ArtikelCloudManagementStorageVirtualisierung

Der sich selbst verwaltende Speicher: Intelligente, heterogene Analysemethoden bedeuten das Ende der Speicher-Wahrsagerei

Autor/Redakteur: Siegfried Betke, Sales Account Manager CEMEA bei FalconStor Software/gg

Predictive Analytics beim Speicher, also die Vorhersage zur zukünftigen Storage-Entwicklung, aufbauend auf intelligenten Analysen der bisherigen Nutzung, fügen heutzutage viele Hersteller zu ihren Produkten hinzu, um Überwachung, Reporting, Problembehebung, Performance und Nutzung zu verbessern. Die daraus resultierenden Erkenntnisse ermöglichen es IT-Profis, aktiv Entscheidungen in ihrer Infrastruktur zu treffen. Moderne, virtualisierte Rechenzentren nutzen sowohl alte als auch neue Speichersysteme parallel. Analysetools nur für einzelne Speichersilos zu verwenden, kann also nicht der richtige Weg sein. Eine moderne Software-definierte Speicherlösung (SDS) hingegen schafft es, Predictive Analytics für die komplette Speicherebene bereitzustellen: Es werden sämtliche Teile der Speicher-Infrastruktur analysiert, inklusive Virtualisierung und Prozessen – egal ob alt oder neu, All-Flash, Hybrid, HDDs oder Cloud.

Speicherebenen mit verschiedenen parallelen Lösungen benötigen ein gemeinsames Analyse-Werkzeug

Organisationen haben nur sehr selten den Luxus, ihr Rechenzentrum, inklusive des Speichers, von Grund auf neu zu planen. Die Realität sieht so aus, dass sowohl die Speicherkapazität als auch die Anzahl der zu unterstützenden Anwendung über die Jahre wächst und entsprechend mehrere Speicherplattformen verschiedener Hersteller parallel genutzt werden. In den meisten Fällen reichen die einzelnen Lösungen für die Anforderungen aus – immerhin wurden sie einst genau dafür geplant – und müssen nicht durch neue Speicherlösungen ersetzt werden. Moderne SDS-Lösungen, die die Speicherebene virtualisieren, können die Laufzeit einzelner Systeme verlängern und bieten darüber hinaus ein Analysewerkzeug, das Informationen über Speicherarrays, Server und Anwendungen sammeln und auswerten kann. Analysen sowohl über Workloads und die komplette Speicher-Infrastruktur bieten einer modernen Organisation in der Praxis damit hohen Nutzen.

SDS und heterogene Predictive Analytics – ein echtes Dream Team

In Echtzeit erhobene Daten bilden die Basis intelligenter Analysewerkzeuge, die somit Entwicklungen und Muster erkennen können und zukünftige Bedürfnisse oder Probleme identifizieren, bevor es zu Ausfällen oder gar zum Betriebsstillstand kommt. Die Erkenntnisse lassen sich sogar für automatische, richtlinien-basierte Änderungen bei Performance, Kapazitätsnutzung, Cachegröße, Sicherheit, Optimierung, Disaster Recovery, Workloads und Service Levels nutzen. Die Möglichkeit, Predictive Analytics in SDS-Architekturen einzusetzen, bietet deutlich mehr Möglichkeiten, Analysen für das Unternehmen einzusetzen, als in Silos isolierte Lösungen. Es geht darum, den Speicher mit den neuen Erkenntnissen aus Analysen aus Unternehmenssicht aktiv zu verwalten und nicht mehr nur reaktiv aus technischer Perspektive. Das neue heterogene Analysewerkzeug aus einem Guss ist somit operativ effektiver, macht die Verwaltung von SLAs und wichtigen Workloads einfacher und bietet im Vergleich mit einzelnen Silo-Lösungen deutlich mehr Nutzen.