Pure Storage hat Modelle für maschinelles Lernen eingeführt, um die Kapazität vorherzusagen und Hardwareänderungen im Pure1-Verwaltungstool zu simulieren. Somit können Benutzer das Wachstum ihrer Speicherumgebung vorhersagen. [...]
In praktisch allen Unternehmen erreicht das Datenvolumen regelmäßig ein Rekordniveau und wächst mit zunehmender Unvorhersehbarkeit in Anwendungen und Speicherumgebungen. Es ist daher nicht verwunderlich, dass eine der größten Herausforderungen für IT-Architekten und Storage-Administratoren heutzutage darin besteht, das Wachstum ihrer Storage-Umgebung zu prognostizieren und Hardwarekomponenten proaktiv für Lasten und Kapazitäten neu zu konfigurieren, bevor Datenspitzen zu echten Problemen führen können. Angesichts dieses häufigen Problems hat Pure Storage Modelle für maschinelles Lernen eingeführt, um die Kapazität vorherzusagen und Hardwareänderungen im Pure1-Verwaltungstool zu simulieren. Somit können Benutzer das Wachstum ihrer Speicherumgebung vorhersagen und die Auswirkungen geänderter Hardware für eine effizientere Planung und Bereitstellung simulieren.
Speicherumgebungen sind nicht statisch und es kommen jeden Tag neue Anforderungen hinzu. Die Modelle können den optimalen Pfad für die Zukunft anhand vergangener Daten vorhersagen, aber Änderungen der externen Anforderungen nicht berücksichtigen. Diese Änderungen können beispielsweise die Notwendigkeit beinhalten, den 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 finden, wenn mehrere Arrays im Einsatz waren, um die Gesamtlast und die genutzte Kapazität zu optimieren. Um sie davon zu entlasten und die Speicherverwaltung radikal zu vereinfachen, startete Pure nun erstmals Workload-Simulationen innerhalb des Workload Planner.
Pure Storage strebt immer nach Einfachheit und hat in diesem Sinne einen neuen und verbesserten Look für den Workload Planner eingeführt. 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 schnell herausfinden können, welche Arrays heute ihre Aufmerksamkeit erfordern. Das Zeitfenster für die Projektion ist 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 Pure 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.
Drei Operationen
Nachdem sie eine Teilmenge oder alle zu simulierenden Volumes ausgewählt haben, können sie drei Operationen an ihnen durchführen:
- 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.
- 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.
- 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.
Diese drei Operationen sind 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.
Jeder Infrastruktur-Administrator muss planen und dimensionieren. Die Einfachheit von Pure ermöglicht dies. Das Unternehmen will zudem aus den Simulationen seiner Kunden lernen und das Tool anpassen, um diese Simulationen zu verbessern. Pure möchte die optimale Platzierung für einen geklonten oder migrierten Workload empfehlen, um die Leistung und Kapazitätsauslastung zu maximieren, ebenso wie die Hardware, auf der diese Workloads ausgeführt werden können. Darüber hinaus plant das Unternehmen, diese Auto-Placement-Dienste hinter einer REST-API zur Integration mit Tools bereitstellen und diese Erkenntnisse auch direkt aus Pure1 in Aktionen umsetzen. Daraus ergibt sich neues Potenzial und ein Mehrwert für die Nutzer.
Be the first to comment