Публикуя полтора десятка лет свои обзоры в области хранения данных, портал TechTarget избегает футуристических прогнозов и придерживается принципа практической пользы, рассказывая лишь о том, что уже поставляется производителями и готово к развертыванию организациями. В нынешнем году, считает Джеймс Миллер, главный редактор TechTarget Storage Media Groupа, наиболее активными технологическими трендами в хранении данных являются прогнозная аналитика систем хранения, защита от вирусов-шифровальщиков, конвергированное двухуровневое хранение данных, многооблачные решения и технология NVMe over Fabrics.
Прогнозная аналитика СХД (predictive storage analytics) уже переросла ту стадию, когда она была специальной функцией ультрасовременной технологии хранения данных. Стимулами этого роста стали внедрение массивов, полностью состоящих из флэш-накопителей (all-flash array), и растущие потребности в интеллектуальной информации о ресурсах и работе СХД.
Прогнозная аналитика стоит на ступень выше традиционного управления иерархически организованным хранением данных или мониторинга ресурсов. Ее цели заключаются в том, чтобы трансформировать огромные объемы данных в операционную аналитику для принятия стратегических решений.
«С распространением гибридных и гиперконвергентных инфраструктур хранение данных перестает быть обособленной частью технологического стека дата-центра, работу которой можно анализировать и которой можно интеллектуально управлять изолированно. Нам нужен контроль над более крупными частями стека с использованием более сложных аналитических подходов, применяемых к расширенным комплексам данных», — отмечает Майк Мэтчетт, старший аналитик Taneja Group.
Он приводит пример того, как поддержка, использующая функцию call-home (автоматическое оповещение о возникновении неисправностей в системе) и первоначально ориентированная на пакетную обработку, превратилась в средство непрерывного дистанционного анализа и измерения: «Эта функция справляется со сложностями гибридных систем, включая хранение данных и в облаке, и локально, и развивается в сторону проактивной автоматизации на базе алгоритмов прогнозного интеллекта».
Провайдеры СХД и сетевого мониторинга предоставляют возможность непрерывно захватывать для прогнозной аналитики миллионы данных измерений в облаке, где находятся массивы пользователей. Коррелирование метрик систем хранения позволяет отслеживать поведение виртуальных инфраструктур хранения, работающих поверх физического оборудования.
Широко признано, что пионером прогнозной аналитики является компания Nimble Storage, выпустившая свой инструментарий облачной аналитики InfoSight как нативный сервис для своих флэш-массивов. Это ПО было главным мотивом недавнего решения HPE купить Nimble Storage за 1,2 млрд. долл.
Над внедрением аналитики работают и другие вендоры систем хранения, задействуя телеметрию для отслеживания занятости ресурсов, производительности и исправности систем и защиты данных. Благодаря этому прогнозная аналитика становится одним из важных трендов в хранении данных, за которыми следует наблюдать в 2018 г.
В типичной практике прогнозная аналитика может прицельно находить потенциальные проблемы, например, поврежденные кабели, накопители или сетевые карты. Обнаруживая аппаратные дефекты, ПО высылает предупреждения и дает рекомендации по устранению проблем. На консоли быстрого обзора отображается интегрированное представление инфраструктурного стека, что позволяет в один клик выполнить рекомендации.
Помимо мониторинга оборудования зрелые средства аналитики массивов предоставляют рекомендации в отношении кэша, процессоров и объемов памяти хранения данных на базе заранее заданных политик.
Прогнозная аналитика хранения данных не потеряет своего значения и в обозримом будущем. Решения для больших данных уже не являются лишь предметом любопытства, а достигли такой зрелости, что компании почти всех отраслей могут внедрять модели DevOps. Чтобы извлекать еще больше пользы из инфраструктуры флэш-памяти, организации имеют возможность выполнять быстрые вычисления с массивными наборами данных на периферии сети.
Вдобавок, говорит Мэтчетт, анализируя гигантские объемы больших данных по всей базе своих клиентов, провайдер хранения данных может использовать искусственный интеллект и машинное обучение, чтобы помогать конкретным предприятиям ежечасно прогнозировать свои потребности в ресурсах.
На прогнозную аналитику также должны повлиять серверные флэш-технологии, включая SSD-накопители с интерфейсом NVMe и комбинированные энергонезависимые SCM-устройства хранения информации.
«Традиционные флэш-массивы вероятно являются отмирающей категорией, — считает Мэтчетт. — В будущем будут преобладать разнообразные классы комбинируемой оперативной и долговременной памяти, развернутой по распределенным гибридным сетям, которые потребуют интеллектуального управления в качестве программируемой инфраструктуры, предоставляющей сервисы типа Elastic Storage». Вся эта инфраструктура хранения, добавляет он, будет нуждаться в продвинутой аналитике, помогающей организовывать, выделять и оркестровать ресурсы, динамически оптимизировать производительность, выявлять и устранять проблемы и выжимать максимум эффективности из этих более дорогостоящих ресурсов.
Продолжение следует.
