München, Starnberg, 27. Jan. 2020 - Speicherumgebungen sind nicht statisch und es kommen jeden Tag neue Anforderungen hinzu; erstmals Workload-Simulationen möglich...

Zum Hintergrund: Eine der zentrale Herausforderungen für IT-Architekten und Storage-Administratoren besteht darin, das Wachstum von Speicherumgebungen realistisch zu prognostizieren und Hardwarekomponenten proaktiv für Lasten sowie Kapazitäten neu zu konfigurieren, bevor Lastspitzen zu Problemen führen. Pure Storage hat hierzu nun Modelle für maschinelles Lernen eingeführt, sowohl um die Kapazität vorherzusagen also auch um Hardwareänderungen im Pure1-Verwaltungstool zu simulieren. Somit können Benutzer das Wachstum ihrer Speicherumgebung vorhersagen und die Auswirkungen geänderter Hardware für eine realistischere Planung bei verbesserter Bereitstellung simulieren.

Speicherumgebungen sind selten statisch und es kommen mitunter täglich neue Anforderungen hinzu. Modelle können zwar den optimalen Pfad für die Zukunft anhand vergangener Daten vorhersagen, aber Änderungen von externen Anforderungen nicht korrekt berücksichtigen. Diese Änderungen können beispielsweise die Notwendigkeit beinhalten, einen Oracle-Workload zu verdoppeln oder die fünffache Anzahl von VDI-Benutzern zu unterstützen.

In der Vergangenheit mussten Nutzer selbst den besten Platz für einen Workload definieren wenn mehrere Arrays im Einsatz waren, um die Gesamtlast und die genutzte Kapazität zu optimieren. Um Verantwortliche davon zu entlasten und die Speicherverwaltung radikal zu vereinfachen (Stichwort: Automatisierung), startete Pure nach vorliegenden Angaben nun erstmals Workload-Simulationen innerhalb seines Workload Planner.

Auf der Landing Page der Pure1-Planning-Sektion ist eine Kartendarstellung zu sehen, die die projizierte Last und Kapazität für alle Arrays auf einen Blick anzeigt, so dass Nutzer schneller herausfinden können, welche Arrays gerade ihre Aufmerksamkeit erfordern. Das Zeitfenster für die Projektion ist laut Anbieter von einem Monat bis zu einem Jahr einstellbar, so dass sie zwischen täglichen taktischen Entscheidungen und langfristigen Strategien wechseln können. Nutzer können auch alle Simulationen, die sie an jedem Array durchgeführt haben, in der „Simulation Summary“-Ansicht betrachten.

Im Overlay sind alle Volumes dieses Arrays sowie Performance-Metriken wie Bandbreite, Latenzzeit und IOPS sichtbar. Darüber hinaus hat der Speicherspezialist auch Kapazitätsdaten analysiert, um ein Maß für den geschätzten Speicherplatz zu erhalten, der von jedem Volume genutzt wird. Nutzer können nach einer dieser Kennzahlen im Laufe des Zeitraums sortieren und die Bereiche finden, auf die sie sich konzentrieren sollten. Nachdem sie eine Teilmenge oder alle zu simulierenden Volumes ausgewählt haben, können drei Operationen an ihnen durchgeführt werden:

1. Skalieren:

• Nutzer können die Skalierung einer Arbeitslast simulieren, die durch eine beliebige Anzahl von Volumes auf- oder abwärts basierend auf einem Multiplikator dargestellt wird. Eine Verkleinerung um den Faktor 0,5 bedeutet die Hälfte der Arbeitslast und eine Vergrößerung um das 2-Fache die doppelte Arbeitslast. Dies wirkt sich sowohl auf die Leistung als auch auf die Kapazität aus, die von der Anzahl der Volumes genutzt wird.

2. Klonen:

• Die zweite Operation, die Nutzer simulieren können, ist das Klonen einer Reihe von Volumes. Sobald sie auf „Clone“ klicken, werden sie zu einer zweiten Seite weitergeleitet, auf der sie auswählen können, auf welchen Arrays sie den Workload klonen möchten. Hier können sie mehrere Ziel-Arrays auswählen, auf die geklont werden soll.

3. Migrieren:

• Der letzte Vorgang, den Nutzer simulieren können, ist die Migration einer Reihe von Volumes. Sobald sie auf „Apply“ klicken, geben die Modelle die Änderung des Workloads und der Kapazität auf jedem der Ziel-Arrays sowie die Reduzierung auf der Quelle zurück. Sie können die Mehrfachauswahloption verwenden, um den besten Ort für die Verschiebung des Workloads auszuwählen.

Abb. 1: Pure1® Meta: Introducing Workload Simulations, Ergebnissauszug (Bildquelle: Pure Storage)

Link > https://blog.purestorage.com/pure1-meta-workload-simulations/

Diese drei Operationen sind laut Hersteller sehr leistungsfähig; zusammen umso mehr. Nutzer können skalierte Volumes migrieren, Volumes auf zwei verschiedene Arrays klonen und sie je nach Bedarf unterschiedlich skalieren etc. Die Workload-Simulationen arbeiten nahtlos mit den Hardware-Simulationen zusammen. Nutzer können die Aufteilung ihrer simulierten Last abhängig vom Workload und Veränderungen aufgrund von Hardware-Upgrades sehen.

Ein Fazit: Jeder Infrastruktur-Administrator muss planen und dimensionieren. Die Einfachheit des Pure Storageansatzes soll dieses ermöglichen. Das Unternehmen will zudem aus den Simulationen seiner Kunden lernen und das Tool anpassen, um die Simulationen praxisnah zu verbessern. Ziel ist es, die optimale Platzierung für einen geklonten oder migrierten Workload empfehlen zu können, sowohl um die Leistung und Kapazitätsauslastung zu maximieren, als auch die Hardware, auf der diese Workloads ausgeführt werden können. Darüber hinaus plant das Unternehmen nach Entwicklerangaben, diese Auto-Placement-Dienste hinter einer REST-API zur Integration mit Tools bereitzustellen. Die Erkenntnisse sollen sich dann auch direkt aus Pure1 in Aktionen umsetzen lassen. Daraus ergibt sich neues Potenzial und ein Mehrwert für die Nutzer.

Querverweis:

Unser Beitrag > Effizienz im Umgang mit Daten – Pure Storage befragt deutsche Unternehmen