搜索
大数据中国 首页 大数据技术 查看内容
提升数据中心可扩展性的4大技术创新
2014-1-1 23:47 |来自: 网界网| 查看: 4170| 评论: 0

增长对于所有企业来说都是一种福利。当电商网站吸引来越来越多的顾客时,对服务器的需求就会增长。当一家新办的企业需要为很多大公司提供归档服务时,存储需求就会突然间暴涨。

然而成长或者扩张是需要很高成本的,而且过快的扩张也并非总能带来正面的结果。幸运的是,一些新的技术创新可以帮助一家企业迅速而高效地进行扩 张,消除在数据中心扩张时可能带来的一些不良后果。因此我们不必投入巨资去抵消新的营收,相反地可以利用这些创新去扩大数据中心,以满足尽量节省投资的企业目标。

1、模块化数据中心

很多大企业都知道可以从微软、惠普和其他厂商那里购买全套的数据中心模块。这些厂商的确提供了一种快速扩展数据中心的方法,但通常购置成本也很高。

一家英国企业Verne Global称,他们在冰岛有一个数据中心就采用了模块化方法,但他们并不是简单地增加一个配备了数百台服务器的单一功能模块。

这种新的扩展方法由至少30个机架组成,远程组装好冷却系统、电源、配线柜和服务器,从而省去了现场安装的时间(该公司还可为大企业安装多达1万台服务器的机架)。

其中的一个关键就是母线槽配电方案(power busway),该方案可为添加模块提供更大的灵活性。目前一些主要的电器设备厂商,包括西门子、施耐德、PDI和通用电气等均可提供这种解决方案。Verne Global将通用电气的Starline基础设施进行标准化后用于其模块化数据中心,无论其各项表现还是监控功能都很不错,从而使该公司可以为客户提供“非常细粒度的监控反馈”。

2、企业资源池:“弹性容量”

在扩展数据中心时所遇到的一大挑战就是,要知道何时需投资添加服务器,以及要添加多少台。我们经常会遇到一些峰值需求的情况,但这种情况何时发生很难预测,而且一旦发生时是否需要添加额外的容量也很难决断。

对这一挑战的答案就是企业资源池,这一创新的弹性伸缩基础设施来自IBM,采用的是IBM Power服务器。IBM Power Systems总监Steve Sibley称,“对数据应用的需求正推动着客户寻求连续的可用性。当有新的应用推出或者旧的应用退出时,客户会要求迅速地扩充容量,或者释放IT资源,缩减容量。他们会要求一种类似云的弹性功能,这样就不会为了多余的功能花冤枉钱了。”

将规模管理细化到处理器层并不是新的概念。其新颖之处在于数据中心可以添加、迁移和取消虚拟处理器和内存用于应对峰值需求或平常需求。这样就不 必为额外容量付费,只须为必需的服务器付费即可。而且还可以仅支付部分处理器和内存的成本。根据处理器和内存分配的日常成本进行估算,IBM估算的这些资源池的成本仅为每小时0.67美元。数据中心运营者可针对某个常用的应用手动调节其服务等级,然后自动提供这些服务。

3、对象存储

在涉及数据中心扩展时,传统的文件存储系统是有局限性的。以社交网络为例,如果只有几百个用户,这样的存储系统可以在线保存用户所发布的文件和视频图像。一旦用户数量扩展到数百万,存储管理就成了一件苦差事——数据中心管理者必须管理多个数据卷。

“文件系统允许人们同时访问未加修改的相同数据,”DataDirect网络的发言人Tom Leyden说。“但是如果两个人同时访问某个Word文档,该文件就会被锁定。这种锁定机制会让文件系统扩展时变得很复杂。一旦有文件被锁定,文件系统的访问速度就会变慢。”

而应对这一问题的办法就是对象存储。这一技术使用了简化的ID系统来识别文件。ID可跨多个存储卷,指向对象所在的位置。还可将元数据赋予文件,使其更容易跨卷搜索。Leyden认为,没有层级制,没有锁定机制,将有助于扩展,因为对象存储客串建数据“集群”,该集群可随着企业的增长而增长。对象存储创建了一个单一的、更容易管理的存储管理系统。

4、自动分层:纵向、横向扩展

数据中心管理者需要自动地根据应用需求的变化来调整存储容量。目的是为了能够适应高性能应用的需求,但这里的挑战在于,要知道何时需要扩展,何时需要收缩。

自动分层技术可分析实际的应用数据使用频率。例如使用戴尔的EqualLogic阵列,1个月后会有80%的数据不再活跃。自动分层便可利用最低成本存储选项来匹配这样的数据,而不必让其继续保留在速度较快的硬盘上时间过长。

最新的一些变化是,自动分层技术如何发挥闪存(SSD)的速度优势。

这里的创新在于:自动分层可以让高性能应用只使用很小部分闪存。戴尔的自动分层技术还可区分较高成本的单阶存储单元闪存和速度较慢、容量更大的多阶存储单元。这些智能化的调整手段可以自动进行,从而降低使用闪存的成本。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-11-24 10:53 , Processed in 0.068423 second(s), 23 queries .

返回顶部