Analytikanwendungen über extrem große Datenbestände laufen zu lassen, wird für Unternehmen zunehmend wichtiger. Dabei kann die Speicherkapazität aber nur in begrenztem Maß steigen. Daher benötigen Unternehmen alternative Lösungen, um die Herausforderungen im Datenwachstum, im steigendem Flexibilitätsbedarf bei Workloads und im schnellem Bereitstellen von Systemressourcen für unterschiedliche Workloads zu bewältigen.
Die neue "General Parallel File System - Shared Nothing Cluster"-Architektur (GPFS-SNC) wurde dafür entwickelt, eine höhere Verfügbarkeit durch neue Clustering-Technologien, dynamisches File-System-Management und neue Datenreplizierungsverfahren zu erreichen. Durch "Shared Nothing" kann ein höheres Niveau an Verfügbarkeit, Leistung und Skalierbarkeit erzielt werden. GPFS-SNC ist eine verteilte Computing-Architektur, in der jeder Knoten "autark" ist. Aufgaben werden zwischen diesen unabhängigen Systemen verteilt und kein Knoten muß auf den anderen warten.
Die heutige IBM GPFS-Technologie ist bereits ein Kernbestandteil von IBM HPC-Systemen, dem IBM Information Archive, IBM Scale-Out NAS (SONAS) und der IBM Smart Business Compute Cloud. Die Weiterentwicklungen der IBM Labore wie GPFS-SNC erlauben eine weitere Ausdehnung dieser Angebote auf künftige, sehr große Herausforderungen im Datenbereich.
Beispielsweise setzen Finanzinstitute komplexe Algorithmen ein zur Risikoanalyse. Sie stützen sich dabei auf die Auswertung von Datenbeständen in Petabyte-Größe (1 Petabyte = 1 Mio Gigabyte). Dadurch, daß zugrundeliegende Dateien in Milliardenstückzahl über mehrere IT-Plattformen und Speichersysteme rund um die Welt verteilt sein können, erfordern diese wichtigen Anwendungen signifikante IT-Ressourcen und Kostenaufwände. Unter dem Einsatz des neuen GPFS-SNC-Designs können solche Anwendungen künftig effizienter werden, da das Design ein gemeinsames Dateisystem und einen gemeinsamen Namespace über verschiedene IT-Plattformen bereitstellt. Damit kann der Verarbeitungsprozess vereinfacht werden und der Speicherbedarf weiter reduziert.
Weitere Informationen über IBM Forschung: www.ibm.com/research