Lernen von Cloud-Services

Ansätze in der IT-Industrie, «Software-defined»-Produkte einzuführen, gibt es viele. Virtualisierte Server kann man sich auch als Software-definiert vorstellen: Mit einer bestimmten Software (Hypervisor) werden lauter virtuelle Maschinen oder kleinere Unter-Server erzeugt, die in sich ein Betriebssystem und mehrere Anwendungen aufnehmen.

Etwas Ähnliches passiert bei Containern: Durch den Einsatz einer speziellen Software werden selbstständig agierende Behälter für Programme und bestimmte Aufgaben eingerichtet und mit einer Orchestrierungs-Software (zum Beispiel Kubernetes) verwaltet. Und virtuelle Netzwerke lassen sich in mehrere Einzelstücke aufteilen, um Durchsatz, Last und die Performance insgesamt zu erhöhen. Viele dieser Neuerungen wurden in den grossen Cloud-Rechenzentren ent­wickelt.

Um die Besonderheit der Lösung von Datera besser zu verstehen, muss man sich klarmachen, dass cloudähnliche Services – wie man sie von den Infrastruktur-Bereichen Compute und Networking kennt – für Storage lange auf sich warten liessen. Heute wird zwar auf Herstellerseite viel von «Software-defined Storage» gesprochen, aber die grundsätzliche Problematik wird oft noch nicht angegangen. Der Analyst George Crump von Storage Switzerland hat darauf hingewiesen, dass traditionelle Storage-Systeme von Haus aus nicht für die automatisierte Unterstützung von Multi-Workloads geschaffen wurden.

Rechenzentren sind vielmehr dadurch charakterisiert, dass in ihnen eine grosse Bandbreite an Workloads stattfindet, die von Datenbanken auf Bare-Metal-Servern bis zu Anwendungen reicht, die in virtuelle Maschinen oder Container gepackt sind. Ausserdem nimmt die Menge an unstrukturierten Daten, die verarbeitet und ausgewertet werden, dramatisch zu, Stichwort Big Data. Für all diese Workload-Varianten gibt es darüber hinaus unterschiedliche Anforderungen an Performance und Kapazität.

Die klassische Lösung für das Multi-Workload-Problem, wie es George Crump beschreibt, besteht darin, für jede Art von Workload oder Programm ein ei­genes, abgetrenntes Speichersystem zu schaffen. Wenn neue Workloads oder Applikationen dazukommen, wird damit ein automatisches Provisioning mit Speicherplatz annähernd unmöglich. In der Folge müssen immer mehr Storage-Arrays hinzugefügt werden, was die Infrastrukturkosten in die Höhe treibt und das Management der Systeme erschwert.

Die Antwort der Hersteller auf diese Situation –  nämlich Scale-out-Systeme einzurichten – entschärft zwar das Wachstums- und Performance-Problem, ändert aber nichts daran, dass im Rechenzentrum immer noch verschiedene Speichersilos nebeneinander bestehen. Ausserdem sind in der Regel für das Wachstum fast die identischen Nodes erforderlich, während gemischte Cluster nur schwer zu verwalten sind, argumentiert Crump.

Der Ansatz von Datera zielt dagegen darauf ab, in einem Design aus Software und Datenorientierung unterschiedliche Arten von Nodes in einem einzigen Cluster zu unterstützen, der mehrere Rechenzentren einschliesslich Cloud-Installationen umfassen kann. Diese Architektur will alle Anforderungen traditioneller Anwendungen mit den Skalierungswerkzeugen moderner, Software-definierter Umgebungen zusammenbringen. Datera spricht auch von einer «application-driven data services platform».

Ein weiteres Merkmal von Dateras Data Services Platform ist, dass sie zum Schutz von Daten auf Replikation statt auf das heute sehr verbreitete Erasure Coding setzt. Die Replikation wird dabei innerhalb des Clusters von einem einzigen Node aus eingesetzt, was die Netzwerklatenzen reduziert, wie sie bei Erasure Code üblich sind.

DSP kann zudem verschiedene Speichermedien wie Flash und Festplatten gemeinsam verwalten und die Daten je nach aktiver oder mehr «kalter» Benutzung automatisch platzieren. Mit DSP lassen sich ferner Policies festlegen, mit denen die Daten zwischen verschiedenen Rechenzentren, entfernten Zweigstellen und Cloud-Systemen verteilt werden können.

Um seinen ambitionierten Storage-Management-Ansatz professionell vertreiben und entwickeln zu können, wird Datera sein Team von derzeit etwa 100 Mitarbeitern stark ausbauen oder Partnerschaften eingehen müssen. Das wird sich nicht ohne neue Finanzierungsrunden und die Unterstützung von Venture-Capital-Firmen machen lassen. Dafür sieht sich Dateras CEO Marc Fleischmann gut gerüstet.