2 Scality RING verwaltet inzwischen bahnbrechende sechs Exabyte an Speicherkapazität für Kunden – das entspricht 6.000 Petabyte. Dieser Wert bezieht sich auf die nutzbare Kapazität, die unseren Kunden zur Verfügung steht, und ist von der deutlich größeren Rohkapazität der Festplatten zu unterscheiden. Um die entsprechende Rohkapazität zu ermitteln, braucht man die Summe der ausgelieferten Festplattenkapazitäten auf den von RING verwalteten Speicherservern, aggregiert über unsere Hardwarepartner, darunter HPE, Cisco, Supermicro, Lenovo, Dell, Gigabyte und weitere verbreitete Hersteller in Ländern und Regionen wie Japan und Südostasien. Angesichts der Datenschutzmechanismen von RING – Erasure Coding (EC) und Replikation – liegt diese im Schnitt beim 1,5- bis 2-Fachen der nutzbaren Kapazität. Das bedeutet geschätzt 10 Exabyte Rohkapazität auf den von RING verwalteten Servern. Sechs Exabyte (EB) nutzbare Kapazität im Vergleich: Das ist sechsmal mehr, als Nutzer der Speicherlösung Ceph angeben (auf Englisch). Laut Backblaze entsprächen sechs Exabyte jedem Wort, das in der Geschichte der Menschheit je gesprochen wurde (auf Englisch). Bei 1,4 Gigabyte pro Stunde entspricht das 489.236 Jahren Video oder sechs Billionen Fotos à 1 Megabyte, laut Foyer. (auf Englisch) Anwendungsfälle und Kundenbeispiele für Scality RING Seit Jahren wird RING als Speicherinfrastruktur für große Cloud-Service-Provider und Private-Cloud-Umgebungen von Unternehmen eingesetzt und unterstützt dort einige wirklich gewaltige S3-Objekt- und Dateisystem-Workloads. Einige Beispiele: Cloud eines US-Service-Providers: Ein einzelnes RING speichert derzeit 300 Milliarden Objekte – Tendenz steigend. Dieses RING im Riesenmaßstab ist zudem in einem „geografisch gestreckten“ Modell über drei Rechenzentren verteilt, um für ultrahohe Verfügbarkeit Standortausfälle zu tolerieren. Private Cloud einer europäischen Bank: Ein einzelnes RING bedient in dieser Unternehmens-Cloud mehr als 1.200 gleichzeitige Anwendungen. So viele Anwendungen auf einem System erzeugen eine höchst unvorhersehbare und anspruchsvolle gemischte Last, die nur eine äußerst flexible Speicherarchitektur bewältigen kann. Ein Reisedienstleister speichert täglich ein Petabyte neuer Daten in RING, während gleichzeitig Analytics-Workloads darauf zugreifen. Der Data Lake einer US-Bank mit über 100 Petabyte: RING ermöglicht die gleichzeitige Aufnahme von Hunderten Terabyte neuer Daten in jedem von zwei Rechenzentren, während Anwendungen für maschinelles Lernen und Analytics darauf zugreifen und die Daten asynchron zwischen beiden Standorten repliziert werden. Das ermöglicht eine Active/Active-Disaster-Recovery-Lösung. Ein großer Medienverlag in Asien verwaltet fast 30 Petabyte Videos auf dem Scale-out-Dateisystem von RING (SOFS) für den Streaming-Zugriff durch Hunderttausende Online-Abonnenten. Um dieses Maß an Parallelität zu unterstützen, erfolgt der Zugriff über mehr als 80 Dateisystem-Endpunkte auf einen gemeinsamen Datenpool. Das Erfolgsrezept von RING: multidimensionale Skalierbarkeit in einem einzigen System Grundlage dafür ist bei RING eine verteilte Scale-out-Speicherarchitektur. Scale-out-Speichersysteme gibt es in vielen Formen und Varianten, und natürlich behaupten fast alle Anbieter, ihre Speicherkapazität skalieren zu können. Um unsere Lösung flexibel zu machen und Kunden Lösungen wie die oben beschriebenen zu ermöglichen, hebt Scality RING die Skalierbarkeit auf ein neues Niveau – mit neun Dimensionen des Scale-out in einem einzigen System: Skalierbarkeit der Kapazität – von Hunderten Terabyte bis zu Exabytes, durch Hinzufügen von Festplatten, Servern, Racks und Rechenzentren, bei 100 % Online-Betrieb und Verfügbarkeit. Skalierbarkeit der Metadaten (d. h. des Namespace-Katalogs und -Index) – unabhängig von der Kapazität. Skalierbarkeit der S3-Objekte – die Zahl der Objekte pro S3-Bucket kann auf Hunderte Milliarden wachsen. Skalierbarkeit der S3-Buckets – die Zahl der S3-Buckets kann von einem auf Hunderte Millionen wachsen. Skalierbarkeit der Authentifizierungsanfragen – von Tausenden bis zu Millionen authentifizierter S3-Transaktionen pro Sekunde. Latenz im großen Maßstab – konstante Antwortzeiten auch in riesigem Maßstab. Skalierbarkeit des Durchsatzes – von Gigabyte pro Sekunde bis zu Terabyte pro Sekunde für ein- und ausgehende Datenströme. Unabhängige Skalierbarkeit von Storage-Compute und Kapazität – dank einer entkoppelten (disaggregierten) Architektur kann das System die Rechenressourcen für S3-Speicher je nach Workload unabhängig von der Kapazität skalieren. Skalierbarkeit von Logging, Metrik-Reporting und Monitoring – in einer großen Bereitstellung kann RING Logs verwalten, die mit der Zeit den Petabyte-Bereich erreichen, und riesige Mengen an Monitoring-Metriken und Kennzahlen erzeugen. Es braucht viele Jahre enger Zusammenarbeit mit Kunden, um die vielen Facetten der Skalierung zu verstehen, die ihre Workloads erfordern. Manches davon lässt sich im Voraus absehen, doch viele Anforderungen an die Datenspeicherung zeigen sich erst bei der Bereitstellung. So erzeugen manche neuen Cloud-nativen Anwendungen eine Milliarde Objekte in einem einzigen Bucket – oder legen für einen Cloud-Dienst, der Millionen von Nutzern bedienen soll, einen Bucket pro Nutzer an. Keiner der beiden Ansätze entspricht bekannten Best Practices für das Zusammenspiel von Anwendung und Speicher, und doch kommen beide regelmäßig vor. In einer mandantenfähigen Cloud führt die Bereitstellung von Speicher für Hunderte bis Tausende gleichzeitiger Workloads zu Lastspitzen bei grundlegenden Aufgaben wie Authentifizierungsanfragen, der Pflege von Nutzungsmetriken für Benutzerkonten sowie dem Erfassen und Versenden von Zustandsmeldungen und Kennzahlen für das Systemmonitoring. Bereitstellungen im Exabyte-Maßstab: Trendsetter für KI-Data-Lakes der nächsten Generation Wir sehen zudem immer häufiger Einzelsysteme im Exabyte-Maßstab für große Cloud-Dienste und KI-Data-Lakes. Wir sind überzeugt, dass RING das einzige Speichersystem ist, das diese Komplexität und Größenordnung bewältigen kann. Das liegt an vielen Aspekten der Architektur, darunter: Hocheffiziente Festplattennutzung durch festplattenbasierte Container, die Fragmentierung durch kleine Dateien vermeiden – so kann RING fast vollständig gefüllt werden und arbeitet dennoch deutlich effektiver als andere Systeme. Konsequenter Einsatz von Flash für Metadaten und interne Systemindizes, um die Festplatten wirksam von einem Großteil der IO-Operationen abzuschirmen. Datenschutzmechanismen, die dort eingesetzt werden, wo sie am effizientesten sind – Replikation mit mehreren Kopien für kleine Dateien und Erasure Coding für große Dateien, mit einstellbarem Schwellenwert. Variable Paritätsstufen beim Erasure Coding, um auf Verteilung der Datengrößen und Bereitstellungstopologien (Einzel- und Multi-Site) zu optimieren. So kann RING etwa in einem synchronen, „geografisch gestreckten“ Modell über drei Rechenzentren bereitgestellt werden, um den Ausfall eines ganzen Rechenzentrums zu tolerieren – bei deutlich weniger als dem doppelten Speicher-Overhead. Viele andere Systeme bräuchten für dieses Maß an Resilienz und Hochverfügbarkeit drei vollständige Datenkopien – eine pro Standort. All das und mehr wurde über Jahre der Zusammenarbeit mit den größten Unternehmen, Cloud-Service-Providern und Behörden der Welt verfeinert, um Speicherinfrastrukturen auf Basis von Scality RING zu schaffen, die ihre Datenherausforderungen in wirklich gewaltigem Maßstab lösen. Möchten Sie mehr darüber erfahren, wie Scality RING Ihr Datenmanagement verändern kann? Kontaktieren Sie uns noch heute.
