개인 클라우드 데이터 센터에 모두 통합하는 것은 스포츠카를 처음부터 개발하는 것과 같습니다. 도로와 운전자의 성능 요구 사항을 충족하는 올바른 엔진, 부품 및 장비를 선택해야 합니다. 하드웨어 및 소프트웨어 혁신 덕분에 IT 아키텍트는 데이터 센터를 구성하여 람보르기니와 같은 성능을 발휘하고 과거의 고물차와 다른 성능을 발휘할 수 있습니다.
온프레미스 개인 클라우드에서는 지속적인 감독, 관리 및 유지관리가 필요합니다. 드라이브 교체 또는 오버프로비저닝 등의 운영 비용은 시간이 지남에 따라 빠르게 누적됩니다. 이로 인해 데이터 센터의 총 소유 비용(TCO)이 증가하고 기업의 실적이 감소하게 됩니다. 특히 데이터 수집, 생성 및 활용과 관련된 비용이 매년 폭발적으로 증가합니다.
이러한 사안으로 인해 Seagate는 컴포저블 기능이 최근 대규모로 나타나고 있는 동향이라고 평가하고 있습니다. 최근의 구성 가능 데이터 센터를 사용하면 각 개인 클라우드 서버를 세분화하지만 최적의 패브릭 유형 및 대역폭으로 서로 연결된 구성 요소로 구성할 수 있습니다. 컴포저블 기능은 다양한 애플리케이션 및 데이터 워크플로 전반에서 데이터를 관리하고 액세스하기 위한 유연한 방식을 제공합니다.
IT 아키텍트는 온프레미스 개인 클라우드 솔루션 또는 타사에 호스팅되는 공용 클라우드로 사용할지의 여부를 결정해야 합니다. 공용 클라우드는 다른 고객과 컴퓨팅 서비스를 공유하며 외부 데이터 센터에 호스팅됩니다. 또한, 타사 클라우드 공급자도 호스팅된 개인 클라우드를 제공할 수 있으며, 이러한 클라우드는 외부에 호스팅되지만 서비스는 공유하지 않습니다.
온프레미스 개인 클라우드는 회사의 자체 데이터 센터에서 관리 및 유지관리되며 다른 조직과 서비스를 공유하지 않습니다. 온프레미스 개인 클라우드를 사용하는 것의 이점은 보안, 유연성 및 성능 향상입니다. 사용자는 리소스와 서비스를 사용자 지정하여 하드웨어가 여러 용도로 사용할 수 있는 방식이 아닌 소프트웨어 요구 사항을 구체적으로 충족하도록 할 수 있습니다. 또한, 사용자는 서버의 보안, 확장성 및 구성 가능성을 완벽하게 관리할 수도 있습니다.
애플리케이션의 수요가 증가하거나 감소함에 따라, 구성 요소 및 서버는 서로 통신하여 작업 부하를 이동시킵니다. 이제 IT 아키텍트는 다양한 제조사의 광범위한 하드웨어 및 구성 요소를 활용하여 데이터 센터를 구성할 수 있습니다. 사실상 IT 아키텍트는 기존 데이터 센터 인프라를 분해하거나 세분화하고 있습니다. 섀시를 제거하면 설치된 리소스의 효율성을 향상할 수 있도록 데이터 센터를 재구성할 수 있습니다. IT 아키텍트는 불필요한 하드웨어를 구입하여 추가 비용이 발생하는 것을 방지하고 다운타임 없이 구성 요소를 편리하게 배치할 수 있습니다.
개인 클라우드의 데이터 센터 세분화 및 컴포저블 기능은 기존의 네트워크 아키텍처에서 최근의 동적 인프라로 진화하여 강력하고 까다로운 시스템을 작동할 수 있게 되었습니다. 구성 가능한 세분화는 지연 감소 및 보안 및 데이터 제어 향상 등의 여러 이점을 제공합니다.
기존 데이터 센터의 한계
기존 IT 아키텍처는 폭발적인 데이터 증가 및 소프트웨어 애플리케이션의 복잡성 증가로 인해 한계에 도달하고 있습니다. 중앙 처리 장치(CPU), 동적 액세스 메모리 장치(DRAM), 스토리지 클래스 메모리 장치(SCM), 그래픽 처리 장치(GPU), 솔리드 스테이트 디스크 장치(SSD) 및 하드 디스크 드라이브(HDD)는 데이터 센터를 구성하는 주요 구성 요소입니다. 이러한 구성 요소는 일반적으로 1개의 박스 또는 서버에 함께 배치되며 데이터 센터를 구축하기 위한 토대가 됩니다. 기존 엔터프라이즈 클라우드 아키텍처에서는 HDD와 같은 각 구성 요소가 서버의 나머지에 직접 연결됩니다.
원래 데이터 센터는 1개 박스당 1개 애플리케이션의 패러다임으로 운영되었습니다. 그리고 애플리케이션이 단일 서버가 제공할 수 있는 스토리지 및 데이터 처리 기능을 능가함에 따라 IT 아키텍트는 여러 서버를 클러스터로 그룹화하여 이러한 모든 서버를 리소스 풀로 가져올 수 있게 되었습니다. IBM, EMC, NetApp 및 Seagate의 자체 Dot Hill 팀과 같은 독점 솔루션을 통해 업계는 초기에 풀링된 서버 리소스를 주력으로 했습니다.
이후 데이터 센터가 확장되고, 애플리케이션에 더 많은 스토리지, 대역폭 또는 CPU 성능이 필요한 경우 추가 서버 또는 노드를 클러스터에 추가하는 방식으로 복잡성이 증가함에 따라 소프트웨어 애플리케이션의 요구 사항을 충족할 수 있습니다. 풀링된 리소스의 클러스터화된 모델은 VMware 등과 같은 엔터프라이즈 하이퍼바이저 애플리케이션을 사용하여 현재 우리가 통합 및 하이퍼컨버지드 엔터프라이즈 클라우드 인프라라고 부르는 기반을 형성합니다.
노드 클러스터는 초기 클라우드 단계에서는 목적을 달성했지만 오버프로비저닝되는 경향이 있습니다. 오버프로비저닝은 한 종류의 더 많은 리소스 또는 필요한 양보다 더 많은 리소스가 포함되는 더 많은 서버를 IT 아키텍트가 구매하지만 사용되지 않는 경우에 발생합니다. 클러스터화된 방식에는 충분한 스토리지 및 처리 능력과 같은 이점이 있지만 서버 내에서 사용하지 않는 리소스는 비효율적입니다. 그럼에도 불구하고 데이터 센터가 특정 리소스 또는 작업 부하를 동적으로 확장하여 소프트웨어 애플리케이션의 수요를 충족할 수 있는 방법이 없으므로 IT 아키텍트는 확장을 충족하기 위해 오버프로비저닝을 활용해야 했습니다. 자연스럽게 오버프로비저닝으로 인해 초과 비용이 발생하게 됩니다.
또한, IT 아키텍트는 서버를 구성하기 위해 사용할 수 있는 하드웨어 구성 요소와 관련해서도 제한을 받았습니다. 각 서버 또는 클러스터에서 사용되는 하드웨어는 호환성을 위해 한 곳의 제조사로부터 구입해야 했습니다. 그리고 다양한 제조사의 하드웨어가 통신 및 조정을 수행할 수 있는 개방형 애플리케이션 프로그래밍 인터페이스(API)가 없었습니다. 아키텍트가 속도가 더 빠른 다른 제조사의 CPU로 교체하려는 경우 예를 들어 호환되지 않아 교체할 수 없는 경우도 있었습니다. 다른 제조사의 하드웨어는 서로 통신 또는 조정을 수행할 수 없었습니다.
그러나 기존 데이터 아키텍처에는 하드웨어 비호환성 이외에도 다른 제약 사항이 있습니다. 수집, 저장 및 분석해야 하는 방대한 양의 데이터 문제도 있습니다. 빅 데이터의 폭발적인 증가로 기존 개인 클라우드 클러스터의 스토리지 한계에 도달할 뿐만 아니라 데이터 처리에서 병목 현상도 나타나고 있습니다. 각 CPU는 로컬 데이터를 처리하기 위해 다른 애플리케이션과 리소스를 공유할 수 없는 경우가 있어, 데이터 센터에서 전반적인 리소스 확장 비효율이 발생합니다.
예를 들어, 복잡한 인공 지능(AI) 애플리케이션은 짧은 시간에 대량의 데이터를 처리할 수 있는 능력을 기반으로 합니다. AI 애플리케이션이 클러스터화된 데이터 센터를 활용하는 경우 데이터 수집 및 처리에 병목 현상이 발생하는 경우가 많습니다. 그리고 애플리케이션에 더 많은 처리 능력이 필요한 경우 추가적인 작업 부하를 다른 클러스터로 이동할 수 있는 방법이 없습니다. 장치 간 데이터 전송에서의 대기 시간 또는 지연도 다른 부정적인 결과를 유발합니다.
예를 들어, 동일한 데이터 센터에 두 개의 서버 클러스터가 있고, 그 중 하나는 과부하 상태이고 다른 하나는 활용률이 낮을 수 있습니다. 과부하가 발생한 클러스터를 사용하는 애플리케이션은 속도가 느려지거나 성능 문제가 발생할 수 있으며, 이러한 문제는 활용도가 낮고 과도하게 프로비저닝된 클러스터를 통합하여 쉽게 해결할 수 있습니다. 그러나 해당 애플리케이션이 가져올 수 있는 리소스 풀은 해당 애플리케이션의 전용 단일 클러스터로 엄격하게 제한됩니다. 이러한 상황은 IT 아키텍트가 데이터 센터를 구성하기 위한 보다 효율적인 방법을 찾고 있는 이유를 완벽하게 설명합니다.
독점의 시대는 아직 끝나지 않았을 수 있지만 최소한 끝을 맞이하고 있습니다. 정교한 소프트웨어 애플리케이션에는 기존의 클러스터 데이터 센터보다 향상된 처리 및 저장 능력이 필요합니다. 그리고 장치 간 통신을 제공하는 개방형 API가 없기 때문에 IT 아키텍트가 사용할 수 있는 하드웨어가 제한됩니다. IT 아키텍트가 앞으로 나아가려면, 최신 애플리케이션이 개인 클라우드 아키텍처에 미치는 영향과 구성 가능성을 통해 기존 IT 인프라의 문제를 극복할 수 있는 방법에 대한 심층적인 이해가 필요합니다.
애플리케이션이 개인 클라우드 데이터 센터에 미치는 영향
컴포저블 기능에 대한 거대 동향을 주도하는 가장 큰 원동력 중 하나는 소프트웨어 애플리케이션에 대한 수요입니다. AI 또는 비즈니스 분석과 같은 소프트웨어에서는 해당 애플리케이션의 요구 사항에 따라 하드웨어 요구 사항이 점점 더 복잡해지고 있습니다. 이로 인해 스토리지와 처리의 리소스 풀에 대한 경쟁이 치열해지고 있습니다.
앞서 언급했듯이, 기존 데이터 센터는 이제 다양한 앱에 필요한 처리 능력이 클러스터형 모델의 한계를 초과하는 시점에 도달했습니다. 또한, 애플리케이션 요구 사항은 시간이 지남에 따라 지속적으로 진화하고 변경 사항이 빠르게 발생할 수 있습니다. 예를 들어, 새로운 버전의 비즈니스 애플리케이션에서는 이전 버전보다 2배의 스토리지 또는 처리 능력이 필요할 수 있습니다. 이러한 요구 사항이 전용 클러스터의 한계를 초과하는 경우에는 하드웨어를 추가로 구입해야 합니다. 소프트웨어의 발전은 기존의 클러스터화된 데이터 센터가 제공할 수 있는 사항을 강조합니다.
컴포저블 기능은 애플리케이션이 전용 클러스터 외부의 리소스 풀에 액세스하여 오버프로비저닝된 서버 내에서 사용이 가능한 처리 능력 또는 기타 리소스를 활용할 수 있도록 해줍니다. 각 CPU, GPU 또는 스토리지 노드는 각 애플리케이션의 가격 요구 사항에 따라 독립적으로 확장할 수 있습니다.
추가 처리 요구 사항으로 인해서도 기존 데이터 센터 패브릭 내에서 병목 현상이 발생할 수 있습니다. 데이터 센터 패브릭은 다양한 노드와 클러스터를 연결합니다. 이상적으로는 최신 소프트웨어 애플리케이션의 요구 사항을 충족하는 구성 가능 패브릭이 유연한 패브릭 용량 풀을 생성해야 합니다. 이러한 패브릭은 애플리케이션의 처리 요구량이 증가함에 따라 인프라와 리소스를 동적으로 프로비저닝하도록 즉시 구성할 수 있어야 합니다. 목표는 빠르게 처리하는 동시에 이러한 애플리케이션이 최적의 속도로 실행될 수 있도록 고급 애플리케이션에 실시간 처리 기능을 제공하는 것입니다.
고급 소프트웨어 애플리케이션의 요구 사항을 충족하려면 컴포저블 기능 및 세분화가 필수적입니다. 기존의 클러스터화된 아키텍처는 이러한 작업에 적합하지 않으며, AI와 같은 고급 애플리케이션의 원활한 작동을 위해 정보가 이더넷 패브릭을 통해 빠르게 이동할 수 없습니다. 서버 박스 내에서 구성 요소를 세분화하고 API 프로토콜과 통신할 수 있는 방법을 제공함으로써 데이터 센터는 비용 효율적인 방식으로 복잡한 애플리케이션을 지원할 수 있습니다.
개인 클라우드 세분화의 이점
개인 클라우드 데이터 센터의 세분화는 기존의 서버 박스 모델에서 완전하게 탈피하는 것을 의미합니다. CPU, GPU, 모든 계층의 메모리, SSD 및 HDD 스토리지와 같은 리소스 구성 요소는 모두 적절한 패브릭 내에서 개별적으로 세분화 및 재구성할 수 있습니다. 이러한 리소스는 특정 물리적 서버 내에서 구성 요소를 구성하는 방식이 아니라 특정 애플리케이션에 필요한 사항에 따라 사용될 수 있습니다. 네트워크 패브릭에서 액세스할 수 있는 모든 항목을 세분화한 후 나중에 다시 구성할 수 있습니다.
예를 들어, 애플리케이션이 가져오는 스토리지 리소스 풀은 데이터 센터의 여러 곳에 위치한 10개의 서로 다른 서버 랙에 탑재된 HDD로 구성될 수 있습니다. 애플리케이션에서 현재 사용 중인 용량보다 더 많은 스토리지가 필요한 경우 1개의 HDD는 여유 공간이 있는 다른 HDD와 단순한 통신을 수행한 후 데이터를 원활하게 전송할 수 있습니다. 처리 작업 부하도 애플리케이션 요구가 증가하면 동적으로 변경될 수 있습니다. 반대로, 애플리케이션 수요가 감소하면 최대한 가장 에너지 효율적인 방식으로 스토리지 및 프로세싱을 재할당하여 비용이 많이 소요되는 오버프로비저닝을 줄이거나 제거할 수 있습니다.
이는 단일 서버 랙에 국한되어 JBOD 또는 디스크 묶음에서 급격한 변경이 수행되는 것입니다. 애플리케이션이 언제든지 호출할 수 있는 풀로 JBOD가 진화하여 데이터 센터 리소스를 보다 지능적으로 할당하는 것이 가능해졌습니다. 이후 IT 아키텍트는 서로 통신이 가능한 표준화된 외부 스토리지로 전환하기 시작했습니다.
또한, 세분화로 표준화된 인터페이스 모니터링이 도입되고 IT 아키텍트가 모든 구성 가능 데이터 센터를 관리할 수 있게 되었습니다. SSD, HDD, CPU 또는 패브릭 구성 요소 등 요구 사항 기반 하드웨어를 선택하는 것은 기존 데이터 센터를 세분화하고 구성 가능 데이터 센터로 전환하는 과정의 일부일 뿐입니다. IT 아키텍트에게는 원활한 통합을 위해 Redfish 또는 Swordfish 등 올바른 개방형 API 프로토콜과 데이터 센터 관리를 위한 단일 사용자 인터페이스가 필요합니다. 개방형 API를 사용하면 서로 다른 언어를 사용하는 하드웨어와 소프트웨어가 서로 통신하고 협력할 수 있습니다.
데이터 센터가 애플리케이션을 구성하는 것이 아니라 애플리케이션이 데이터 센터의 구성 방식을 정의하도록 하면 소프트웨어 정의 네트워킹(SDN) 및 소프트웨어 정의 스토리지(SDS)가 가능합니다. SDN 및 SDS의 다음 단계는 하이퍼 구성 데이터 센터입니다. 따라서 Amazon Web Services(AWS) 및 Microsoft Azure와 같은 일부 하이퍼스케일러와 동등한 수준의 개인 클라우드 아키텍처를 구성할 수 있습니다. 하이퍼스케일러는 프로세싱 및 스토리지를 대폭 향상할 수 있는 대규모 데이터 센터 공급자입니다. 데이터 센터의 네트워크 백본인 이더넷 패브릭은 대기 시간이 짧은 HDD 및 SSD 장치와 함께 실행되도록 사용자 지정 방식으로 구축할 수도 있습니다. 이러한 사용자 지정을 통해 대기 시간이 짧은 패브릭에서 작동하는 세분화된 리소스 풀에서 애플리케이션을 가져올 수 있으므로 데이터 트래픽 또는 처리에서 지연이 감소합니다.
Redfish 및 Swordfish와 같은 개방형 API 프로토콜은 원활하게 작동하는 모든 세분화된 구성 요소에 매우 중요합니다. Seagate는 장치 간 작동을 촉진하는 특정 클래스의 데이터 센터 제품에서 사용되는 자체 레거시 REST API를 보유하고 있습니다. 과거에는 장치를 교체하려면 설치와 통합에 몇 주가 소요되었습니다. API 프로토콜을 사용하면 데이터 센터 아키텍트가 하드웨어 조달에서 개별적인 플러그 앤 플레이 방식을 활용할 수 있습니다. 서로 다른 제조사의 새 장치를 설치하여 매우 빠른 시간 내에 작동할 수 있습니다.
데이터 센터를 세분화하는 것은 구성이 가능하도록 만드는 것입니다. 아키텍트가 소프트웨어 애플리케이션 요구 사항에 맞는 하드웨어 장치를 선택하면 미래를 대비하여 구성된 데이터 센터를 구성, 운영 및 최적화할 수 있습니다.
개인 클라우드를 위한 최신 구성 가능 데이터 센터의 효율성
데이터 센터 구성 가능성은 모든 세분화된 구성 요소를 연결할 뿐만 아니라 데이터 센터의 비용 효율성 및 성과와 관련된 핵심 성과 지표(KPI)를 향상하는 데 도움이 됩니다. 과거의 데이터 센터에서는 오버프로비저닝이 최대 예산 소요 항목 중 하나였습니다. 데이터 센터가 오버프로비저닝되면, 서버 및 리소스에 대한 비용이 지불되지만 사용되지 않습니다. 본질적으로 IT 아키텍트는 활용도가 낮은 리소스 풀에 대해 비용을 지불하므로 하드 드라이브의 프로비저닝이 부족하게 됩니다.
프로비저닝이 부족한 리소스는 연결되지 않은 풀 또는 활용률 저하로 인해 사용되지 않는 리소스 풀이 됩니다. 여기에는 CPU, GPU, FPGA(Field Programmable Gate Array), DRAM(Dynamic Random-Access Memory), SSD, HDD 또는 SCM(스토리지 클래스 메모리)이 포함될 수 있습니다. 이러한 빌딩 블록은 소프트웨어 API를 통해 애플리케이션별 하드웨어를 생성하도록 동적으로 구성됩니다.
구성이 가능한 오픈 소스 데이터 센터 아키텍처를 이용할 수 있기 전, 개인 클라우드는 일반적으로 단일 공급 업체의 하드웨어를 사용하여 구축되었습니다. 물리적으로 연결된 데이터 센터는 초기 비용이 더 많이 소요되며 조직은 시간이 지남에 따라 비용이 많이 소요되는 공급 업체별 아키텍처에 종속되는 경우가 많습니다.
컴포저블 기능의 동향은 공용 클라우드 아키텍처의 일부로 주목을 받기 시작했습니다. AWS와 Microsoft Azure 등의 제품이 두 가지 예입니다. 개인 클라우드 배포에서도 유사한 접근 방식을 취할 수 있으며, 공급 업체 종속을 방지하고 여러 공급 업체의 장치로 데이터 센터를 구성하여 금전적 자원을 절약할 수 있습니다.
이를 통해 IT 관리자는 보다 대용량의 스토리지 용량에 더 많은 예산 리소스를 할당하여 저장된 데이터에서 통찰력과 가치를 추출할 수 있습니다.
이제 조직은 타사 스토리지 솔루션을 사용하고 이를 데이터 센터에 배치하며 오픈 소스 API와 원활하게 통합할 수 있습니다. IT 아키텍트가 한 제조업체의 SSD를 원하지만 데이터 센터가 다른 제조업체의 SSD로 구축된 경우 해당 SSD를 별 문제 없이 데이터 센터에 배치할 수 있습니다. API는 모든 구성 요소가 원활하게 작동할 수 있도록 해줍니다. 데이터 센터 관리자는 예를 들어 데이터 센터가 현재 구성되지 않은 공급 업체의 부품과 관련된 비용과 스트레스를 줄이기 위해 구성 요소가 원격 분석을 통해 통신하는 방식에 집착할 필요가 없습니다.
풀링 또는 공유 메모리의 또 다른 주요 이점은 이 노드의 영향을 받는 가상 머신 또는 컨테이너 클러스터에서 중단 상태가 되지 않고 노드 장애 발생 시에서 애플리케이션이 계속 작동할 수 있는 기회가 제공된다는 점입니다. 여기에서의 아이디어는 이제 다른 노드가 가상 머신 메모리의 마지막 상태를 자체 메모리 공간에 복사하거나(풀링된 메모리 아키텍처의 경우) 대기 시간이 매우 짧은 패브릭에서 포인터 리디렉션을 통해 제로 복사 프로세스를 사용하고 실패한 노드가 중단 지점(공유 메모리 아키텍처의 경우)에서 원활하게 계속 작동할 수 있다는 것입니다. 이는 향상된 신뢰성과 가용성을 제공하기 위해 데이터 센터의 원활한 내결함성 기능이 크게 발전한 것으로 간주될 수 있습니다.
또한, 구성 가능 아키텍처를 통해 여러 소스에서 데이터를 보다 빠르게 수집 및 처리할 수 있으며 설치된 리소스를 전반적으로 보다 효율적으로 사용할 수 있습니다. 구성 가능 데이터 소스 아키텍처에는 일반적으로 물리적 센서, 데이터 시뮬레이션, 사용자 생성 정보 및 원격 측정 통신 등이 포함됩니다. 그리고 데이터 센터 관리자는 몇 분 내에 리소스를 가동하여 애플리케이션간에 즉시 공유할 수 있습니다.
모든 리소스의 단일 보기
컨테이너화된 오케스트레이션 클라이언트를 사용함으로써 구성 가능 아키텍처를 통해 개인 클라우드 데이터 센터를 보다 편리하게 오케스트레이션 및 관리할 수 있습니다. 모든 하드웨어는 단일 인터페이스에서 세분화, 구성 및 모니터링할 수 있습니다. 데이터 센터 관리자는 사용 중인 리소스 풀에 대한 현재 상황을 보다 명확하게 파악하고 오버프로비저닝이 발생하지 않았는지 확인할 수 있습니다. 대부분의 경우 관리는 표준 소프트웨어로 수행됩니다. 소프트웨어는 독점 또는 오픈 소스가 사용될 수 있습니다.
특히 스토리지 리소스를 유연하게 구매하고 배치하는 것이 가능하므로 컨테이너화된 오픈 소스 환경에서는 새로운 소프트웨어 애플리케이션을 보다 유연하게 배포할 수 있습니다. 예를 들어, 데이터 센터 아키텍트는 더 이상 값 비싼 플래시 스토리지 계층을 오버프로비저닝할 필요가 없습니다. 왜냐하면 모든 애플리케이션 작업 부하가 물리적인 위치와 관계없이 필요에 따라 기존 SSD 리소스 집합으로 즉시 이동할 수 있기 때문입니다. 이를 통해 원시 스토리지 용량 증가와 같은 다른 목적으로 사용할 수 있는 물리적 공간과 함께 오버프로비저닝도 방지할 수 있습니다.
최근에는 원시 데이터의 증가와 폭발로 인해 더 많은 원시 스토리지 용량을 생성할 필요성이 증가하고 있습니다. 또한, 조직은 더 많은 데이터에서 더 많은 가치와 실행 가능한 통찰력을 확보하여 수익을 향상할 수 있는 새로운 기회를 모색하기 위해 노력하고 있습니다. 중요한 것은 IT 아키텍트가 대량의 데이터를 수집, 저장 및 전송하는 인프라를 설계할 수 있다는 것입니다. 보다 효율적인 컴퓨팅 하드웨어 레이아웃은 최근의 빅 데이터 환경에 필요한 원시 대용량 스토리지를 위해 더 많은 공간을 사용할 수 있음을 의미합니다.
해결책은 필요에 따라 CPU와 스토리지 풀을 다른 장치와 연결할 수 있는 구성 가능 데이터 센터입니다. 다른 모든 장치는 소프트웨어 엔진에 의해 조정되는 관리 네트워크에 연결하기 위해 CSI, Redfish 및 Swordfish를 사용합니다. 데이터 센터의 다른 모든 빌딩 블록은 소프트웨어 API를 통해 특정 애플리케이션이 되도록 동적으로 구성될 수 있습니다.
비용, 성능, 효율성
데이터 센터의 세분화 및 구성 가능성 추세는 비용, 성능 및 효율성이 주도하고 있습니다. CPU가 모든 것의 중심이 되는 시대는 지났으며, 다른 모든 장치가 CPU와 함께 동일한 상자에 채워집니다. 이제 개인 클라우드 아키텍트는 사용 사례 및 특정 요구 사항에 따라 가장 적합한 장치, 하드웨어 및 소프트웨어를 선택할 수 있습니다.
기존의 컨테이너화된 클러스터 데이터 센터를 통해 보다 복잡한 애플리케이션이 나타났지만, 최근의 소프트웨어는 성능이 너무 높기 때문에 보다 동적인 아키텍처가 필요합니다. 그리고 미래에 구성 가능한 GPU, FPGA 및 메모리는 대기 시간이 매우 짧은 인터페이스를 통해 활성화될 것입니다.
구성 가능성은 처리 작업 부하가 실시간으로 분산되어 활용도가 낮은 장치와 부담을 공유하고 미연결 데이터 풀을 제거하는 것을 의미합니다. 컴포저블 기능은 처리 작업 부하가 실시간으로 분산되어 활용도가 낮은 장치와 부담을 공유하고 미연결 데이터 풀을 제거하는 것을 의미합니다. 세분화 및 컴포저블 기능을 통해 IT 아키텍트는 가장 까다로운 소프트웨어 애플리케이션의 요구 사항을 충족할 수 있습니다. 구성 가능 데이터 센터는 실제로 부품의 합계 이상입니다.
