存储虚拟化(精品·公开课件).ppt

存储虚拟化技术 Question：如何保证虚拟化之后的数据状态不变，同时避免复杂的数据备份和迁移？Answer：SSE ( 存储服务使能）实现对已有数据的卷的虚拟化：数据状态不变访问路径不变无需数据迁移丰富的数据管理功能 面向互联网应用：流媒体、社交网站、图片 非结构化数据： 通用内容存储(“云盘”): 通过POSIX进行访问，如iCloud, ThingGrid等 具备与云数据同步功能的通用内容存储：数据的访问可能通过不标准的协议，如MobileMe, Google Docs, Windows Live Mesh等 数据备份：把数据备份到存储云，在需要的时候进行恢复 数据归档和保留：把数据保存一段时间，然后安全地删除 数据保存：数据保存很长一段时间，如图书馆、大学的资料等 数据库：为云应用存放表数据，如Microsoft Azure Tables, Google BigTable, SimpleDB 云计算需要的存储：主要为laaS服务，存放映像，应用映象等，如Amazon S3等 内容分发：全球性的发布数据，减少延迟和提高扩展性 云存储之间的相互操作：存储云之间的数据共享、数据复制、数据分布等 数据服务的对象：公共存储云还是私有存储云？ 存储数据服务的种类：块存储还是文件存储？ 性能和吞吐量：对性能要求比较高的应用，如OLTP，服务器与存储云应该放在一起，避免网络延迟带来的影响。 高可用性: 99.999%的可用性需要可靠的硬件，更需要有效的系统管理手段 数据安全：如何保障公共存储云上数据的安全性？数据加密？ 整合存储，提高存储的利用率，降低能耗； 构成一个大的存储池； 采用更大容量的SATA磁盘；减少磁盘数量； 相同容量的SATA磁盘的耗电是FC磁盘的一半； 迁移数据，更有效的利用存储； 根据策略，将数据迁移到SATA磁盘上； 集中备份，占用更少的存储； 存储池内基于COW进行快照；4Q2007 只备份变更的数据； 重复数据删除技术； 减少测试、开发所需的存储空间； 存储池内，通过基于时间点的快照，而非克隆技术; 存储空间精简配置 存储按需分配；2Q2008 数据的海量增长——数据中心成本飙升 部门缺乏足够的能力以快速响应业务的需求——服务提交压力 不尽人意的可靠性及服务级别保障——服务水平压力 缺乏熟练的技术管理人员——管理成本高 资产使用率低——采购成本高 虚拟化存储整合解决方案 Storage Virtualization 客户拥有很多的异构的存储和不同平台的主机系统 整体低的利用率 通过提高存储的全部的存储的利用率，节省电源消耗； 提升IO性能和吞吐量 通过统一的任务窗口对异构存储实施高级拷贝，备份和生命周期管理，降低存储管理成本 IBM, HP, EMC, HDS… Combined 50% utilization Storage Pool IBM, HP, EMC, HDS… Combined 80% utilization IBM SAN Volume Controller 推荐的解决方案 价值主张 目标客户 IBM的虚拟化解决方案－－绿色策略 Windows 服务器 Linux 服务器 UNIX 服务器 计算能力和数据的孤岛 不同的管理工具 人工资源分配 管理 服务器 物理整合 复杂 逻辑简化 Windows 服务器 UNIX? 服务器 Linux 服务器 网络 网络 较少的设备和许可证 不同的管理工具 耗费大量人力的资源分配 资源池 每台服务器多种操作系统 快速资源分配 自动管理 存储 虚拟化 虚拟服务器、 存储、网络 存储 服务器 需要突破性技术 降低复杂性——简化IT存储架构 网络 Hidden Cost : Storage Virtualization 潛在成本：儲存虛擬化 資料整合為跨單位整合的第一步!! 導入評量指標： 資料所有權/散佈權/重覆比例 資料成長量= ?? PB/Year 現有資料副本個數/災害復原能力 商業硬體方案：EMC、NetApp 商業軟體方案：IBM GPFS 自由軟體方案： Lustre、ZFS、GlusterFS... 預期效益： 減少資料重覆(Data Deduplication) 提供異地副本備份、災害復原機制 處理海量資料是雲端運算的精華 用前處理與資料量換取查詢時間 關鍵技術： 分散儲存檔案 → 在地平行運算 分散式資料庫 → Key-Value 商業解決方案： Google App Engine GFS / MapReduce / BigTable Amazon S3 / SimpleDB Cloudera Hadoop Distribution 預期效益： 降低檔案遺失風險 降低資料傳輸成本 Adj