Hiper Convergência
Existem diferentes opiniões sobre o que a hiper-convergência realmente é.Também varia com base no escopo dos componentes (por exemplo, virtualização, rede, etc.). No entanto, o conceito principal resume-se ao seguinte: combinar nativamente dois ou mais componentes em uma única unidade. 'Nativamente' é a palavra chave aqui.
Para ser o mais eficaz, os componentes devem ser integrados nativamente e não apenas agrupados. No caso da Nutanix, nós convergimos nativamente o armazenamento de computação + para formar um único nó usado em nosso dispositivo. Para outros, isso pode estar convergindo o armazenamento com a rede, etc.
O que isso realmente significa:
Integrando nativamente dois ou mais componentes em uma única unidade que pode ser facilmente dimensionada
Os benefícios incluem:
Unidade única para dimensionar
E / S localizada
Elimina silos tradicionais de computação / armazenamento, convergindo-os
Inteligência Definida por Software
Inteligência definida por software está tomando a lógica central de hardware normalmente proprietário ou especializado (por exemplo, ASIC / FPGA) e fazendo isso em software em hardware de commodity. Para a Nutanix, adotamos a lógica de armazenamento tradicional (por exemplo, RAID, deduplicação, compactação etc.) e a colocamos em um software executado em cada uma das VMs do Controlador Nutanix (CVM) no hardware padrão.
Arquiteturas Suportadas
Atualmente, o Nutanix suporta as arquiteturas x86 e IBM POWER.
O que isso realmente significa:
Puxando a lógica chave do hardware e fazendo isso em software em hardware de commodity
Os benefícios incluem:
Ciclos de lançamento rápido
Eliminação de confiança proprietária de hardware
Utilização de hardware commodity para melhor economia
Proteção do investimento Lifespan
Para elaborar o último ponto: o hardware antigo pode executar o mais recente e melhor software. Isso significa que um ano de hardware em seu ciclo de depreciação pode executar o software de remessa mais recente e ter paridade de recurso com novas implantações enviadas da fábrica.
Sistemas Autônomos Distribuídos
Sistemas autônomos distribuídos envolvem o afastamento do conceito tradicional de ter uma única unidade responsável por fazer algo e distribuir essa função entre todos os nós dentro do cluster. Você pode pensar nisso como criar um sistema puramente distribuído. Tradicionalmente, os fornecedores assumiram que o hardware será confiável, o que, na maioria dos casos, pode ser verdadeiro. No entanto, o núcleo dos sistemas distribuídos é a ideia de que o hardware eventualmente falhará e o manuseio dessa falha de uma maneira elegante e sem interrupções é fundamental.
Esses sistemas distribuídos são projetados para acomodar e remediar falhas, para formar algo que seja auto-reparador e autônomo. No caso de falha de um componente, o sistema irá manipular e remediar a falha de forma transparente, continuando a operar conforme o esperado. O alerta fará o usuário ciente, mas em vez de ser um item crítico sensível ao tempo, qualquer correção (por exemplo, substituir um nó com falha) pode ser feita na programação do administrador. Outra maneira de colocá-lo é falhar no local (reconstruir sem substituir) Para itens em que um "mestre" é necessário, um processo de eleição é utilizado. No caso deste mestre falhar, um novo mestre é eleito. Para distribuir o processamento de tarefas, os conceitos do MapReduce são aproveitados.
O que isso realmente significa:
Distribuindo funções e responsabilidades para todos os nós dentro do sistema
Utilizando conceitos como o MapReduce para executar o processamento distribuído de tarefas
Usando um processo de eleição no caso em que um "mestre" é necessário
Os benefícios incluem:
Elimina qualquer ponto único de falha (SPOF)
Distribui a carga de trabalho para eliminar quaisquer gargalos
Escalada incremental e linear
A escala incremental e linear refere-se à capacidade de iniciar com um determinado conjunto de recursos e, conforme necessário, escalá-los, aumentando linearmente o desempenho do sistema. Todos os construtos mencionados acima são capacitadores críticos para tornar isso uma realidade. Por exemplo, tradicionalmente, você teria três camadas de componentes para executar cargas de trabalho virtuais: servidores, armazenamento e rede - todos dimensionados independentemente.
Por exemplo, quando você dimensiona o número de servidores, não está dimensionando o desempenho do armazenamento. Com uma plataforma hiper-convergente como a Nutanix, quando você escala com novos nós que você está expandindo:
O número de nós hypervisor / compute
O número de controladores de armazenamento
O desempenho / capacidade de computação e armazenamento
O número de nós que participam de operações em todo o cluster
O que isso realmente significa:
A capacidade de dimensionar / armazenar em escala incremental com aumentos lineares para desempenho / capacidade
Os benefícios incluem:
A capacidade de começar pequeno e escalar
Desempenho uniforme e consistente em qualquer escala
Fazendo sentido de tudo
Em suma:
Utilização de computação ineficiente levou à mudança para a virtualização
Recursos incluindo o vMotion, HA e DRS levaram ao requisito de armazenamento centralizado
Expansão de VM levou ao aumento de carga e contenção no armazenamento
SSDs vieram para aliviar os problemas, mas mudaram o gargalo para a rede / controladores
Os acessos de cache / memória pela rede enfrentam grandes sobrecargas, minimizando seus benefícios
A complexidade da configuração de array ainda permanece a mesma
Caches do lado do servidor foram introduzidos para aliviar a carga na matriz / impacto da rede, no entanto, introduz outro componente para a solução
A localidade ajuda a aliviar os gargalos / sobrecargas tradicionalmente enfrentados ao passar pela rede
Desloca o foco da infraestrutura para facilitar o gerenciamento e simplificar a pilha
O nascimento do mundo da Web-Scale!
ASG
https://www.asgit.com.br/
contato@asg.com.br
(51) 3376.1210
Comments