L’affermazione della terza piattaforma ha richiesto lo sviluppo di
nuove architetture storage, quali gli allflash array (AFA) e le infrastrutture
iperconvergenti (HCI), che puntano alla risoluzione di numerosi problemi legati
a infrastrutture storage di precedente generazione, alle performance, alla
crescita dei dati e alla relativa rapidità di incremento dei requisiti di
espansione, alla produttività degli amministratori, all'affidabilità e
all'efficienza in termini di consumo di energia e spazio. Per molte
aziende è importante supportare all'interno della stessa
infrastruttura virtuale consolidata applicazioni di precedente generazione (es.
database relazionali, piattaforme di messaggistica/collaborazione e condivisione
dei file) e applicazioni di nuova generazione (NGA) . I mercati guidati da
questi requisiti sono già piuttosto estesi: secondo IDC, AFA e HCI produrranno
ricavi rispettivamente per circa 5,5 e 4 miliardi di dollari entro il 2019.
Tale crescita si è verificata nei 5-6 anni successivi all'introduzione di
questi prodotti sul mercato.
Nei
prossimi 10 anni, secondo IDC, la terza piattaforma dominerà le decisioni
infrastrutturali IT. Le NGA legate a mobility, social media, big data/analytics
e cloud stanno aprendo notevoli opportunità di crescita per le imprese più
lungimiranti alla ricerca di nuovi clienti e mercati a cui offrire servizi
innovativi non esistenti in passato. Una delle caratteristiche chiave delle NGA
è la scalabilità: si tratta di applicazioni che richiedono milioni di IOPS e
utilizzano set di dati molto estesi che impongono l'utilizzo di un'enorme
larghezza di banda e di capacità di archiviazione sull'ordine dei petabyte (PB)
e oltre. Le NGA devono spesso gestire un'acquisizione dei dati intensiva, su
scala globale e con latenze inferiori a quelle offerte dagli attuali AFA. Molti
nuovi clienti e molte opportunità di mercato si basano sulla real-time
analytics per trasformare i dati in informazioni in grado di generare valore
differenziante. Questo valore giustifica ampiamente una spesa più elevata.
I
Big data/analytics offriranno nuove e rivoluzionarie informazioni ad aziende
innovatrici, sviluppatori e operatori di mercato, cambiando per sempre il modo
in cui il business si proporrà al mercato e venderà i prodotti. Le imprese
devono raccogliere e gestire set di dati infinitamente più estesi di quelli
gestiti in passato. La velocità è un elemento fondamentale per l'analisi e lo
sfruttamento di opportunità transitorie o impossibili da gestire con gli
approcci di analisi convenzionali. Entro pochi anni, le aziende incapaci di
sfruttare al meglio la real-time analytics o le imprese prive di infrastrutture
IT flessibili per una risposta rapida alle opportunità individuate dagli
analytics, subiranno un notevole svantaggio competitivo. Le imprese in grado di
comprendere l'impatto del passaggio alla terza piattaforma nei mercati AFA e
HCI otterranno un chiaro quadro del cambiamento imposto dai big data/analytics
alle attuali infrastrutture.
Per
gestire i requisiti di real-time analytics nei repository di big data in
continua evoluzione, le aziende hanno iniziato a utilizzare gli AFA. Tali
sistemi tuttavia sono stati progettati per l'utilizzo di set di dati più
piccoli e hanno limitate capacità di adeguamento agli estesi data set dell'era
della terza piattaforma. Nello specifico, gli AFA non riescono a gestire al
meglio l'acquisizione dei nuovi dati eseguendo allo stesso tempo le richieste
dai clienti di real-time analytics. Di conseguenza, gli AFA utilizzati in
questi tipi di ambienti richiedono una notevole quantità di lavoro manuale,
ovvero la suddivisione dei carichi di lavoro in partizioni e la loro
sistribuzione fra diversi sistemi, spesso creando diverse copie dei set di dati
già sottoposti a partizionamento. Occorrono diverse copie per ottenere le
performance necessarie per il rispetto degli SLA delle applicazioni, aspetto
che produce un utilizzo inefficiente della capacità di storage. Inoltre, gli
AFA non dispongono della larghezza di banda necessaria per la gestione dei
requisiti di estrazione, trasformazione e caricamento (ETL) e del supporto
decisionale richiesto da questi ambienti "data at scale". Di
conseguenza, amministratori e analisti impiegano molto tempo nella messa a
punto di sistemi privi della capacità di gestire questo tipo di dimensioni.
Le
architetture di storage emergenti per la gestione di questi requisiti
offriranno importanti elementi tecnologici di differenziazione. Innanzitutto,
per offrire performance ottimizzate in termini di latenza e throughput occorre
potenziare la connessione host fra server e array al fine di supportare latenze
costantemente inferiori a 100 microsecondi. La soluzione più immediata consiste
nell'espandere il bus interno dei server per adattarsi allo storage condiviso.
In seconda istanza, occorre costruire il sistema su memory-based storage media
senza i requisiti per soddisfare lo spinning dei dischi. Le tecnologie di
memoria emergenti consentono di aumentare l'affidabilità, ridurre il consumo
energetico e migliorare la densità dello storage, a patto di sacrificare la
compatibilità con le tecnologie di precedente generazione, caratteristiche
importanti per la scalabilità. In terza istanza, la piattaforma deve adattarsi
contemporaneamente a diversi tipi di dati (strutturati, non strutturati e semi
strutturati) , in maniera nativa e senza inefficienze. Per consentire alle
imprese di sfruttare al meglio i dati per identificare opportunità, occorrerà
utilizzare ogni tipo di dato in modo efficiente e senza alcuna preferenza fra essi.
Infine, occorre abbandonare gli attuali stack di I/O relativamente pesanti e
adottarne altri dedicati a questa nuova architettura. Molte applicazioni di
data analytics vengono scritte in maniera specifica, mentre la disponibilità di
un'API in grado di sfruttare uno stack di I/O più snello e dalla latenza
inferiore potrà offrire vantaggi agli sviluppatori desiderosi di ottimizzare
performance, affidabilità ed efficienza dello storage.
IDC
inizia a rilevare la presenza di architetture storage di nuova generazione
progettate per rispondere alle esigenze di scalabilità della data analytics.
Alla luce delle dimensioni del mercato di big data/analytics dei prossimi anni,
la spesa per l'infrastruttura storage per queste tecnologie crescerà più
velocemente rispetto a quello che abbiamo visto fare per le architetture di
storage emergenti. Il 2016 si preannuncia un anno interessante, considerata la
maggiore disponibilità delle soluzioni storage orientate ai big data.
IDC Analyst – Eric Burgener, Research
Director, Storage
