动态的业务环境早已不适用于采用过去那些复杂且效率低下的存储系统了。来自各种数据源的数据信息不断呈现爆炸似增长,使得对数据的访问比以往任何时候都更加重要。然而,当前的大多数企业均存在存储解决方案不足,数据中心资源利用不足,以及IT人员时间浪费严重的现象,甚至会使得企业组织面临不必要的停机中断的风险。

所有这些因素都很快会侵蚀到企业的利润。进而会使得企业的IT部门被迫需要采购、安装、供电和冷却比实际业务所需更多的硬件。企业数据中心的管理员们将浪费大量时间和精力用于管理复杂的存储系统。备份和恢复速度变得缓慢且不可靠,导致业务交易中的生产力和未交付的订货差距缩小。很快,与管理企业数据相关的成本就会变得非常大。

500699224_banner

为了解决这些问题,企业组织会进一步发现他们自己被锁定在不易扩展或升级的专有存储平台上。缺乏灵活性和可扩展性会导致早期过时和成本代价昂贵的叉车式升级。最终,企业客户的数据中心管理员们必须强制使用僵化的存储系统来解决核心业务需求,只有在每次进行不可避免的系统检修时才重复这个循环。

而借助当前市场上的相关供应商的流体数据存储解决方案,可以使得企业用户的数据在其整个生命周期中都能够得到积极,智能化的管理,因此您可以不断适应不断变化的业务需求。流体数据架构、存储虚拟化、智能化软件和模块化硬件共同为企业存储带来了前所未有的效率、简单性和安全性,进而得以充分发挥数据中心资源的潜力。内置的智能化和自动化功能确保了数据在需要时随时可用。一款开放,持久的硬件平台可以根据业务需求进行扩展,从而长期保护存储投资。

在本文中,我们就将与广大读者朋友们共同探讨市场上的相关供应商的技术解决方案。借助这些供应商的技术解决方案,有助于企业数据中心创造出新的效率和灵活性水平,同时降低现在和未来的成本:

1、流体数据体系结构——通过内置的系统智能化来管理存储,从而实现企业数据的动态流动迁移。

2、存储虚拟化——存储在磁盘级别被虚拟化,以创建一个由所有服务器共享的灵活的存储资源池。

3、精简配置——分配与利用完全分离,因此可以随时创建任何大小的存储卷,但只有在写入数据时才会消耗容量。

4、自动分层存储——根据实际使用情况,数据在层级之间动态级联,释放用于关键任务应用的高性能驱动器。

5、节省空间的快照——连续的快照只捕获数据变化,以实现实时的保护,并能够即时恢复到任何时间点。

6、精简复制——使用节省空间的快照和本地IP连接在本地和远程站点之间复制数据,从而不再需要高速数据链接或相同的系统配置。

7、统一存储资源管理——所有存储资源都通过单一的点击式界面进行管理,提供了整个存储环境的完整视图。

8、开放而敏捷的硬件平台——存储设计用于持久性的使用,以充分利用单一的模块化硬件平台及技术的独立性。

流体数据体系结构支持企业数据流

大多数存储系统的根本问题在于他们所管理的数据量太大,从一开始就制约了系统的灵活性和性能。为了实现存储效率,并降低数据中心的成本,您企业需要在存储卷本身内部以更细粒度的级别管理数据。

相关供应商的存储由动态流体数据体系结构实现,可在块级智能地管理数据。跟踪并记录每个块的特定信息,以提供实时系统智能,以动态的存储,迁移和恢复数据。此元数据或有关数据的数据是使用最少的系统开销收集的,但可能非常广泛。示例包括存储的数据类型,使用的磁盘驱动器,RAID级别,写入时间,访问频率等。

1

图1:流体数据体系结构通过内置的系统智能管理数据,从而实现数据的迁移传输

借助这种智能化的支持,内置存储自动化可以优化数据在整个生命周期中的配置,布置和保护。业务应用程序的部署速度更快,作出决策的信息基础始终可用,新技术即时部署,数据也能够得到持续的保护。

存储虚拟化为所有服务器创建一个灵活的存储池

在块级别管理数据实现了在磁盘级别虚拟化存储。存储虚拟化不仅可以整合资源并降低磁盘成本,还可显著的提高系统的灵活性。数据中心管理员们不再需要为特定的服务器分配特定的驱动器。相反,高级存储虚拟化引擎会创建一个跨系统中所有驱动器的共享存储池。无论磁盘类型,RAID级别或服务器的连接性如何,存储仅作为容量呈现给服务器。总之,所有服务器都可以使用所有的存储资源。

2

图2:存储在磁盘级虚拟化以创建灵活的资源池,始终被所有服务器共享

借助相关供应商的流体数据存储解决方案,虚拟存储卷可以在几秒钟内完成配置,并映射到服务器。当应用程序需要更多存储空间时,系统甚至会自动扩展存储卷。管理员不需要浪费时间进行复杂的容量规划,甚至不需要离线修改系统。这种按需更改、移动或动态扩展存储的能力大限度地降低了磁盘支出,节省了员工的时间,并确保了持续的可用性。

由于读/写操作遍布所有驱动器,因此可以并行处理多个I / O请求。这消除了与传统存储系统相关的“热点”,同时加快数据访问,并提高应用程序和操作系统性能。随着将更多容量添加到池中,数据会自动重新分配到所有可用的驱动器,以实现负载平衡和性能调整。

存储虚拟化扩大了服务器虚拟化的优势。事实上,用户可以快速创建数百个虚拟卷来支持任何虚拟服务器平台,并优化虚拟应用程序的布局,而不会浪费时间,资金或磁盘空间。

精简配置充分优化磁盘容量的利用率

通过使得企业客户能够在现在和将来购买和管理更少的磁盘驱动器,相关供应商的流体数据存储解决方案大大降低了企业客户的存储成本。对于其他存储系统,创建存储卷时预先分配物理磁盘容量。管理员估计既定的应用程序可能需要多少容量,并分配“额外”空间以适应增长。如果创建的存储卷为500 GB,则为该应用程序预留全部500 GB的存储空间。任何其他应用程序都不能使用任何预先分配的磁盘空间,并且如果实际使用情况与工作人员估计值不符,则以后都不能再回收。在大多数情况下,预分配容量只有一小部分被实际使用,导致所购买的“闲置”存储的积累。

磁盘利用效率低下会增加资本支出,运营支出以及最终的总拥有成本(TCO)。当每GB的价格肯定会下降时,企业客户数据中心的管理员们被迫购买比预先需要更多的容量。随着时间的推移,以及随着容量的消耗(或闲置),必须购买更多的容量,进一步扩大了数据中心的占地面积。所有这些存储都必须手动配置,这是一个相当耗时的过程,通常需要停机。最后,无论真正存储了多少数据,所有这些磁盘都需要持续的供电和冷却。

相关供应商的自动精简配置(Thin provisioning)软件可以实现动态化的容量,将分配与使用完全分开,从而消除了预先分配但未使用的容量。当数据实际写入磁盘时,管理员可以预先配置任意大小的虚拟存储卷,但只消耗物理容量。这意味着您需要购买当前存储数据所需的数据,然后通过按需扩展系统来继续保存数据,并在业务需求发生变化时在适当的时间添加适当的容量。在大多数情况下,企业组织可以重新获得40%到60%的磁盘空间,这些磁盘空间在预先分配时会丢失。您甚至可以从传统旧系统配置的卷中回收容量。

3

图3:精简配置将分配与利用分开,因此仅在数据写入磁盘时消耗容量

自动分层存储动态分类和迁移数据

为了在企业数据的整个生命周期中持续的控制成本,这些供应商利用了一种创新的数据移动引擎,将智能分层与先进的虚拟化集成在一起。传统上,信息生命周期管理是一个乏味的手动过程,没有终点。数据不断地根据其对企业组织的“重要性”进行分类和重新分类,这种方法的影响巨大。

4

图4:自动分层存储根据访问频率动态分类,并将数据迁移到最佳层次

手动在高性能驱动器和更具成本效益的容量驱动器之间迁移数据是复杂且耗时的。附加迁移引擎可以提供帮助,但会增加整体软件成本,并且会浪费员工的时间用于系统集成。无论哪种方式,每个存储卷都必须全部移动,尽管某些数据可能更频繁地被访问。这意味着管理员必须不断调整数据的位置。尽管如此,替代方案——将企业的所有数据保留在高性能驱动器上,不仅在磁盘支出方面代价高昂,而且也是能源和有限的数据中心空间的浪费。

借助相关供应商的解决方案,让数据在块级进行智能管理,所以手动在各层之间迁移数据已成为过去。使用诸如数据分级管理等独特的自动分层存储软件,可以根据实际使用情况动态分类,并将数据迁移到最佳层级。根据实际使用情况,数据的“重要性”成为事实,数据安置有机地与不断变化的业务需求保持一致。

将数据写入到Tier 1层存储上的高性能固态(SDD)或光纤通道(FC)驱动器。然后,随着访问频率的下降,不太活跃的数据块被迁移到Tier 2层存储上的FC或SAS驱动器。随着时间的推移,完全不活跃的数据将转移到Tier 3存储上的高容量SAS或SATA驱动器。为了进一步释放用于关键任务应用的高性能驱动器,快照将自动采用经济高效的节能驱动器。同时,将最活跃的数据动态放置在每个驱动器的外部磁道上,以提高性能。由于大多数企业数据处于非活跃状态,平均而言,企业通过自动分层存储可以将磁盘支出降低多达80%.

不管目前的层级如何,借助供应商们的流体数据存储解决方案,可以使得企业客户的数据始终保持可用状态。非活跃数据如果再次定期访问,也会升级到更高层级。管理员只需根据特定的业务需求自定义分层算法,或者使用基于当前行业最佳实践方案建立默认设置。事实上,使用自动分层存储,您企业的员工可以只花费较之其他系统一半的时间来管理数据。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2024-01-09 16:53:00
市场情报 中兴通讯分布式存储+ DPU,加速数据中心转型
存储技术在不断地创新、完善、加速演进,以更好地满足业务的存储需求,但同时也使得存储协议和文件系统越来越繁重。 <详情>
2023-11-17 10:35:56