W tym tygodniu Brian udał się do Raleigh, aby spotkać się z Chadem Bowningerem z HPE. Chad jest głównym menedżerem ds. produktów i rozwiązań, koncentrując się na pamięci masowej HPE Alletra Storage MP X10000 oraz nowym węźle akceleratora ochrony danych (DPAN).
To luźna rozmowa, mimo że temat jest techniczny. Chad nawet przyniósł sofę, żeby atmosfera była jeszcze bardziej przyjazna.
Dyskusja obejmuje wszystko, począwszy od Alletra Storage MP B10000 i jego ewolucji do MP X10000, aż po ochronę danych i węzeł akceleratora ochrony danych.
Zespół Storagereview współpracował z Chadem nad dogłębną analizą rozwiązania HPE Alletra Storage MP X10000, a jego premiera odbędzie się 26 lutego. Recenzja i podcast zapewnią Ci solidne zrozumienie rozwiązania MP X10000 i sieci DPAN.
Ten podcast trwa zaledwie około 30 minut, ale podzieliliśmy go na pięciominutowe segmenty, aby dać Ci możliwość szybkiego przejścia do interesujących Cię tematów.
0:00–5:00: Alletra Storage MP X10000 jako miejsce docelowe kopii zapasowej
- Wprowadzenie do X10000: Zbudowany od podstaw jako HPE IP dla danych niestrukturalnych, pozycjonowany jako kolejny rozdział w platformie blokowej B10000.
- Strategia platformy: Przeniesienie urządzenia X10000 z roli podstawowego magazynu danych do wydajnego, całkowicie flash-owego miejsca tworzenia kopii zapasowych.
- Wymagania dotyczące danych AI: Procesy przetwarzania sztucznej inteligencji i trenowanie modeli wymagają ogromnej „przestrzeni roboczej” i długoterminowego przechowywania danych.
- Szybka łączność: Obecnie obsługiwane są standardy 100GbE, a certyfikacja 200GbE ma na celu wyeliminowanie wąskich gardeł w sieci.
5:00–10:00: Architektura Akceleratora Ochrony Danych (DPA)
- Wydajność w stosunku do surowej prędkości: Węzeł DPA priorytetowo traktuje efektywną przepustowość i wartość operacyjną, a nie surowe IOPS.
- Integracja technologii Catalyst: Wykorzystanie kodu Catalyst StoreOnce pozwoliło na osiągnięcie średniego współczynnika deduplikacji na poziomie 20:1.
- Rozładunek ciężkich ładunków: DPA zajmuje się deduplikacją i szyfrowaniem, przesyłając strumieniowo przetworzone dane bezpośrednio do X10000.
- Skupienie na szybkim odzyskiwaniu: Wykorzystanie architektury flash-to-flash w celu znacznego przyspieszenia rehydratacji i czasu przywracania.
- Ekosystem partnerski: Zaprojektowany jako elastyczny cel dla istniejącego oprogramowania, takiego jak Commvault i Veeam.
10:00–15:00: Skalowanie liniowe i testy wydajności
- Wzrost modułowy: Każdy węzeł DPA zarządza około 2 PB, niezależnie skalując moc obliczeniową i pojemność.
- Określanie rozmiarów na podstawie SLA: Dodanie wielu węzłów DPA umożliwia równoległe przesyłanie strumieniowe w celu spełnienia ambitnych celów RTO/RPO.
- Wydajność pobierania: Podane stawki wynoszą 1.2 PB na godzinę przy użyciu konfiguracji czterech akceleratorów.
- Zróżnicowanie rynku: HPE uważa DPA za unikalne podejście wykorzystujące przyspieszenie sprzętowe, niespotykane dotychczas na rynku.
15:00–20:00: Strategia portfela i wartość danych
- Skala przedsiębiorstwa: Skierowany do środowisk wielopetabajtowych w sektorze bankowym, rządowym i komercyjnym na dużą skalę.
- Zabezpieczenie na przyszłość: Rozproszona architektura zapobiega konieczności modernizacji wózków widłowych, umożliwiając proste dodawanie napędów lub węzłów.
- Niezmienność i bezpieczeństwo: W celu rozwiązania problemu oprogramowania wymuszającego okup wprowadzono takie podstawowe funkcje, jak niezmienność.
- Narzędzie wielofunkcyjne: X10000 może jednocześnie obsługiwać kopie zapasowe, potoki AI i jeziora danych.
20:00–28:00: Walidacja laboratoryjna i wpływ na biznes
- Testy w świecie rzeczywistym: Konfiguracje laboratoryjne wykorzystują 30-hostowe klastry VMware w celu sprawdzenia wydajności na dużą skalę.
- Ewolucja sieci: Łączymy szybką infrastrukturę sztucznej inteligencji z tradycyjnie wolniejszymi sieciami zapasowymi.
- „Niewypowiedziana rzeczywistość”: Rozwiązanie problemu powszechnej rozbieżności między oficjalnymi umowami SLA a rzeczywistymi, wolniejszymi możliwościami odzyskiwania danych.
- Uzasadnienie ekonomiczne: Bezpośrednie powiązanie wydajności szybkiego przywracania danych z minimalizacją strat przychodów podczas przestoju.
- Przewidywalne prognozowanie: Skalowanie liniowe ułatwia planowanie budżetu i pojemności rozwijającym się organizacjom.
Amazon