<img height="1" width="1" style="display:none;" alt="" src="https://dc.ads.linkedin.com/collect/?pid=200361&amp;fmt=gif">

Come storage all-flash e analisi predittiva ottimizzano data center e applicazioni

La trasformazione digitale in corso sta portando i reparti IT delle imprese a spostare l’attenzione, dal funzionamento dell’infrastruttura hardware, alle prestazioni delle applicazioni, e relative user experience. Ciò naturalmente non significa che oggi l’hardware sia meno importante, ma che, se un’applicazione funziona a pieno regime fornendo una buona esperienza d’uso a chi la sta fruendo, senza accusare rallentamenti o interruzioni, allora l’hardware sta operando bene.

Tuttora, in molte organizzazioni, sono frequenti i casi in cui si sperimentano ritardi nella risposta delle applicazioni e ciò indipendentemente dal tipo di settore o reparto: che si tratti di un sistema ERP, di un’applicazione CRM, di un sito web, o della pagina di un portale aziendale, che non riesce ad accedere istantaneamente ai dati e a visualizzarli, il risultato è sempre una degradata capacità d’interazione dell’applicazione con l’utente finale. Questo calo di performance può interessare le applicazioni di back-end al cuore dell’organizzazione, o un servizio di front-end, che interagisce direttamente con i clienti dell’azienda, come un sito di e-commerce: ma sempre il suo impatto si traduce in un peggioramento dell’efficienza dei processi, che a sua volta può determinare riflessi, accrescendo i rischi di compromissione della continuità del business e minando la competitività dell’impresa.

 

Eliminare latenza e downtime con il paradigma ‘predictive flash’

I rallentamenti o le interruzioni, di diversa entità, che ostacolano la fornitura dei dati alle applicazioni di business vengono talvolta definiti ‘app-data gap’: oggi diventa quindi essenziale colmare, o almeno ridurre, questa distanza, identificando quali siano le cause alla radice del problema e i colli di bottiglia esistenti nelle spesso complesse infrastrutture IT delle imprese. Una ricerca condotta da Nimble Storage, una società di HPE, analizzando più di 12mila problemi nelle infrastrutture di oltre 7.500 ambienti IT dei clienti, ha evidenziato che lo storage è il primo responsabile dei colli di bottiglia che causano l’app-data gap: il 46% dei problemi risultano infatti collegati allo storage, includendo gli inconvenienti hardware e software, e occasionalmente le prestazioni. Il restante 54% delle difficoltà non ha invece nulla a che vedere con lo storage, ma dipende da questioni di configurazione, interoperabilità e quant’altro.

Oggi esiste un moderno modello di storage che permette di ovviare a tutti questi problemi: si chiama ‘predictive flash’ ed è costituito da due componenti tecnologiche.

 

Benefici degli array storage ‘all-flash’

Una prima componente tecnologica per colmare l’app-data gap è costituita dall’adozione di uno storage basato su tecnologia flash. Non a caso, i dati indicano che sempre più organizzazioni stanno scegliendo questa strategia: per il 2021, stima la società di analisi di mercato Gartner, il 50% dei data center utilizzeranno array a stato solido (SSA) flash-based. E la ragione si comprende facilmente, visto che i drive flash a stato solido (SSD) forniscono un miglioramento delle prestazioni di dieci volte, e il doppio della densità, rispetto ai tradizionali hard disk meccanici.

 

Predictive analytics per automatizzare la gestione

Oltre al ricorso alla tecnologia flash, il secondo componente tecnologico chiave da prendere in considerazione è legato a quel 54% di problemi non dovuti allo storage, ma alla complessità di gestione dello stack infrastrutturale. Data l’attuale complessità applicativa, l’amministrazione dello stack IT consuma l’80% del tempo e del budget destinato alle attrezzature informatiche.

Tale componente completa la soluzione per ottimizzare i moderni data center e le applicazioni di ultima generazione ed è costituito dall’abbinamento dello storage all-flash con strumenti di analisi predittiva (predictive analytics). In questo modo è infatti possibile adottare un approccio proattivo, in grado, attraverso i dati raccolti, e la loro analisi tramite algoritmi di machine learning, di elaborare ‘insights’ sulle performance dello storage, utili a individuare e risolvere in automatico i problemi, prima che possano causare un impatto negativo sulle prestazioni dei sistemi di memorizzazione e sulle applicazioni. In sostanza, la capacità di predire e prevenire i malfunzionamenti dello storage alla radice, attraverso l’automazione, consente di ridurre o, addirittura, eliminare i classici interventi manuali.


New Call-to-action 

Data center Storage