München, Starnberg, 8. Sept. 2016 - Spezifisches Scale-up-/Scale-out Controller- und Softwaredesign für moderne 3D TLC NAND Flash SSD Technologien...
Zum Hintergrund: Primäres Entwicklungsziel der All Flash Systeme von Nimble Storage war es, nicht einfach bestehende Controllerarchitekturen - die ursprünglich im wesentlichen für HDDs entwickelt wurden - zu übernehmen, sondern die raschen technologischen Entwicklungen bei Flash SSDs der letzten Jahre entsprechend zu berücksichtigen. Einige der heute am Markt befindlichen RAID-Controller inkl. Software-/Firmware sind prinzipiell vom Design bzw. Betriebssystem-Layout bereits fünf oder sogar 10 Jahre und mehr alt. Zu den spezifischen Einsatzkriterien von modernen hochleistungsfähigen NAND Flash Chips im Zusammenhang mit den hierfür notwendigen Leistungsanforderungen war in der Vergangenheit natürlich wenn überhaupt nur in begrenztem Umfang Erfahrung und Know-How vorhanden. Zwischenzeitlich hat sich beim Thema "Non-Volatile-Memory (NVM)" jedoch viel getan und high-density performance Flash Chips (z.B. V-NAND, 3D-NAND) zu geringeren Einstandskosten kommen auf den Markt.
Aktuelle Flash SSD Generationen mit 3D TLC NAND - ergänzt um optimierte Deduplizierung und fortschrittliche Wear-leveling Mechanismen - verlangen vom Storage Controller bzw. dessen Betriebs-(File)System deutlich mehr in Bezug auf Performance, Resilience und Skalierbarkeit. Aus diesem Grund hat Nimble Storage nach eigenen Angaben die Serie seiner All-Flash-Arrays (AFA) nach über zweijähriger Entwicklung hierfür von Grund auf neu designed. Nachfolgend finden Sie einige zentrale Leistungsmerkmale der All-Flash-Architektur des Herstellers:
1. Scale-up und Scale-out Architektur für Performance & Skalierbarkeit
- Das System ermöglicht den Ausbau eines Einzelsystems auf über 2PB zu 300,000 IOPS. Im Cluster-Mode (Scale-out-Ansatz) können über 8 PB bei 1.2M IOPS (4k blocksize) konfiguriert-/erreicht werden.
2. Entwickelt für 3D TLC NAND
- Das NimbleOS Betriebssystem erreicht eine Lebensdauer von 7 Jahren für die neueste (Samsung) 3D TLC NAND Technologie. Dafür verantwortlich ist ein optimiertes Flash-Management inkl. „garbage collection“ Software. Nach vorliegenden Angaben konnte der Hersteller ferner 20% mehr an nutzbarer Kapazität (usable capacity) pro TB Flash (raw) gegenüber seinen Mitbewerbern erreichen. Preiswerte TLC NAND Chips in Verbindung mit hohem Nutzungsgrad ermöglichen ein deutlich verbessertes Preis-/Leistungsverhältnis des Gesamtsystems.
3. Keine Hauptspeicher-(main memory) Begrenzung
- All Flash Controller Architekturen brauchen in der Regel große Mengen an DRAM, um die Metadaten zu Dedupe, Block-Management, Snapshots etc. entsprechend schnell zu verarbeiten. Die (D)RAM Größe dieses schnellen Cache steht in direkter Relation zur Leistung und Skalierbarkeit des Arrays. Nimble benötigt hierzu nach eigenen Angaben auf Grund von Software-seitiger Optimierung bis zu 30 x weniger DRAM-Kapazität als vergleichbare Angebote am Markt.
4. Effiziente Kapazitätsoptimierung mittels Daten-Deduplizierung und Compression
- Der Hersteller benutzt eine sog. Variable Inline Block Deduplizierung-/Compression, die im Gegensatz zu anderen Implementierungen auch bei sehr schreiblastigen Workloads aus Performancegründen nicht abgeschaltet werden muss.
5. Verbesserte Ausfallsicherheit mit Triple+ Parity RAID
- Nimble verfügt über Triple+ Parity RAID, d.h. es können gleichzeitig bis zu drei SSD-Fehler pro RAID-Gruppe kompensiert werden. Das “+” bezieht sich auf ein sog. „intra-drive parity“; es erlaubt jeder SSD unabhängig von anderen Drives das Recovery von einzelnen Sektoren-Ausfällen. Viele Angebote am Markt benutzen derzeit das gängige Double+ parity. Der Hersteller gibt darüberhinaus für die Gesamtverfügbarkeit seiner Systeme einen Wert von 99.9997% an.
Quellen:
> Nimble Storage Corporate Blog
> Datenblatt (PDF): Nimble Storage AF1000 All Flash Einstiegs-Array
- Unser Beitrag: Neue (All-)Flash Systeme mit agressivem Einstiegspreis von Nimble Storage
- Unser Beitrag: High-Performance Scale-out Storage mit Nimble All-Flash
- Unser Beitrag: Wie lassen sich Anwendungsausfälle durch maschinelles Lernen verhindern? Nimble Labs Research Report
Abb. 1: Konsolidierung mit Nimble Storage (Bildquelle: Hersteller)