Hyperconverged समाधान AERODISK vAIR। आधार - ARDFS फाइल सिस्टम

हाय, हेब्र के पाठक। इस लेख के साथ हम एक चक्र खोल रहे हैं जो हाइपरकॉन्वर्ड सिस्टम AERODISK vAIR के बारे में बात करेगा जो हमने विकसित किया था। प्रारंभ में, हम चाहते थे कि पहला लेख सब कुछ के बारे में सब कुछ बताए, लेकिन प्रणाली काफी जटिल है, इसलिए हम भागों में एक हाथी खाएंगे।

चलो सिस्टम के इतिहास के साथ कहानी शुरू करते हैं, ARDFS फाइल सिस्टम में गहराई से जाते हैं, जो कि vAIR की नींव है, और रूसी बाजार पर इस समाधान की स्थिति के बारे में भी थोड़ी बात करते हैं।

भविष्य के लेखों में, हम विभिन्न वास्तुशिल्प घटकों (क्लस्टर, हाइपरवाइजर, लोड बैलेंसर, मॉनिटरिंग सिस्टम, आदि) के बारे में अधिक बात करेंगे, कॉन्फ़िगरेशन प्रक्रिया, हम लाइसेंसिंग मुद्दों को उठाएंगे, अलग से क्रैश टेस्ट दिखाएंगे और निश्चित रूप से, लोड टेस्टिंग और के बारे में लिखेंगे। आकार। हम vAIR के सामुदायिक संस्करण के लिए एक अलग लेख भी समर्पित करेंगे।

क्या एक एयरडिस्क स्टोरेज की कहानी है? या हमने भी हाइपरकॉन्विगिंग क्यों शुरू की?

प्रारंभ में, अपने खुद के हाइपरकॉन्जेंट बनाने का विचार हमें 2010 के वर्ष के आसपास कहीं आया था। तब बाजार पर एरोडिस्क और इसी तरह के समाधान (वाणिज्यिक बॉक्सिंग हाइपरकॉन्वर्ड सिस्टम) नहीं थे। हमारा कार्य निम्नानुसार था: ईथरनेट के माध्यम से जुड़े एक स्थानीय डिस्क के साथ सर्वर के एक सेट से, हमें विस्तारित भंडारण करना था और उसी स्थान पर वर्चुअल मशीन और एक सॉफ्टवेयर नेटवर्क चलाना था। यह सब भंडारण प्रणालियों के बिना लागू करने की आवश्यकता थी (क्योंकि भंडारण और इसके बंडल के लिए बस पैसा नहीं था, और हमने अभी तक अपनी भंडारण प्रणाली का आविष्कार नहीं किया था)।

हमने बहुत सारे ओपन सोर्स समाधानों की कोशिश की और फिर भी इस समस्या को हल किया, लेकिन समाधान बहुत जटिल था, और इसे दोहराना मुश्किल था। इसके अलावा, यह निर्णय "वर्क्स" की श्रेणी से था? स्पर्श मत करो! ” इसलिए, उस समस्या को हल करने के बाद, हमने अपने काम के परिणाम को एक पूर्ण उत्पाद में बदलने के विचार को विकसित नहीं किया।

उस घटना के बाद, हम इस विचार से दूर चले गए, लेकिन हमें अभी भी यह एहसास था कि यह कार्य पूरी तरह से हल है, और इस तरह के समाधान के लाभ स्पष्ट से अधिक थे। इसके बाद, विदेशी कंपनियों के HCI उत्पाद जो केवल जारी किए गए थे, ने इस भावना की पुष्टि की।

इसलिए, 2016 के मध्य में, हम एक पूर्ण उत्पाद के निर्माण के हिस्से के रूप में इस कार्य पर लौट आए। तब निवेशकों के साथ हमारा कोई संबंध नहीं था, इसलिए हमें अपने विकास के लिए बहुत बड़ा पैसा नहीं खरीदना था। Avito BU-shyh सर्वर और स्विच पर टाइप करने के बाद, हम काम करना चाहते हैं।

मुख्य आरंभिक कार्य आपका स्वयं का निर्माण करना था, यद्यपि आपकी स्वयं की फ़ाइल प्रणाली, जो ईथरनेट के माध्यम से परस्पर जुड़े क्लस्टर नोड्स की संख्या पर वर्चुअल ब्लॉक के रूप में डेटा को स्वचालित रूप से और समान रूप से वितरित करने में सक्षम होगी। इस मामले में, एफएस को अच्छी तरह से और आसानी से स्केल किया जाना चाहिए और आसन्न सिस्टम से स्वतंत्र होना चाहिए, अर्थात। vAIR से "बस भंडारण" के रूप में अलग कर दिया जाए।

VAIR पहली अवधारणा

हमने जानबूझकर अपने विकास के पक्ष में विस्तारित भंडारण (सीफ, चमक, चमक और इसी तरह) के आयोजन के लिए तैयार खुले स्रोत समाधानों का उपयोग करने से इनकार कर दिया, क्योंकि हमारे पास पहले से ही उनके साथ परियोजना का बहुत अनुभव था। बेशक, ये समाधान स्वयं अद्भुत हैं, और इससे पहले कि हम एरोडिस्क पर काम करते, हमने उनके साथ एक से अधिक एकीकरण परियोजना को लागू किया। लेकिन यह एक बात है कि एक ग्राहक के विशिष्ट कार्य का एहसास करना, कर्मचारियों को प्रशिक्षित करना और, संभवतः, एक बड़े विक्रेता के लिए समर्थन खरीदना, और यह आसानी से दोहराया जाने वाला उत्पाद बनाने के लिए एक और दूसरी चीज़ है जिसका उपयोग विभिन्न कार्यों के लिए किया जाएगा, जिसे हम, एक विक्रेता के रूप में, स्वयं भी जान सकते हैं। हम नहीं करेंगे। दूसरे उद्देश्य के लिए, मौजूदा ओपन सोर्स उत्पाद हमें शोभा नहीं देते हैं, इसलिए हमने स्वयं वितरित फाइल सिस्टम को देखने का फैसला किया।
दो साल बाद, कई डेवलपर्स (जिन्होंने क्लासिक स्टोरेज इंजन पर काम के साथ vAIR पर संयुक्त काम किया) ने एक निश्चित परिणाम प्राप्त किया।

वर्ष 2018 तक, हमने सबसे सरल फ़ाइल सिस्टम लिखा था और इसे आवश्यक बाध्यकारी के साथ पूरक किया था। सिस्टम इंटिग्रेटेड फिजिकल (लोकल) डिस्क्स को अलग-अलग सर्वरों से एक फ्लैट पूल में आंतरिक इंटरकनेक्ट और वर्चुअल ब्लॉक्स में "कट" करता है, फिर वर्चुअल ब्लॉक्स से अलग-अलग डिवाइसेज को ब्लॉक किया जाता है, जिस पर वर्चुअल केवीएम हाइपरविजर बनाए गए और निष्पादित किए गए। मशीन।

हमने फाइल सिस्टम के नाम से परेशान नहीं हुए और सफलतापूर्वक इसे ARDFS कहा (अनुमान लगाते हैं कि यह कैसे घटता है)

यह प्रोटोटाइप अच्छा लग रहा था (नेत्रहीन नहीं, ज़ाहिर है, तब कोई दृश्य डिजाइन नहीं था) और प्रदर्शन और स्केलिंग में अच्छे परिणाम दिखाए। पहले वास्तविक परिणाम के बाद, हमने इस परियोजना के लिए पाठ्यक्रम निर्धारित किया है, एक पूर्ण विकसित पर्यावरण और एक अलग टीम का आयोजन किया है जो केवल vAIR में लगी हुई थी।

बस उस समय, समाधान की सामान्य वास्तुकला परिपक्व हो गई थी, जो अब तक बड़े बदलावों से नहीं गुजरा था।

ARDFS फाइल सिस्टम में डाइविंग

ARDFS vAIR की नींव है, जो पूरे क्लस्टर का वितरित फेलओवर प्रदान करता है। एआरडीएफएस की एक (बल्कि एकमात्र) विशिष्ट विशेषता यह है कि यह मेटा और प्रबंधन के लिए किसी भी अतिरिक्त समर्पित सर्वर का उपयोग नहीं करता है। यह मूल रूप से समाधान के विन्यास को आसान बनाने और इसकी विश्वसनीयता के लिए बनाया गया था।

भंडारण संरचना

सभी क्लस्टर नोड्स के भीतर, ARDFS सभी उपलब्ध डिस्क स्थान से एक तार्किक पूल का आयोजन करता है। यह समझना महत्वपूर्ण है कि एक पूल अभी तक डेटा नहीं है और प्रारूपित स्थान नहीं है, लेकिन बस मार्कअप, अर्थात। vAIR के साथ कोई भी नोड जब क्लस्टर में जोड़ा जाता है तो स्वचालित रूप से साझा ARDFS पूल में जोड़ा जाता है और डिस्क संसाधन स्वचालित रूप से पूरे क्लस्टर (और भविष्य के डेटा भंडारण के लिए उपलब्ध) में साझा हो जाते हैं। यह दृष्टिकोण आपको पहले से चल रहे सिस्टम पर किसी भी गंभीर प्रभाव के बिना मक्खी पर नोड्स जोड़ने और हटाने की अनुमति देता है। यानी यदि आवश्यक हो तो क्लस्टर में नोड्स जोड़ना या निकालना, सिस्टम को "ईंटों" के साथ स्केल करना बहुत आसान है।

वर्चुअल डिस्क (वर्चुअल मशीन के लिए स्टोरेज ऑब्जेक्ट) ARDFS पूल के शीर्ष पर जोड़े जाते हैं, जो आकार में 4 मेगाबाइट के वर्चुअल ब्लॉक से निर्मित होते हैं। वर्चुअल डिस्क सीधे डेटा स्टोर करते हैं। वर्चुअल डिस्क स्तर पर, एक दोष सहिष्णुता योजना भी परिभाषित की गई है।

जैसा कि आपने अनुमान लगाया होगा, डिस्क सबसिस्टम के दोष सहिष्णुता के लिए, हम RAID (स्वतंत्र डिस्क के निरर्थक सरणी) की अवधारणा का उपयोग नहीं करते हैं, लेकिन RAIN (स्वतंत्र नोड्स का अतिरेक सरणी) का उपयोग करते हैं। यानी दोष सहिष्णुता को नोड्स के आधार पर मापा, स्वचालित और प्रबंधित किया जाता है, डिस्क को नहीं। डिस्क, निश्चित रूप से, एक भंडारण वस्तु भी है, वे, बाकी सब कुछ की तरह, निगरानी की जाती है, आप स्थानीय हार्डवेयर RAID के निर्माण सहित उनके साथ सभी मानक संचालन कर सकते हैं, लेकिन क्लस्टर नोड्स के साथ काम करता है।

ऐसी स्थिति में जहां आप वास्तव में RAID चाहते हैं (उदाहरण के लिए, एक ऐसा परिदृश्य जो छोटे समूहों पर कई विफलताओं का समर्थन करता है), कुछ भी आपको स्थानीय RAID नियंत्रक का उपयोग करने से रोकता है, और स्ट्रेच किए गए भंडारण और शीर्ष पर एक RAIN आर्किटेक्चर कर रहा है। यह परिदृश्य काफी जीवंत है और हमारे द्वारा समर्थित है, इसलिए हम इसके बारे में एक लेख में vAIR का उपयोग करने के लिए विशिष्ट परिदृश्यों के बारे में बात करेंगे।

भंडारण विफलता योजनाएँ

दो vAIR वर्चुअल डिस्क रेजिलिएशन स्कीम हो सकती हैं:

1) प्रतिकृति कारक या सिर्फ प्रतिकृति - दोष सहिष्णुता की यह विधि सरल है "छड़ी और रस्सी की तरह"। 2 (2 प्रतियाँ प्रति क्लस्टर) या 3 (3 प्रतियाँ, क्रमशः) के कारक के साथ नोड्स के बीच समकालिक प्रतिकृति का प्रदर्शन किया जाता है। RF-2 एक क्लस्टर में एक नोड की विफलता का सामना करने के लिए एक आभासी डिस्क की अनुमति देता है, लेकिन प्रयोग करने योग्य मात्रा के आधे हिस्से को "खाता है", और RF-3 एक क्लस्टर में 2 नोड्स की विफलता का सामना करेगा, लेकिन यह अपनी जरूरतों के लिए 2/3 प्रयोग करने योग्य मात्रा आरक्षित करेगा। यह योजना RAID -1 के समान है, अर्थात, RF-2 में कॉन्फ़िगर की गई एक वर्चुअल डिस्क क्लस्टर के किसी भी एक नोड की विफलता के लिए प्रतिरोधी है। इस स्थिति में, डेटा ठीक हो जाएगा और यहां तक ​​कि I / O भी बंद नहीं होगा। जब एक गिर नोड ऑपरेशन पर लौटता है, तो स्वचालित डेटा पुनर्प्राप्ति / सिंक्रनाइज़ेशन शुरू हो जाएगा।

सामान्य मोड में और विफलता की स्थिति में RF-2 और RF-3 डेटा के वितरण के उदाहरण निम्न हैं।

हमारे पास 8MB अनूठे (उपयोगी) डेटा की क्षमता वाली एक वर्चुअल मशीन है जो 4 vAIR नोड्स पर चलती है। यह स्पष्ट है कि वास्तव में यह संभावना नहीं है कि इतनी कम राशि होगी, लेकिन एक ऐसी योजना के लिए जो एआरडीएफएस के तर्क को दर्शाता है, यह उदाहरण सबसे अधिक समझ में आता है। AB अद्वितीय वर्चुअल मशीन डेटा वाले 4MB वर्चुअल ब्लॉक हैं। RF-2 के साथ, इन ब्लॉकों A1 + A2 और B1 + B2 की दो प्रतियां क्रमशः बनाई जाती हैं। ये ब्लॉक नोड्स द्वारा "निर्धारित" किए गए हैं, समान नोड पर समान डेटा के प्रतिच्छेदन से परहेज करते हैं, अर्थात, कॉपी ए 1 एक ही नोट पर कॉपी ए 2 के रूप में नहीं होगा। बी 1 और बी 2 के साथ यह समान है।

नोड्स में से एक की विफलता की स्थिति में (उदाहरण के लिए, नोड 3, जिसमें बी 1 की एक प्रति शामिल है), यह प्रतिलिपि स्वचालित रूप से उस नोड पर सक्रिय होती है जहां इसकी प्रतिलिपि की कोई प्रतिलिपि नहीं है (अर्थात, बी 2 की नकल करें)।

इस प्रकार, RF-2 स्कीम में वर्चुअल डिस्क (और VMs, क्रमशः) एक नोड की विफलता से आसानी से बच जाएगी।

प्रतिकृति के साथ एक सर्किट, इसकी सादगी और विश्वसनीयता के साथ, एक ही गले में RAID1 से ग्रस्त है - थोड़ा प्रयोग करने योग्य स्थान है।

2) मिटाना कोडिंग या विलोपन कोडिंग (जिसे "निरर्थक कोडिंग", "इरेज़र कोडिंग" या "अतिरेक कोड") के रूप में भी जाना जाता है, उपरोक्त समस्या को हल करने के लिए मौजूद है। ईसी एक अतिरेक योजना है जो प्रतिकृति की तुलना में कम डिस्क ओवरहेड के साथ उच्च डेटा उपलब्धता प्रदान करती है। इस तंत्र के संचालन का सिद्धांत RAID 5, 6, 6P के समान है।

एन्कोडिंग करते समय, ईसी प्रक्रिया ईसी स्कीम के आधार पर वर्चुअल ब्लॉक (डिफ़ॉल्ट रूप से 4 एमबी) को कई छोटे "डेटा के टुकड़ों" में विभाजित करती है (उदाहरण के लिए, 2 + 1 योजना प्रत्येक 4 एमबी ब्लॉक को 2 एमबी के 2 टुकड़ों में विभाजित करती है)। इसके अलावा, यह प्रक्रिया पहले से अलग किए गए भागों में से एक से अधिक के "डेटा के टुकड़े" के लिए "समता का हिस्सा" उत्पन्न करती है। जब डिकोडिंग होता है, तो चुनाव आयोग पूरे क्लस्टर में "जीवित" डेटा पढ़कर, लापता टुकड़े उत्पन्न करता है।

उदाहरण के लिए, EC स्कीम 2 + 1 के साथ एक वर्चुअल डिस्क, जो क्लस्टर के 4 नोड्स पर कार्यान्वित की जाती है, आसानी से RF-2 की तरह क्लस्टर में एकल नोड विफलता का सामना कर सकती है। इसी समय, ओवरहेड लागत कम होगी, विशेष रूप से, आरएफ -2 के साथ क्षमता कारक 2 है, और ईसी 2 + 1 के साथ यह 1.5 होगा।

यदि यह वर्णन करना सरल है, तो लब्बोलुआब यह है कि वर्चुअल ब्लॉक 2-8 (क्यों 2 से 8 नीचे देखें) "टुकड़ों" में विभाजित है, और इन टुकड़ों के लिए समान मात्रा की समानता के "टुकड़े" की गणना की जाती है।

परिणामस्वरूप, डेटा और समता को क्लस्टर के सभी नोड्स में समान रूप से वितरित किया जाता है। उसी समय, प्रतिकृति के साथ, एआरडीएफएस स्वचालित रूप से नोड्स के बीच डेटा को इस तरह वितरित करता है जैसे कि डेटा और डेटा को खोने की संभावना को समाप्त करने के लिए एक नोड पर एक ही डेटा (डेटा और उनकी समता की प्रतियां) को रोकने के लिए। समता अचानक एक ही भंडारण नोड पर समाप्त हो जाएगी, जो विफल हो जाएगी।

नीचे एक उदाहरण है, 8 एमबी और 4 नोड्स पर एक ही वर्चुअल मशीन के साथ, लेकिन पहले से ही ईसी 2 + 1 योजना के साथ।

ब्लॉक ए और बी को 2 एमबी प्रत्येक (दो क्योंकि 2 + 1) के दो टुकड़ों में विभाजित किया जाता है, अर्थात, ए 1 + ए 2 और बी 1 या बी 2। प्रतिकृति के विपरीत, A1 A2 की एक प्रति नहीं है, यह एक वर्चुअल ब्लॉक A है, जिसे दो भागों में विभाजित किया गया है, यह भी ब्लॉक बी के साथ है। कुल में, हमें 4MB के दो सेट मिलते हैं, जिनमें से प्रत्येक में दो दो-मेगाबाइट टुकड़े होते हैं। इसके अलावा, इनमें से प्रत्येक सेट के लिए समता की गणना एक से अधिक टुकड़े (यानी 2 एमबी) की मात्रा के साथ की जाती है, हमें एक अतिरिक्त + 2 समता के टुकड़े (एपी और बीपी) मिलते हैं। कुल हमारे पास 4x2 डेटा + 2x2 समता है।

अगला, टुकड़े नोड्स द्वारा "निर्धारित" किए जाते हैं ताकि डेटा उनकी समता के साथ ओवरलैप न हो। यानी A1 के साथ A1 और A2 एक ही नोड पर नहीं होंगे।

एक नोड की विफलता की स्थिति में (उदाहरण के लिए, तीसरा भी), गिरे हुए ब्लॉक बी 1 को समता बीपी से स्वचालित रूप से बहाल किया जाएगा, जो नोड नंबर 2 पर संग्रहीत है, और उस नोड पर सक्रिय हो जाएगा जहां कोई बी-पैरिटी नहीं है, अर्थात्। बीपी के टुकड़े। इस उदाहरण में, यह नोड # 1 है

मुझे यकीन है कि पाठक का सवाल है:

"आपके द्वारा वर्णित सभी चीजें लंबे समय से प्रतियोगियों और ओपन सोर्स समाधानों द्वारा कार्यान्वित की जाती हैं, एआरडीएफएस में ईसी के आपके कार्यान्वयन के बीच क्या अंतर है?"

और फिर एआरडीएफएस के काम की दिलचस्प विशेषताएं होंगी।

लचीलेपन पर जोर देने के साथ इरेज़िंग कोडिंग

प्रारंभ में, हमने एक अपेक्षाकृत लचीली ईसी एक्स + वाई योजना प्रदान की, जहां एक्स 2 से 8 तक की संख्या के बराबर है, और वाई 1 से 8 तक की संख्या के बराबर है, लेकिन हमेशा एक्स से कम या बराबर है। ऐसी योजना लचीलेपन के लिए प्रदान की जाती है। डेटा के टुकड़े (एक्स) की संख्या को बढ़ाना जिसमें आभासी इकाई को विभाजित किया गया है, ओवरहेड को कम करने की अनुमति देता है, अर्थात, बेकार स्थान को बढ़ाने के लिए।
पैरिटी चंक्स (वाई) की संख्या में वृद्धि से वर्चुअल डिस्क की विश्वसनीयता बढ़ जाती है। Y मान जितना बड़ा होगा, क्लस्टर में उतने अधिक नोड विफल हो सकते हैं। बेशक, समता की मात्रा बढ़ने से उपयोग करने योग्य क्षमता कम हो जाती है, लेकिन यह विश्वसनीयता के लिए एक शुल्क है।

ईसी सर्किट पर प्रदर्शन की निर्भरता लगभग प्रत्यक्ष है: अधिक "टुकड़े", कम प्रदर्शन, यहां, निश्चित रूप से, आपको एक संतुलित नज़र की आवश्यकता है।

यह दृष्टिकोण प्रशासकों को विस्तारित भंडारण को कॉन्फ़िगर करने का सबसे लचीला तरीका देता है। ARDFS पूल के भीतर, आप किसी भी गलती सहिष्णुता योजनाओं और उनके संयोजन का उपयोग कर सकते हैं, जो कि हमारी राय में, बहुत उपयोगी है।

नीचे दी गई तालिका कई (सभी संभव नहीं) आरएफ और ईसी सर्किट की तुलना करती है।

तालिका से पता चलता है कि ईसी 8 + 7 का "टेरी" संयोजन, जो मानक नोड की तुलना में 7 नोड तक एक साथ एक क्लस्टर में खो जाने की अनुमति देता है, "कम खाने योग्य स्थान (1.875 बनाम 2)" खाता है, और 7 गुना बेहतर रक्षा करता है, जो इस सुरक्षा तंत्र को बनाता है, हालांकि अधिक जटिल, लेकिन उन स्थितियों में बहुत अधिक आकर्षक है जहां आपको डिस्क स्थान की कमी की स्थितियों में अधिकतम विश्वसनीयता सुनिश्चित करने की आवश्यकता है। उसी समय, आपको यह समझने की आवश्यकता है कि एक्स या वाई के लिए प्रत्येक "प्लस" उत्पादकता के लिए एक अतिरिक्त ओवरहेड होगा, इसलिए आपको विश्वसनीयता, अर्थव्यवस्था और प्रदर्शन के बीच त्रिकोण में बहुत सावधानी से चुनने की आवश्यकता है। इस कारण से, हम विलोपन कोडिंग को आकार देने के लिए एक अलग लेख समर्पित करेंगे।

फ़ाइल सिस्टम की विश्वसनीयता और स्वायत्तता

ARDFS क्लस्टर के सभी नोड्स पर स्थानीय रूप से चलता है और उन्हें समर्पित ईथरनेट इंटरफेस के माध्यम से अपने स्वयं के साधनों से सिंक्रनाइज़ करता है। एक महत्वपूर्ण बिंदु यह है कि ARDFS स्वतंत्र रूप से न केवल डेटा, बल्कि भंडारण से संबंधित मेटाडेटा को भी सिंक्रनाइज़ करता है। ARDFS पर काम करते समय, हमने एक साथ कई मौजूदा समाधानों का अध्ययन किया और हमने पाया कि कई बाहरी वितरित DBMS का उपयोग करते हुए फाइल सिस्टम मेटा सिंक्रोनाइज़ेशन करते हैं, जिसका उपयोग हम सिंक्रोनाइज़ करने के लिए भी करते हैं, लेकिन केवल कॉन्फ़िगरेशन, FS मेटाडेटा (इसके बारे में और अन्य संबंधित सबसिस्टम नहीं) अगले लेख में)।

बाहरी मेटाबेस का उपयोग करके एफएस मेटाडेटा का सिंक्रनाइज़ेशन, निश्चित रूप से, एक कार्यशील समाधान है, लेकिन फिर एआरडीएफएस पर संग्रहीत डेटा की स्थिरता बाहरी डीबीएमएस और उसके व्यवहार पर निर्भर करेगी (और वह स्पष्ट रूप से, एक स्पष्ट महिला है), जो हमारी राय में खराब है। क्यों? यदि FS मेटाडेटा क्षतिग्रस्त है, तो FS डेटा को भी "अलविदा" कहा जा सकता है, इसलिए हमने अधिक जटिल लेकिन विश्वसनीय पथ के साथ जाने का फैसला किया।

हमने ARDFS के लिए स्वतंत्र रूप से मेटाडेटा सिंक्रनाइज़ेशन सबसिस्टम बनाया, और यह आसन्न सबसिस्टम के पूरी तरह से स्वतंत्र रूप से रहता है। यानी कोई अन्य सबसिस्टम ARDFS डेटा को दूषित नहीं कर सकता है। हमारी राय में, यह सबसे विश्वसनीय और सही तरीका है, और क्या यह वास्तव में ऐसा है - समय बताएगा। इसके अलावा, इस दृष्टिकोण के साथ, एक अतिरिक्त लाभ दिखाई देता है। एआरडीएफएस का उपयोग स्वतंत्र रूप से वीएआईआर के रूप में किया जा सकता है, जैसे विस्तारित भंडारण, जिसे हम निश्चित रूप से भविष्य के उत्पादों में उपयोग करेंगे।

परिणामस्वरूप, ARDFS विकसित होने के बाद, हमें एक लचीला और विश्वसनीय फ़ाइल सिस्टम मिला, जो आपको एक विकल्प देता है जहाँ आप क्षमता को बचा सकते हैं या प्रदर्शन पर सब कुछ दे सकते हैं, या भंडारण को मध्यम शुल्क के लिए अत्यधिक विश्वसनीय बना सकते हैं, लेकिन प्रदर्शन आवश्यकताओं को कम कर सकते हैं।

साथ में एक सरल लाइसेंसिंग नीति और एक लचीली डिलीवरी मॉडल (आगे की ओर देखते हुए, इसे vAIR द्वारा नोड्स द्वारा लाइसेंस प्राप्त किया जाता है, और इसे सॉफ्टवेयर द्वारा या PAC के रूप में वितरित किया जाता है) यह आपको ग्राहकों की सबसे विभिन्न आवश्यकताओं के समाधान को बहुत सटीक रूप से दर्ज़ करने की अनुमति देता है और भविष्य में इस संतुलन को बनाए रखना आसान है।

इस चमत्कार की जरूरत किसे है?

एक तरफ, हम यह कह सकते हैं कि बाजार पर पहले से ही खिलाड़ी हैं जो हाइपरकवरेज के क्षेत्र में गंभीर निर्णय लेते हैं, और जहां हम वास्तव में जा रहे हैं। यह कथन सत्य प्रतीत होता है, लेकिन ...

दूसरी ओर, खेतों में जा रहे हैं और ग्राहकों के साथ संवाद कर रहे हैं, हम और हमारे साथी देखते हैं कि यह बिल्कुल भी नहीं है। हाइपर कंवर्जेंट के लिए कई समस्याएं हैं, कहीं न कहीं लोग बस यह नहीं जानते थे कि इस तरह के समाधान थे, कहीं न कहीं यह महंगा लग रहा था, कहीं-कहीं वैकल्पिक समाधान के असफल परीक्षण भी थे, लेकिन कहीं-कहीं वे प्रतिबंधों के कारण, आमतौर पर खरीदने से मना करते हैं। सामान्य तौर पर, क्षेत्र को गिरवी नहीं रखा गया था, इसलिए हम कुंवारी भूमि को बढ़ाने के लिए गए थे)))।

भंडारण GCS से बेहतर कब है?

बाजार के साथ काम करने के दौरान, अक्सर हमसे पूछा जाता है कि स्टोरेज सिस्टम के साथ क्लासिकल स्कीम का इस्तेमाल करना बेहतर है और हाइपरलिवरेंट कब है? कई कंपनियां - जीसीएस के निर्माता (विशेषकर जिनके पास अपने पोर्टफोलियो में स्टोरेज नहीं है) कहते हैं: "स्टोरेज को आउटलुक किया गया है, केवल हाइपरकॉनवेंजेंट!" यह एक साहसिक कथन है, लेकिन यह वास्तविकता को नहीं दर्शाता है।

सच में, भंडारण बाजार, वास्तव में, हाइपरकॉनर्जेंट और इसी तरह के समाधान की ओर बढ़ता है, लेकिन हमेशा एक "लेकिन" होता है।

सबसे पहले, भंडारण प्रणालियों के साथ शास्त्रीय योजना के अनुसार बनाए गए डेटा केंद्र और आईटी इन्फ्रास्ट्रक्चर को आसानी से इस तरह से फिर से बनाया नहीं जा सकता है, इसलिए इस तरह के बुनियादी ढांचे का आधुनिकीकरण और पूरा करना अभी भी 5-7 साल की विरासत है।

दूसरे, वे अधोसंरचनाएं जो अब अधिकांश भाग के लिए बनाई जा रही हैं (मतलब रूसी संघ) स्टोरेज सिस्टम का उपयोग करके शास्त्रीय योजना के अनुसार बनाई जा रही हैं और इसलिए नहीं कि लोग हाइपर कन्वर्जेंट के बारे में नहीं जानते हैं, बल्कि इसलिए कि हाइपर कंवर्जेंट मार्केट नया है, समाधान और मानक अभी तक स्थापित नहीं हुए हैं। , आईटी कर्मचारियों को अभी तक प्रशिक्षित नहीं किया गया है, थोड़ा अनुभव है, और हमें यहां और अब डेटा सेंटर बनाने की आवश्यकता है। और यह प्रवृत्ति अगले 3-5 वर्षों के लिए है (और फिर एक और विरासत, पैराग्राफ 1 देखें)।

तीसरा, प्रति मिनट 2 मिलीसेकेंड की अतिरिक्त छोटी देरी में एक विशुद्ध रूप से तकनीकी सीमा (स्थानीय कैश को छोड़कर), जो वितरित भंडारण के लिए शुल्क हैं।

खैर, चलो बड़े भौतिक सर्वरों का उपयोग करने के बारे में मत भूलो जो डिस्क सबसिस्टम के ऊर्ध्वाधर स्केलिंग से प्यार करते हैं।

कई आवश्यक और लोकप्रिय कार्य हैं जहां भंडारण प्रणाली जीसीएस से बेहतर व्यवहार करती है। यहां, निश्चित रूप से, जो निर्माता अपने उत्पाद पोर्टफोलियो में स्टोरेज सिस्टम नहीं रखते हैं, वे हमसे असहमत होंगे, लेकिन हम यथोचित तर्क देने के लिए तैयार हैं। बेशक, हम, भविष्य के प्रकाशनों में से एक में दोनों उत्पादों के डेवलपर्स के रूप में, निश्चित रूप से भंडारण प्रणालियों और जीसीएस की तुलना करेंगे, जहां हम स्पष्ट रूप से प्रदर्शित करेंगे कि किन शर्तों के तहत बेहतर है।

और हाइपरकॉनवरेज किए गए समाधान स्टोरेज सिस्टम से बेहतर कहां काम करेंगे?

ऊपर दिए गए शोध के आधार पर, तीन स्पष्ट निष्कर्ष हैं:

1. जहां रिकॉर्डिंग देरी का एक अतिरिक्त 2 मिलीसेकंड जो किसी भी उत्पाद में होता है (अब हम सिंथेटिक्स के बारे में बात नहीं कर रहे हैं, आप नैनोटेकॉन्ड को सिंथेटिक्स पर दिखा सकते हैं) गैर-महत्वपूर्ण हैं, हाइपर कन्वर्जेंट करेंगे।
2. जहां बड़े भौतिक सर्वरों से लोड को कई छोटे वर्चुअल सर्वरों में बदला जा सकता है और नोड्स द्वारा वितरित किया जाता है, वहां भी हाइपरकॉन्जेर्वेंट अच्छा काम करेगा।
3. जहां ऊर्ध्वाधर स्केलिंग की तुलना में क्षैतिज स्केलिंग अधिक महत्वपूर्ण है, जीसीएस भी वहां ठीक काम करेगा।

ये क्या उपाय हैं?

1. सभी मानक अवसंरचना सेवाएं (निर्देशिका सेवा, मेल, ईडीएस, फ़ाइल सर्वर, छोटे या मध्यम ईआरपी और बीआई सिस्टम, आदि)। हम इसे "सामान्य कंप्यूटिंग" कहते हैं।
2. क्लाउड प्रदाताओं की अवसंरचना, जहाँ क्षैतिज रूप से विस्तार और आसानी से मानकीकरण करना आवश्यक है और ग्राहकों के लिए बड़ी संख्या में वर्चुअल मशीन "स्लाइस"।
3. वर्चुअल डेस्कटॉप (VDI) का इन्फ्रास्ट्रक्चर, जहां कई छोटे उपयोगकर्ता वर्चुअला लॉन्च किए जाते हैं और एक समान क्लस्टर के अंदर चुपचाप "फ्लोट" करते हैं।
4. , , , 15-20 .
5. (big data-, ). , «», «».
6. , , , .

AERODISK vAIR ( ). , , .. .

…

, .

, .