Firma Dell EMC ogłosiła potencjalne rozwiązanie problemu uzyskania gęstości 1 PB w obudowie 1U. Dell EMC zamierza wykorzystać niedrogie rozwiązania M.2 SSD w saniach PCIe, które nie będą większe od standardowego adaptera GPU. Pozwoliłoby to wprowadzić na rynek ekonomiczne rozwiązanie pamięci masowej NVMe o bardzo wysokiej gęstości.
Big data wciąż się rozwija i staje się coraz cenniejszy. Wraz z gwałtownym wzrostem liczby urządzeń IoT i ich zastosowań, gromadzone są dane w większym stopniu niż kiedykolwiek wcześniej, co pozwala na uzyskanie wglądu, który przełoży się na nowe możliwości biznesowe lub przychody. Branża robi ogromne postępy w zwiększaniu gęstości, ale jak dotąd nie udało się osiągnąć poziomu 1 PB na 1U. Choć można by umieścić dziesięć dysków SSD o pojemności 128 TB w jednej macierzy, byłoby to niezwykle kosztowne. Dell EMC opracował nowe rozwiązanie.
Dział infrastruktury Extreme Scale (ESI) firmy Dell EMC wykorzystuje dyski SSD M.2 o mniejszej pojemności i niższych kosztach, umieszczając 10 dysków na saniach PCIe nie większych niż standardowy adapter GPU. Obecnie pojemność M.2 zapewnia prawie 100 TB na sanki, a cztery sanki mieszczą się w obudowie Dell EMC C4140, co daje prawie 400 TB w obudowie 1U. Nie jest to jeszcze 1 PB, ale dyski M.2 będą częściej spotykane w wyższych pojemnościach, najprawdopodobniej w tym roku, co zwiększy całkowitą pojemność do prawie 800 TB na 1U, znacznie bliżej celu 1 PB.
Dell EMC ESI twierdzi, że jest to możliwe w przypadku cen SATA, ale będą to dyski NVMe. Zapewnią one wydajność NVMe do 800 TB na jednostkę przestrzeni w szafie rack. Aby jeszcze bardziej zoptymalizować wydajność, te sanki (wraz z serwerem PowerEdge C4140) będą sparowane z dwiema kartami sieciowymi 100 Gb/s, co zapewni przepustowość 200 Gb/s. Rozwiązanie 5U może zatem zapewnić przepustowość 1 TB i miliony operacji wejścia/wyjścia na sekundę (IOPS), nie wspominając o potencjale pamięci masowej.
Taka ilość pamięci masowej i wydajność byłaby idealna do obsługi ciągłego pobierania ogromnych ilości danych, na przykład jako front-end w architekturze przetwarzania brzegowego. Byłoby to również korzystne dla firm wykorzystujących uczenie maszynowe, sztuczną inteligencję lub wdrażających dużą liczbę urządzeń IoT.
Amazon