10 In der Art, wie die meisten Unternehmen heute ihre KI-Infrastruktur planen, steckt eine hartnäckige Annahme: Wer ernsthaften Durchsatz will, braucht All-Flash. Alles andere wird auf die kalte Ebene verbannt. Diese Annahme verdient einen kritischen Blick. Wir haben eine strukturierte Leistungsvalidierung bei einer produktionsreifen Bereitstellung von Scality RING bei einem großen souveränen KI-Cloud-Anbieter durchgeführt – und die Zahlen erzählen eine andere Geschichte. Mit Scality RING auf HDD-basierten Speicherservern – Flash-Medien (SSDs) nur für Metadaten –, in einem realen Produktionspfad mit TLS-Verschlüsselung, Load Balancern und Datenverkehr über drei Verfügbarkeitszonen, lieferte das System über die S3 API einen dauerhaften Lesedurchsatz von etwa 420 GB pro Sekunde und einen dauerhaften Schreibdurchsatz von etwa 250 GB pro Sekunde. Stabil über ein durchgehendes Zeitfenster von zwei Stunden. Keine Fehler auf Speicherebene. Das ist eine Bandbreite, die man bisher mit parallelen Dateisystemen verbunden hat – hier aber läuft sie auf Festplatten! Das Dilemma der Architekten: KI-Durchsatz ohne All-Flash-Kosten Wer Infrastruktur für KI-Pipelines, Retrieval-Augmented Generation (RAG), Analysen im großen Maßstab oder konsolidiertes Backup plant, weiß bereits, dass der Gesamtdurchsatz zur entscheidenden Einschränkung geworden ist. Inferenzcluster müssen Embeddings, Checkpoints und Zwischenartefakte parallel mit Hunderten GB/s abrufen. Analyseplattformen erzeugen verteilte Lese- und Schreibmuster über Rechencluster hinweg. Backup-Umgebungen müssen Datensätze im Petabyte-Maßstab in immer kürzeren Zeitfenstern konsolidieren. Der übliche Reflex ist, leistungskritische Daten auf Flash zu legen und HDD für kalte Kapazität zu nutzen. Doch im Petabyte- und Exabyte-Maßstab beginnt der All-Flash-Aufschlag das Budget zu dominieren, und Architekten müssen mehrere Speicherebenen allein deshalb betreiben, um Bandbreitenanforderungen zu erfüllen, die – wie sich zeigt – HDD-basierter Objektspeicher bereits erfüllen kann. Die Frage war nie wirklich, ob HDDs genügend aggregierte Rohbandbreite haben. Sondern, ob ein Objektspeichersystem diese Bandbreite unter realistischen Einsatzbedingungen abrufen kann – mit Verschlüsselung, Lastverteilung und Multi-AZ-Architektur im Datenpfad. Genau das sollte diese Validierung beantworten. HDD-basierten Objektspeicher unter produktionsnaher Last testen Die Bereitstellung bestand aus Scality RING 9.5 auf etwas mehr als 100 x86-Knoten mit HDD-Speichermedien, verteilt auf drei Verfügbarkeitszonen in einer synchronen, geografisch gestreckten Konfiguration. Die Last wurde von 120 Injektor-VMs erzeugt, die über alle drei Zonen verteilt waren und bis zu 35.000 gleichzeitige S3-Vorgänge über 696 Buckets parallel ausführten. Der gesamte Datenverkehr lief über einen globalen DNS-Endpunkt per HTTPS und durchlief dieselbe Infrastruktur für Lastverteilung, TLS und zonenübergreifendes Routing wie Produktiv-Workloads. Bei einem geografisch gestreckten RING erfolgen alle Schreibvorgänge synchron. So kann das System vollen Dienst und volle Konsistenz aufrechterhalten, selbst wenn einer der Standorte verloren geht oder nicht verfügbar ist (etwa durch Stromausfall, Netzwerkprobleme oder einen Standortausfall). Die primäre Last nutzte Objekte mit 10 MB, was typisch für die Verteilung von KI-Datensätzen und Übertragungen in Analyse-Pipelines ist. Entscheidend ist: Die Validierung konzentrierte sich auf dauerhaften Durchsatz über ein Zeitfenster von zwei Stunden, nicht auf kurze Spitzenwerte. Für Dateneinspeisung und -abruf kam ein gängiges Open-Source-S3-Testtool eines Drittanbieters zum Einsatz. Industriestandard, kein proprietäres Testwerkzeug. Das Ergebnis: Hunderte GB/s über S3, dauerhaft Gemessen auf der Ebene der Load Balancer – und damit am extern sichtbaren, verschlüsselten Datenverkehr, den Anwendungen tatsächlich sehen – erreichten dauerhafte Lesevorgänge nahezu 420 GB/s, mit Spitzen von fast 450 GB/s. Dauerhafte Schreibvorgänge erreichten etwa 250 GB/s. Der Durchsatz blieb über das gesamte Zeitfenster von zwei Stunden konstant. Die Latenz stieg mit zunehmender Parallelität bis zur Sättigung erwartungsgemäß an, doch die aggregierte Bandbreite brach nie ein – ein Zeichen für kontrollierte Sättigung statt Instabilität. Das System bediente unter Dauerlast 20.000 bis 40.000 Vorgänge mit großen Objekten pro Sekunde ohne einen einzigen Fehler auf Speicherebene. Ein zweites Profil mit 4-KB-Objekten validierte das Verhalten bei hohen Anfrageraten: 173.456 S3-PUTs/s und 151.091 S3-GETs/s, wiederum ohne Fehler. Anderes Workload-Profil, dasselbe stabile Verhalten. Was das für die Architektur von KI, Analytik und Backup bedeutet Für Architekten stellt das Ergebnis eine Standardannahme infrage: Nicht jedes Leistungsproblem ist ein Latenzproblem. Manche Workloads werden durch dauerhafte aggregierte Bandbreite begrenzt – und das verändert die Rolle, die HDD-basierter Objektspeicher in der Architektur von KI, Analytik und Backup spielen kann. Für KI-Datenpipelines und RAG-Retrieval-Workloads sorgen dauerhafte Lesevorgänge im Bereich von 420–450 GB/s dafür, dass GPUs ausgelastet bleiben und die Antwortzeiten beim Retrieval planbar sind, wenn viele Dienste gleichzeitig auf den Objektspeicher zugreifen. Die aggregierte Lesebandbreite ist die entscheidende Einschränkung, wenn Objektspeicher die primäre Datenschicht für KI ist – und diese Ergebnisse erfüllen die Anforderungen. Für Backup und Datensicherung verkürzt ein dauerhafter Schreibdurchsatz von 230–250 GB/s (fast 900 TB pro Stunde!) die Backup-Fenster in Umgebungen im Petabyte-Maßstab drastisch, während Lesevorgänge mit 420 GB/s (1.500 TB pro Stunde) Wiederherstellungen im großen Maßstab deutlich beschleunigen – entscheidend, um den Geschäftsbetrieb nach einem schweren Cyberangriff wiederherzustellen. Backup-Teams, die aus Leistungsgründen mit All-Flash-Ingest-Ebenen geplant haben, sollten neu rechnen. Für Data Lakes und Analytik bestätigt die Validierung, dass verteilte Lese- und Schreibmuster großer Rechencluster auf HDD-basiertem Objektspeicher laufen können, ohne dass der Speicher zum Engpass wird – selbst mit Verschlüsselung und Multi-AZ-Verkehr im Datenpfad. Die Erkenntnis für die Architektur: Bandbreite und Latenz sind nicht dasselbe Problem Nichts davon spricht dagegen, dass Flash relevant ist. Latenzkritische Workloads profitieren weiterhin davon, und manche werden es auch künftig benötigen. Doch der Reflex der Branche, Leistung mit All-Flash gleichzusetzen und HDD auf kalte Kapazität zu verbannen, ist zunehmend überholt. Im großen Maßstab kann HDD-basierter Objektspeicher tatsächlich einen dauerhaften Durchsatz liefern, der die Wirtschaftlichkeit der Architektur von KI, Analytik und Backup verändert. Die Konsequenz für Architekten ist klar: KI-Pipelines, Analysen im großen Maßstab und konsolidiertes Backup können auf einem einzigen Objektspeicher-Fundament mit hohem Durchsatz laufen, ohne zusätzliche Speicherebenen nur wegen der Bandbreite einzuführen. Der Kostenunterschied im Petabyte- und Exabyte-Maßstab ist erheblich. Ein Leistungsnachteil besteht laut dieser Validierung nicht. Bevor sie standardmäßig auf eine All-Flash-Architektur setzen, sollten Architekten prüfen, ob der Workload wirklich Latenzen auf Flash-Niveau braucht oder ob die eigentliche Anforderung dauerhafte aggregierte Bandbreite im großen Maßstab ist. Die vollständige Validierung lesen Das vollständige Performance-Paper beschreibt Testumgebung, Methodik, Messintegrität auf Speicher- und Load-Balancer-Ebene sowie detaillierte Ergebnisse, einschließlich des Systemverhaltens unter Dauerlast und des Profils mit kleinen Objekten. Wer Infrastruktur für KI, Analytik oder Datensicherung im großen Maßstab plant, sollte es lesen.
