Blöcke zwischen den Ebenen zu verschieben?“ Das ist eine dynamische Entscheidung, die sie trifft. Eine der grundlegenden Aufgaben der Software besteht darin, nach Gelegenheiten zu suchen, bei denen das System nicht so ausgelastet ist, dass ich gerade keine Daten verschieben sollte, da dies eine schlechte Nutzung der Ressourcen wäre. Sie sucht also nach solchen Gelegenheiten. Okay, hier habe ich gerade etwas Luft. Das ist ein guter Zeitpunkt. Aber sie führt dies regelmäßig durch. Man muss also keinen Zeitplan erstellen oder befürchten, dass dies nur zu bestimmten Zeiten geschieht. Der Vorgang findet ständig auf den Ressourcen und den Volumes statt, die Sie dieser Funktion zugewiesen haben.
„Hat DataCore seinen Sitz in den USA?“ Ja, das stimmt. Wir sind jedoch ein weltweit tätiges Unternehmen. Wo auch immer Sie sich befinden, wir können Sie erreichen. [Lacht] Und ich glaube, das waren alle Fragen, die ich hatte. Carlos, hast du noch etwas anzumerken?
Carlos: Nein, ich sehe keine weiteren Fragen, Augie. Nochmals vielen Dank für diesen sehr lehrreichen und informativen Vortrag. Ich möchte nur noch ein paar Hinweise geben, um alle noch einmal zu ermutigen, sich den Anhang anzusehen. Dort finden Sie ein Whitepaper zu diesem Thema. Außerdem bitte ich alle, uns Feedback zu geben, indem Sie unseren Referenten und den Vortrag bewerten – und noch einmal zur Erinnerung: Diese Präsentation wurde aufgezeichnet, wir werden sie allen Teilnehmern zur Verfügung stellen, und sie wird auch als On-Demand-Aufzeichnung verfügbar sein.
Nun sind wir endlich so weit, den Gewinner der Verlosung der Amazon-Geschenkkarte im Wert von 200 Dollar bekannt zu geben. Der Gewinner ist Mike Carter von Advance Auto Parts. Noch einmal: Mike Carter von Advance Auto Parts. Wir werden uns in Kürze mit weiteren Informationen und Ihrer Geschenkkarte bei Ihnen melden. Damit, Augie, nochmals vielen Dank für Ihre Moderation. Ich möchte mich beim Publikum für die Teilnahme bedanken. Bleibt gerne in Kontakt. Wir veranstalten jeden Monat Webinare – bis zum nächsten Mal, vielen Dank und einen schönen Tag noch.