Rechenzentren werden seit Jahren virtualisiert. Und dieser Prozess setzt sich fort. Es scheint, als öffne jede ausgereifte Virtualisierungsebene die Tür zu einer weiteren Möglichkeit, Rechenzentrumsdienste und Workloads zu virtualisieren.
Hier sind einige der wichtigsten Trends bei der Virtualisierung von Rechenzentren:
1. RAS im Rechenzentrum
Gary Smerdon, Präsident und CEO von TidalScale. Die zunehmende Bedeutung von RAS im Rechenzentrum (Zuverlässigkeit, Verfügbarkeit und Wartbarkeit) wird von ihm als Trend beobachtet. Die Logik dahinter ist einfach: Die Unternehmen von heute arbeiten datenbasiert. Und die zu verarbeitende Datenmenge wächst ständig. IT-Organisationen müssen diese Daten effizient verarbeiten und die daraus gewonnenen Erkenntnisse nutzen können, um wettbewerbsfähig zu bleiben. Doch das Datenwachstum übersteigt die Möglichkeiten herkömmlicher IT-Infrastrukturen. In den vergangenen Jahren verzeichnen Hardwaresysteme immer höhere Ausfallraten.
Google identifizierte 2009 nicht korrigierbare Speicherfehler als häufigste Ursache für Serverausfälle. Heute sind Ausfälle 50-mal wahrscheinlicher als noch vor einem Jahrzehnt. Weitere Fehlerquellen sind unter anderem Stromversorgung und Lüfter, Netzwerke sowie Speicher. Damit wird RAS zu einem wichtigen Trend für Datenexperten.
„Um die IT-Infrastruktur wirklich zu modernisieren, müssen sich Hardwaresysteme selbst optimieren und selbst heilen können“, sagte Smerdon. „Nur so lassen sich maximale Verfügbarkeit und die Aufrechterhaltung der Geschäftskontinuität erreichen.“
Sein Unternehmen arbeitet mit Kunden zusammen, die sich zunehmend softwaredefinierten Servertechnologien zuwenden, durch die selbstoptimierende Systeme Realität werden. Der Trend geht dahin, dass Kunden selbstheilende Systeme Wirklichkeit werden lassen – und damit die IT-Umgebung in die Zukunft führen.
2. Virtueller Speicher im Petabyte-Maßstab
Anwendungen sind weitaus anspruchsvoller als früher. Der Zuwachs an Rechenleistung in Verbindung mit Fortschritten bei der Speichertechnologie eröffnet neue Möglichkeiten. Dazu gehören die Entstehung virtualisierter Speicherpools im Petabyte-Maßstab mit einem CXL-(Compute Express Link-)Backbone, das Kapazität und Bandbreite bereitstellt, sowie eine Software für die Speichervirtualisierung als Herzstück, die Daten mit Speichergeschwindigkeit bewegt.
„Die neue Verbindungstechnologie und Software werden ein umfangreiches Ökosystem aus neuen CXL-kompatiblen Prozessoren, Speicherchips, PCI-Karten, Servern und Speichersystemen unterstützen“, sagte Frank Berry, Vice President of Marketing bei MemVerge.
3. Datenhungrige KI-Anwendungen etablieren sich im Mainstream
Mit der Weiterentwicklung der KI-Funktionen entwickeln Programmierer Anwendungen, die diese neuen Möglichkeiten nutzen. Dadurch explodiert die Größe der Datensätze. Dieser Trend hat offengelegt, dass Anwendungen an eine Speichergrenze stoßen. Das äußert sich in Speicherengpässen, die die Zeit bis zum Ergebnis verlängern.
„Wenn Datensätze Hunderte von Gigabyte erreichen, funktionieren frühere Ansätze nicht mehr, weil Routineaufgaben wie das Laden, Speichern, Replizieren und Wiederherstellen von Dateien Minuten bis Stunden dauern“, sagte Berry. „Echtzeitanwendungen wie Betrugserkennung und die Erstellung von Social-Media-Profilen sowie lang laufende Anwendungen wie Videorendering und Bioinformatik verarbeiten häufig Terabytes an Daten und benötigen schnelleren Datenzugriff.“
4. Die CXL-Technologie kommt dem Bedarf entgegen
CXL steht für eine längst erwartete Modernisierung der Speicherebene im Rechenzentrum und macht sie zu einem gleichberechtigten Bestandteil der Virtualisierungshierarchie des Rechenzentrums. Die CXL-Verbindungstechnologie unterstützt Bandbreite und Latenz auf Speicherniveau innerhalb eines Servers und lässt sich auf mehrere Racks erweitern. Vor CXL konnten einige Terabyte Speicher innerhalb eines Servers gemeinsam genutzt werden. Nach CXL werden Speicher in mehreren Servern sowie in externen Speicher-Arrays die gemeinsame Nutzung von Petabytes an Speicher ermöglichen. Vor CXL war der Speicher nach Prozessoren abgeschottet. Nach CXL wird der Speicher von CPUs, GPUs, DPUs usw. effizient gebündelt und gemeinsam genutzt. Vor CXL war Speicher nicht wie Rechenleistung, Speicherplatz und Netzwerkressourcen komponierbar. Nach CXL werden Kapazität, Leistung, QoS, Verfügbarkeit, Sicherheit und Mobilität des Speichers durch Software für die Speichervirtualisierung bereitgestellt.
„Langfristig verspricht Speicher im Petabyte-Maßstab, die Entwicklung und Nutzung von Anwendungen zu verändern“, sagte Berry. „Anwendungen wie Chipdesign, Animation und Genomanalysen, die in einzelne Teile zerlegt und separat bearbeitet werden, können Petabytes an Daten in einen einzigen Speicherbereich laden. Das wird eine neue Ära der Zusammenarbeit einläuten.“
5. Rechenzentren können Speicher jetzt virtualisieren
Das gesamte Speicherökosystem ist in Bewegung und entwickelt und veröffentlicht CXL-kompatible Hard- und Software. Einige Produkte für die CXL-Ära sind bereits heute verfügbar und bereit für den Umstieg auf CXL, sobald Server ausgeliefert werden:
- Komponierbare Rechenzentrums-Infrastruktursysteme: Liqid und Giga-IO liefern bereits heute komponierbare Speichersysteme einschließlich Speicher aus.
- Software für die Speichervirtualisierung: MemVerge liefert Software aus, die PMem und DRAM virtualisiert und eine Suite von Datendiensten für die Bereitstellung des Speicherpools bietet.
- Speicherkarten, die von verschiedenen Prozessoren gemeinsam genutzt werden können: SmarModular bietet eine Karte mit PMem an, die von heterogenen Prozessoren verwendet werden kann, nicht nur von Intel-Prozessoren.
Darüber hinaus erscheinen nach und nach Produkte im gesamten Spektrum der Rechenzentrumsinfrastruktur: CXL-kompatible Prozessoren, Speicherchips, Speichermodule, Speicher-Arrays, Switches, Server mit integrierten CXL-Verbindungen, Cluster mit CXL-Servern und CXL-Speicher-Arrays sowie Software für die Speicherhierarchisierung.
6. Hyperscaler geben den Weg vor
Bereitstellungen im Hyperscale-Bereich beginnen frühestens 2023 zunächst mit einigen punktuellen Lösungen für spezifische Anwendungen. Die Bereitstellung im großen Maßstab folgt, sobald eine kritische Masse an integrierten und getesteten Komponenten, Systemen und Open-Source-Software vorhanden ist. Bei den Early Adopters geben Hyperscaler mit Anwendungen für riesige Datensätze den Weg vor, bei denen Ergebnisse so schnell wie möglich geliefert werden müssen. Dazu gehören:
- Echtzeitanwendungen: Betrugserkennung, Empfehlungs-Engines im Einzelhandel, Erstellung von Social-Media-Profilen
- Lang laufende Anwendungen: Genomforschung, EDA, Animation/VFX, geophysikalische Exploration
Mainstream-Geschäftsanwendungen mit KI, die große Datensätze verarbeitet