分析データの氾濫を克服するクラウドコンピューティングの役割

情報インフラストラクチャを近代化する戦略の一環として、企業はクラウド コンピューティングをより有効に活用して、データ センターで実行されるワークロードの一部をオフロードする方法を検討する必要があります。

[[208202]]

ほとんどの企業は、1年以内にワークロードをクラウドで実行できるようになると予想しています。 451 Research の最近の調査によると、プライベート クラウドまたはパブリック クラウドのワークロードを使用している企業の割合は、2018 年半ばまでに 41% から 60% に増加する見込みです。調査対象者のうち 38% が、すべてのワークロードの展開においてクラウド ソリューションを優先するクラウド ファースト ポリシーを採用しています。俊敏性、柔軟性、拡張性、総所有コストの削減、クラウドでのデータの可用性などの利点を考えると、これは驚くべきことではありません。クラウドの価格設定は、クラウド内のワークロードの重要な推進力となります。クラウド コンピューティングのコストが下がり続けるにつれて、企業は高価なオンプレミス データ センターの導入にますます消極的になっています。

クラウドの価格設定と固有のコンピューティングの利点に加えて、クラウド コンピューティング プロバイダーは、データ ウェアハウス、データ統合、データ準備、分析などのサービスを継続的に追加しており、これらは社内外の顧客への分析の提供を加速するために不可欠です。企業がクラウドの固有の柔軟性を活用するにつれて、データとコンピューティング能力の重心が従来のオンプレミス データ センターからクラウドへと移行しつつあることは間違いありません。

データ重力はなぜ重要ですか?

Data Gravity は、移動中のデータを処理し、より近いデータを分析できます。現在企業が採用している代替手段は、より高価で時間がかかります。現代の分析に関係するデータの量は膨大であるため、処理のために大量のデータをあるシステムから別のシステムにコピーする必要がある複雑なアプローチに頼ることはできません。処理のためにデータをクラウド内外に移動しても、この問題は解決されず、悪化する可能性があります。

処理エンジンは、データが存在する場所に処理を移動し、ネットワークを介したデータの移動を最小限に抑えるためにインテリジェントである必要があります。データは、エッジ、エッジ付近、コロケーション データ センターなど、あらゆる場所に存在します。データを移動する必要がある場合は、分析をサポートするために必要なデータのサブセットのみを慎重に移動してください (例: オンプレミスからクラウド、クラウドからクラウド、エッジからクラウド)。必要なデータをフィルタリング、削減、取得することで、データがどこに保存されているかに関係なく、データの移動を最小限に抑えることができます。

データ センターはビジネスにとって非常に重要であり、すぐになくなることは予想されません。ただし、企業のワークロードはますます分散化され、ハイブリッド化しています。企業は、マネージド サービスとハイパースケール クラウド コンピューティング、新しいクラウド プラットフォームとネットワーク モデルの採用を要求し、それらをエッジ、ニア エッジ、コア ロケーション、さらにはリモート ロケーションなど、最も最適化されたデータ センターにマッピングしています。保存、処理、集約、フィルタリングに最適な場所を決定する要因には、データの場所が含まれますが、これには以下が含まれます。

• パフォーマンスとレイテンシの要件
• データへのアクセスの重要性（例：リモートデータセンターの考慮）
• 許容可能なダウンタイム（ネットワーク接続の喪失など）
• 帯域幅の制限（オンプレミスからクラウド、クラウドからクラウドなど）
• セキュリティ、コンプライアンス、ガバナンスの要件（機密データを社内で管理する必要性など）

高速分析イニシアチブでは、必要なパフォーマンスとレイテンシをサポートするためにデータ重力が重要です。

今日では、科学、医療、輸送における計算集約型のユースケースなど、データ グラビティを補完するためにコンピューティング グラビティが必要な状況があります。クラウド オブジェクト ストレージでもオンプレミスでも、データがどこに存在していても適切なコンピューティング リソースを活用することで、データのサブセット (作業セット) の計算集約型の二次分析を実行できます。数ペタバイトにも及ぶ生データから生成される二次分析の目的で、クラウド内のデータのサブセットを処理する機能。

クラウド内に一時的なクラスターを構築すると、特に基盤となるオンプレミス インフラストラクチャが最大コンピューティング容量に達した場合に、これらのタイプのワークロードを簡単にサポートできます。あるいは、クラウド ストレージにある元のデータの対象データ サブセットを、二次分析の計算要件を満たすローカルに展開された環境で処理することもできます。データセンターとクラウド間のネットワーク帯域幅を最適化することは、クラウド コンピューティング プロバイダーが提供するオプションですが、予算によって異なる場合があります。

計算集約型のユースケース向けの別のソリューションには、データ キャッシュを提供するデータ アクセス レイヤーと、データ処理用の組み込み MPP メモリ ファブリックが含まれます。

データ仮想化とデータ重力

データ仮想化は設計上、データ重力をサポートします。最新の分析パラダイムに柔軟性、抽象化、統合セキュリティをもたらします。最高のパフォーマンスは、論理アーキテクチャ内のネットワーク トラフィックを最適化するデータ仮想化クエリ オプティマイザーを設計することによって実現されます。従来の最小限の最適化だけでは不十分です。さらに重要なのは、クエリ オプティマイザーがメモリ内並列処理を活用して、さらなる最適化を促進する必要があることです。

最適なパフォーマンスを実現するには、データ仮想化プラットフォームに次の要件が求められます。

• 自動最適化を適用してネットワーク トラフィックを最小限に抑え、可能な限り多くの処理をデータ ソースにプッシュします。
• 処理をデータ ソースにプッシュできない場合は、データ処理仮想化レイヤーで並列インメモリ コンピューティングを使用して後処理操作を実行します。
• 並列メモリ処理とデータ キャッシュ機能により、コンピューティング能力の向上を必要とするシナリオのニーズを満たします。

企業は、情報インフラストラクチャの近代化戦略の一環として、クラウド内のワークロードを最大限に活用してデータセンターを補完する方法を検討する必要があります。企業は、規制やコンプライアンスの要件を考慮しながら、さまざまな分析ワークロードのコンピューティング ニーズを満たすことを目指しています。