Moderne Speicherlösungen ermöglichen anspruchsvolle Datenanalysen

News

Big Data Analytics mithilfe von sehr schnellem All-Flash-Speicher wird zunehmend wichtiger.

(Source: zVg)

Im Rahmen der fortschreitenden digitalen Transformation kommen vermehrt Big Data Analytics und künstliche Intelligenz (KI) zum Einsatz. Mit der zunehmenden Innovation steigen jedoch auch die Datenmengen und die Anforderungen an die Datenqualität. Eine zeitgemässe auf All-Flash basierende Datenspeicherlösung muss daher den folgenden Aspekten gerecht werden:

Unternehmen können mit Echtzeit-Analysen schneller Erkenntnisse gewinnen. Die Speicherlösung kann eine grosse Anzahl von Benutzern mit massiv parallelen Verbindungen und konstant hohem Durchsatz unterstützen.
Eine einfache und effiziente Infrastruktur ist ein Muss für den Betrieb moderner Analyseanwendungen. Mit «Infrastructure as Code» und «API First»-Ansätzen kann auch ein lokaler Speicher die Vorteile und Flexibilität der Cloud bieten und gleichzeitig behält man die Kontrolle über seine Daten.
Eine moderne Datenanalyse-Plattform muss auf dem neuesten Stand bleiben, parallel zum fortschreitenden Reifegrad der Datenanalytik.
Unternehmen sollten nur für die tatsächlich genutzten IT-Ressourcen zahlen.
Schliesslich gilt es, die Betriebszeit der Speicherlösung zu maximieren. Ein datengesteuertes Unternehmen, das blitzschnell aussagekräftige Erkenntnisse in die Tat umsetzen will, kann sich keine Ausfallzeiten leisten.
Anwendungsbeispiel:

Health 2030 Genome Center

Das Health 2030 Genome Center, ein Schweizer Forschungs-Hub für Genomsequenzierung und -analyse, führt DNA-Sequenzierungsanalysen für die Patientendiagnose durch. Die dabei erzeugten grossen Datenmengen gilt es für eine bessere, personalisierte medizinische Behandlung nutzbar zu machen. Das Forschungszentrum benötigte daher eine neue Storage-Lösung für seine unstrukturierten Daten, die bessere Effizienz, Flexibilität, Performance und Skalierbarkeit bieten sollte. Ebenso wichtig war die Agilität und Anpassungsfähigkeit der Infrastruktur, da je nach Projekt der Bedarf an Storage-Volumen sehr schnell von null auf 200 TB steigen kann und umgekehrt.

Nach einem erfolgreichen Proof of Concept entschied sich das Genome Center für Pure Storage FlashBlade, bereitgestellt über Evergreen//One, um die Storage-Performance zu verbessern und neue Anwendungsfälle zu unterstützen. FlashBlade ist eine Flash-optimierte Unified-Fast-File- und Object-Storage-Lösung, mit der die Analyseteams eine deutlich schnellere Abfrageleistung und damit schnellere Erkenntnisse erzielen können. Mit dem Evergreen//One-Abonnement kann das Forschungszentrum seine Storage-Ressourcen entsprechend den sich ständig ändernden Anforderungen skalieren. Abgerechnet wird dabei nur das tatsächlich genutzte Storage-Volumen.

Der Schwerpunkt bei FlashBlade liegt auf der Einfachheit und Skalierbarkeit durch die Trennung von Rechen- und Speicherleistung. Ziel war es, eine effiziente Plattform für das Hosten mehrerer Analyseanwendungen zu schaffen, die gleichzeitig eine grosse Anzahl von Anwendern unterstützt und leicht skalierbar ist. Insbesondere für Analytik bietet FlashBlade Unterstützung für verschiedene Tools, vom Ingest bis zur Visualisierung, um Echtzeitergebnisse in beliebigem Umfang für strukturierte und unstrukturierte Daten zu liefern.

Seit dem Einsatz von FlashBlade stehen die Ergebnisse den Benutzern nun zehnmal schneller zur Verfügung und die Übertragungsgeschwindigkeit hat sich verdoppelt. Die Forscher können die gespeicherten Daten in Echtzeit analysieren, ohne sie selbst herunterladen zu müssen, und somit einfacher und schneller Diagnosen stellen. Der effiziente Kundensupport und die benutzerfreundliche Pure1-Oberfläche für das Storage-Management stellen weitere Vorteile dar. Durch die generelle Einfachheit der Speicherlösung spart das Genome Center viel Zeit beim täglichen Betrieb.

Richtige Speicherlösung ist entscheidend

Eine zeitgemässe Speicherlösung kann dabei helfen, die Analyse-Reife zu steigern und die anspruchsvollsten modernen Datenanforderungen zu erfüllen. Agilität, Effizienz, Flexibilität, Performance und Skalierbarkeit schaffen die Voraussetzung für die Arbeit mit Big Data, um bessere und schnellere Entscheidungen zu treffen oder – wie im Anwendungsbeispiel – die medizinische Forschung zu unterstützen und eine personalisierte Behandlung bereitzustellen.