Startseite > Datacenter & Verkabelung > Schlanke Server, fette Leistung

Server

Schlanke Server, fette Leistung

6. Dezember 2012, 10:11 Uhr | Dirk Jarzyna, Redaktion funkschau

Fortsetzung des Artikels von Teil 5

Expertenkommmentar: Konventionell ist noch flexibler

Konventionelle Server vs. Blade-Systeme: Konventionelle Server bieten heute noch deutlich mehr Möglichkeiten zur flexiblen Konfiguration als Blade-Server. Jedoch sind Blade-Systeme mittlerweile in Bereiche vorgedrungen, in denen vor ein paar Jahren nur konventionelle Server einsetzbar waren. Das wesentliche Unterscheidungsmerkmal ist, dass Blade-Server durch die Blade-Chassis eine gemeinsame Infrastruktur mitbringen, in die die einzelnen Server ohne Aufwand eingefügt werden. Diese Infrastruktur umfasst die Stromversorgung, System-Management-Systeme, Netzwerk- und SAN-Umgebungen. Darüber hinaus auch zunehmend Storage-Systeme, die in die gleichen Chassis eingebaut sind und den Management-Aufwand sowie den Platzbedarf reduzieren können. Jedoch sind Blade-Server beschränkt in ihrer I/O-Kapazität und der Skalierbarkeit. Konventionelle Server skalieren heute noch um Größenordnungen höher als Blade-Server, beispielsweise erreicht ein „IBM Power 795 System“ bis zu 265 Prozessorkerne, 8 TByte Hauptspeicher und bis zu 640 PCIe-Adapter in einem Einzelsystem, das zusätzlich eine wesentlich höhere Verfügbarkeit als die entsprechende Zahl Blade-Server erreicht. Die Auswahl der Server richtet sich nach den Anwendungen, die zu betreiben sind. Kernanwendungen mit höchsten Anforderungen an Verfügbarkeit, Zuverlässigkeit und Skalierbarkeit lassen sich virtualisiert sehr zuverlässig und günstig auf großen konventionellen Servern bis hin zu Mainframe-Servern betreiben. Während High-Performance-Anwendungen, Cloud-Computing, Web- und Applikationsserver, Social-Media und Collaboration-Anwendungen günstig sowohl auf konventionellen kleinen Servern oder auch zunehmend auf Blade-Systemen gelegt werden.

Der optimale Server zur Virtualisierung: Den optimalen Server zur Virtualisierung gibt es nicht. Vielmehr kommt es auf die Ziele der Virtualisierung und auf die Anforderungen an die zu virtualisierende Umgebung an. Um wichtige und große Anwendungsumgebungen skalierbar und hoch verfügbar virtualisiert abbilden zu können, eignen sich skalierbare Server wie Mainframes, die viele Prozessoren, einen sehr großen Hauptspeicher und eine sehr leistungsfähige I/O-Infrastruktur bieten. Diese großen Systeme werden als Server mit x86-Architektur, als Unix-Server oder als Mainframe-Server angeboten, wobei sich die Skalierbarkeit, die Zuverlässigkeit und die Flexibilität unterscheiden. x86-Server erreichen heute bereits sehr hohe Leistungswerte, bieten aber keine Angebote, wie Capacity-on-Demand, die vielen Kunden heute einen Kostenvorteil in den kritischen Umgebungen bieten. Außerdem erreichen Unix-Systeme, wie insbesondere die IBM-Power-Familie, wesentlich höhere Verfügbarkeiten und eine signifikant höhere Skalierbarkeit als x86-Server. Der Mainframe erreicht noch höhere Zuverlässigkeit und Verfügbarkeit und bietet zusätzlich einen integrierten Software-Stack, der speziell für unternehmenskritische Anwendungen optimiert ist.

Der optimale Server zur Big-Data-Verarbeitung: Für die Analyse von großen unstrukturierten Daten sind High-Performance-Cluster aus vielen einfachen Bausteinen wirtschaftlich und teilweise technisch am besten geeignet. Die Analyse wird dabei in Teile aufgeteilt, die parallel zueinander auf mehreren Serversystemen ausgeführt werden. Die erforderliche Verfügbarkeit und Skalierbarkeit der Systeme wird mit Mitteln der Anwendung bereitgestellt. Ein performanter gemeinsamer Zugriff auf Daten, beispielsweise über ein paralleles Dateisystem, hilft, diese Skalierung einfach umsetzen zu können. Für Unternehmen, die neben unstrukturierten Daten auch die Daten der Unternehmenskernsysteme in Echtzeit analysieren wollen, besteht die Option, diese Analyse direkt dort zu machen, wo die primären Daten gespeichert werden. So wird keine Zeit verloren. Der Vorteil der verkürzten Latenzzeiten kann den eventuell vorhandenen Nachteil der höheren Kosten für die aufwendigere Infrastruktur in vielen Fällen aufwiegen. Langfristig lohnt es sich für viele Unternehmen, Daten konsolidiert zu halten, statt sie auf mehrere Datentöpfe aufzuteilen. Selbst wenn die einzelnen Töpfe für sich günstigere Kostenstrukturen ermöglichen als bei einer zentralen Verarbeitung.