Scale-Out statt Scale-Up: Kapazitätsplanung für All-Flash-Speicherlösungen ganz ohne Risiko
Autorin/Redakteur: Mara McMahon, Segment Director bei NetApp SolidFire/gg
Die Planung der Storage-Kapazität im Rechenzentrum ist eine komplizierte Sache, zumal wenn Service-Provider auf die falsche Architektur setzen. In einem Scale-Out-Modell lassen sich dagegen Kapazitätserweiterungen bei garantierter Performance flexibel und ohne Betriebsunterbrechungen vornehmen.
Die richtige Planung der Storage-Kapazität ist für alle Cloud- und Hosting-Service-Provider ein kritisches Thema, denn Planungsfehler können erhebliche Auswirkungen auf die Profitabilität eines Anbieters haben. Um einerseits den Anforderungen performancekritischer Workloads gerecht zu werden und andererseits eine breite Palette von Business-Anwendungen in Multi-Tenant- (mandantenfähigen) Umgebungen unterstützen zu können, setzen Service-Provider heute verstärkt auf All-Flash-Arrays. Aber bei den meisten Lösungen, die auf dem entsprechenden Markt verfügbar sind, stellt die Skalierung der Kapazität ein Risiko dar. Da die meisten All-Flash-Speicherlösungen auf einem Scale-up-Modell basieren, müssen die Anwender mit hohen Kosten und Ausfallzeiten aufgrund von Datenmigration und den damit verbunden Wartungsarbeiten rechnen.
Generell ist es so, dass wegen der hohen Performance von All-Flash-Arrays die meisten Systeme viel früher an Kapazitäts- als an Leistungsgrenzen stoßen. In einem Scale-Up-Modell erhält man mehr Kapazität durch das Hinzufügen neuer Speichersysteme, das heißt durch neue Controller plus Laufwerke. Damit sind nicht nur erhebliche Kosten verbunden; in der Regel heißt das auch, dass Daten migriert werden müssen, verbunden mit dem Risiko von Datenverlusten. Und es entstehen regelmäßig „Storage-Inseln“ – separate, siloartige Systeme mit einer bestimmten, nicht austauschbaren Technologie –, die einen hohen Verwaltungsaufwand mit sich bringen. Da in einem Scale-Up-Modell Performance und Kapazität voneinander abhängig sind, wird bei zusätzlichen Kapazitäten die Controller-Leistung des Systems auf mehr Daten und Anwendungen verteilt. Dadurch werden Scale-Up-Designs anfällig für das „Noisy-Neighbor“-Problem: eine kleine Zahl Performance-hungriger Anwendungen monopolisiert die Controller-Ressourcen und beeinträchtigt damit die Leistung aller anderen Anwendungen innerhalb des Arrays.
