5 Aux débuts de l’informatique, on se partageait le temps d’une ressource très coûteuse, souvent unique, et le traitement séquentiel était la norme. Les technologies et l’informatique actuelles sont toutefois de plus en plus parallèles et distribuées : en exécutant des processus en parallèle, on peut mener des calculs plus complexes. Mais c’est plus difficile qu’il n’y paraît, et la communauté HPC peine à tenir ses promesses. Les exceptions sont les problèmes dits « massivement parallèles » (embarrassingly parallel), comme les simulations en génomique, en biologie ou en électronique. Le secteur réalise de plus en plus qu’il faudra modifier les algorithmes pour favoriser le calcul et le stockage distribués. Dans de nombreux domaines de recherche, les volumes de données manipulés croissent de façon exponentielle. C’est le cas des simulations numériques, qui stockent généralement leurs résultats à court terme sur des systèmes de fichiers « scratch » très performants avant de les stocker plus durablement dans les répertoires « home » des chercheurs ou sur bande. Les volumes explosent aussi dans tous les domaines qui utilisent des capteurs physiques, dont la résolution ne cesse de s’améliorer. On le constate de façon spectaculaire dans les campagnes sismiques pétrolières et gazières, l’imagerie radar et satellite, la microscopie électronique ou le séquençage du génome, entre autres. On cherche de plus en plus non seulement à archiver cette masse de données, mais aussi à la garder facilement accessible pour de nouvelles études, ce qui en accroît la valeur. Après l’observation, la théorie et le calcul numérique, l’étude directe des données obtenues est désormais qualifiée de « quatrième paradigme » de la découverte scientifique. Fournir le pool de stockage massivement évolutif nécessaire à ces études est un usage idéal pour Scality. Scality RING pour le calcul distribué Le premier cas d’usage traité avec succès par Scality a été le stockage scale-out pour la messagerie, à certains égards un problème distribué classique, avec des millions d’utilisateurs semi-indépendants. Si Scality n’est pas idéal pour tous les calculs scientifiques, il l’est pour le calcul très distribué ou parallèle. Principaux avantages du RING Charges de travail mixtes : débit élevé et IOPS Gestion de très petits et de très gros fichiers Évolutivité jusqu’à l’exaoctet Prise en charge d’applications mixtes, avec de futurs connecteurs prévus pour les systèmes de fichiers en cluster comme GPFS et Lustre Chargement parallèle des très gros objets : envoi en plusieurs parties pour les objets de l’ordre du téraoctet Haute durabilité des données avec un faible surcoût grâce à l’erasure coding Pourquoi choisir Scality RING pour le calcul distribué ? Évolutivité : le RING monte en charge de façon linéaire et prend en charge les très gros objets (VLO) ; le chargement parallèle des très gros objets est essentiel dans les projets de calcul distribué Accessibilité : plusieurs protocoles peuvent être utilisés pour un même jeu de données, dont NFS, FUSE, SMB et des interfaces REST basées sur CDMI Performance : le RING monte en charge de façon linéaire sans dégradation des performances Gestion : le RING est plus simple à gérer à grande échelle ; l’architecture shared-nothing et orientée objet de Scality le rend plus robuste et plus facile à maintenir Coût : le RING s’avère moins coûteux à déployer et à exploiter que les autres technologies, rivalisant même avec la bande si les données stockées doivent être consultées fréquemment
