スマートな自動階層化とデータ削減 – 論理効率とアーキテクチャ効率

ストレージ業界では、この方程式の両側を構築する特権に恵まれた人はほとんどいません。私は、スマートな自動階層化とデータ削減の両方を、アルゴリズム的、アーキテクチャ的、経済的に内部から見てきました。どちらもフラッシュの消費量を減らすことを目的としています。しかし、彼らは根本的に異なる方法でそれを行っています。

データ削減とスマートな自動階層化は、高価なフラッシュ ストレージへの依存を減らすという同じビジネス上の問題を解決することを目的としています。ビジネスや CFO の観点からは、どちらも節約が約束されているため、同じように見えることがあります。ただし、アーキテクチャ的には、根本的に異なるアプローチを採用しています。

データ削減

データ削減は、圧縮と重複排除を通じてデータ自体を変更することで機能します。圧縮ではデータ ブロックが縮小されますが、重複排除では同一データのコピーが 1 つだけ保存されます。その結果、同じ論理データ フットプリントを保存するために必要な物理フラッシュの量が減り、即座に容量を節約でき、「効率 3 倍」などの魅力的な宣伝文句を実現できます。実際には、結果はワークロードの種類、データ形式、使用パターンによって大きく異なります。

ビデオや画像などのメディアは圧縮率が低いことが多く、コンポーネントのコストが高く予測できないため、インライン縮小では CPU と DRAM リソースが大量に消費されます。最終的に、データ削減により、基礎となるストレージ アーキテクチャを変更したり、フラッシュと HDD の間の経済的ギャップに対処したりすることなく、論理的な節約が実現されます。

スマートな自動階層化

スマート自動階層化は別の方法をとります。データを変更するのではなく、データが存在する場所を変更します。頻繁にアクセスされるホット データはフラッシュに配置され、使用頻度の低いコールド データは実際の使用パターンに基づいて低コストの HDD ストレージに自動的に移動されます。データを縮小するのではなく配置を最適化することで、スマート自動階層化によりフラッシュ要件を大幅に削減できます。最新のシステムは約 10 パーセントのフラッシュと 90 パーセントの HDD で動作する可能性があり、長期データ環境では時間の経過とともにさらに極端な比率に達する可能性があります。

この方法はデータ型に依存しないため、節約は安定して予測可能になる傾向があり、容量は変動するのではなく保証されます。主要な課題は、真にインテリジェントな階層化エンジンを設計することです。データが十分な速度で層間を移動できない場合、フラッシュがいっぱいになり、システムは実質的に高価なオールフラッシュ環境になります。

なぜそれが重要なのか

これらのアプローチの違いは、今日ではこれまで以上に重要になっています。かつてフラッシュは主にパフォーマンス層として使用されていましたが、AI ワークロードや最新のアプリケーションではフラッシュがデフォルトとして想定されることが増えています。同時に、フラッシュの価格が HDD に比べて上昇しているため、単純な論理的な節約では不十分です。圧縮によりサイズが削減され、自動階層化により露出が削減されます。これらは競合するテクノロジーではなく、さまざまな経済的課題に対する解決策です。データ削減により、既存のフラッシュ内にさらに多くのストレージを保存できるようになり、スマートな自動階層化によりストレージのコスト構造自体が再構築されます。

結局のところ、どちらを選択するかは、単なる技術的な好みではなく、戦略的な決定になります。 AI 時代のインフラストラクチャを設計する組織は、短期的な効率向上を超えて、アーキテクチャの効率性を考慮する必要があります。論理最適化と構造最適化の違いを理解することが、段階的な節約と長期的なコスト管理を分けるものです。

Gal Naor 氏は CEO です。 StorONE。

続きを読む

データストレージの問題とその解決方法 – データストレージのデジタル化は困難な作業となる可能性があり、企業が直面する最大の障壁の一部は、インフラストラクチャ、コスト、セキュリティ、コンプライアンス、および人材です。

フラッシュ ストレージの価格が高騰 – 今や自動階層化が不可欠 – この記事では、フラッシュ ストレージが組織にとって持続不可能になりつつある今、何をすべきかを検討します