MASF(Media Aware Storage Framework)
미디어 현대화의 문제점 해결
MASF는 빌딩 블록 및 스토리지 프레임워크를 통해 기존 스토리지 솔루션에 성능과 지연 시간, 내구성 면에서 비용 효율적인 개선을 지원합니다. MASF는 빠른 캐싱, 빠른 스토리지, 인텔리전스를 사용하여 응용 프로그램 가속화를 지원함으로써 멀티 클라우드 시스템을 탐색하고, 서버당 확장 가능성을 높이고 지연에 민감한 워크로드의 트랜잭션 비용을 절감하여 인사이트에 더 빨리 도달할 수 있게 해 줍니다.
작동 방법
MASF는 미디어 유형, 스토리지 아키텍처, 스토리지 방법, 운영 체제 등 다양한 환경 전반에 가장 적합한 데이터 배치를 위한 프레임워크입니다.
힌팅 생성기
응용 프로그램의 IO 분류 식별자는 데이터 배치 블록으로 전달되어 시스템에서 최적의 데이터 배치를 결정하게 합니다.
데이터 정책
데이터 정책은 다양한 IO 분류에 따라 다양한 미디어 풀에 대한 IO 처리 규칙을 정의합니다.
데이터 배치
배치는 힌트와 정책과 결합하여 적절한 미디어 풀을 선택하고 시스템 활용을 최적화합니다.
데이터 분석기
피드백 루프가 워크로드와 배치 추세를 실시간으로 분석하여 시스템 활용을 최적화하기 위한 정책 권장 사항을 제공합니다.
데이터 레이아웃
데이터 배치가 할당한 풀 내에서 최적화된 레이아웃을 식별하고 실행합니다.
미디어 풀
사용 가능한 스토리지 리소스로 데이터 배치 엔진에 제시된 동일한 미디어 유형의 하나 이상의 장치 모음입니다.
MASF를 사용해야 하는 이유
HCI, HPC, AI, 데이터베이스 등 빠르게 발전하는 부문의 워크로드는 더욱 집중적으로 변화하고 있으며, 더 빠른 속도의 더 많은 데이터 분석이 필요합니다.
이에 따라 코어 수는 가차 없는 속도로 증가를 계속하고, 100GbE과 같은 고속 네트워크는 점점 더 흔해지고 있습니다. 마찬가지로 스토리지 병목 현상을 극복하고 방대한 양의 데이터를 효율적으로 저장할 수 있도록 인텔® Optane™ SSD 및 인텔® QLC 3D NAND 등의 새로운 스토리지 미디어가 탄생했습니다. 그러나 동질적이고 단순한 미디어 구조를 가정하는 기존 스토리지 역학은 이러한 미디어 유형의 전체 가치를 실현할 수 없습니다. 최신 미디어 가치를 활용하고 시스템의 스토리지 병목 현상을 제거하기 위해서는 데이터 배치에 대한 더욱 지능적이고, 데이터에 기반한 접근 방식이 필요합니다.
MASF의 설계 접근 방식은 스토리지 개발자가 점점 더 까다로워지는 SLA의 요구 사항을 충족하면서 스토리지 비용을 낮추는 데 도움이 됩니다.
MASF를 사용하면 스토리지 개발자는 다양한 미디어 풀에 대한 IO 처리 규칙을 정의하고, 힌트와 정책을 결합하여 가장 최적의 풀을 선택할 수 있습니다. 게다가 워크로드와 데이터 배치를 분석하는 피드백 루프에서 정책 권장 사항을 제공하여 정책이 정적인 상태로 유지되지 않고, 워크로드의 변화하는 성질에 민감하게 대응할 수 있도록 합니다.
이 프레임워크의 빌딩 블록을 결합하면 개발자는 기존 스토리지의 비용 초점, 용량, 처리량, 꼬리 응답 시간 관련 문제를 해결할 수 있습니다.