افزایش اندازه و مقیاس کلاستر ( قسمت چهارم )

 

هر دو نوع کلاسترینگ قابلیت پیاده سازی در مقیاس های بزرگتر را دارند بدین معنی که شما می توانید کارایی کلاستر خود را مطابق نیاز خود و میزان رشد سازمان خود بالا ببرید.

Scaling Up :  افزایش کارایی سرورها با ارتقا دادن سخت افزار آنها، اضافه کردن RAMیا  CacheL2، قراردادن پردازده های سریعتر از راه هایی هستند که می توان به افزایش کارایی کلاستر  کمک کند، بهبود کارایی در این روش به نوع پیاده سازی کلاستر  شما نیز وابسته می باشد. شما باید این میزان افزایش توانایی رابرای تمامی سرورها اعمال کنید،چرا که ممکن است کامپیوتر فعال دارای قدرت بیشتری باشد و زمانی که از کار می افتد کامپیوترهای غیر فعال نتوانند میزان کار درخواست شده را انجام دهند. بنابراین باید تمامی سرورها در یک سطح از توانایی قرار داشته باشند.

Scaling Out : اضافه کردن سرور به کلاستر، زمانی که شما یکسری درخواست رابین سرورها توزیع می کنید میزان پردازش با افزایش سرورها و تقسیم شدن کارکمتر می شود، افزایش سرور را می توان در هر دو نوع   سرور کلاستر و ( ان ال بی ) انجام داد.

اضافه کردن یک سرور جدید به ( ان ال پی ) کار راحتی می باشد به این علت که هر سیستم در این کلاستر دارای منبع اطلاعات مستقل است لذا اضافه کردن یک سرور جدید در این حالت،کاری راحت میباشد به طوری که با کپی کردن منبع اطلاعات و برنامه دورن سرور جدید، می توان آن را به کلاستر اضافه نمود.

اضافه کردن یک سرور جدید به کلاستر سرور، کمی پیچیده تر از  ( ان ال بی ) می باشد، چرا که در این نوع کلاستر تمامی سرورها از یک منبع اطلاعاتی مشترک استفاده می کنند. با توجه به تنظیمات سخت افزاری شما، افزایش مقیاس می تواند بسیار گران و یا شاید هم غیر ممکن باشد.

چه تعداد کلاستر؟

اگر شما قصد اجرای بش از یک برنامه را با قابلیت دسترسی بالا داشته باشید باید تصمیم بگیرید می خواهید چه تعداد کلاستر داشته باشید. سرور کلاسترها می توانند چندین برنامه را به صورت همزمان اجرا نمایند یا اینکه سرویس دهنده های کلاستر جدا ایجاد نمایند تا هرکدام یک برنامه را اجرا نمایند.

کلاستر سرور مجزا برای برنامه ها

برای مثال شما دو برنامه State full دارید و قصد اجرای این برنامه ها را با استفاده از سرور کلاستر دارید، ساده ترین روش این است که یک سرور کلاستر ایجاد کنید و هر دو برنامه را روی سرورهای آن اجرا نمایید. اگر یکی از کامپیوترها با خطا مواجه شده و از سرویس خارج شود باقی سرورها باید توانایی اجرای برنامه های آن را داشته باشند.

روش دیگر، ایجاد کلاستر سرور جدا برای هر برنامه است که سرورهای هر کلاستر به صورت جداگانه کار می کنند و خطا در هر کلاستر باعث تاثیر گذاری روی برنامه همان کلاستر می شود، به علاوه سرورهای باقیمانده تنها یک برنامه را سرویس دهی می نمایند. ایجاد سرورهای جدا، از قابلیت دسترسی بالاتری برخوردار است اما پیاده سازی آن، گرانتر تمام می شود چرا که نیاز به سرورهای بیشتری است.

ترکیبی از دو حالت قبل

علاوه بر این شما می توانید ترکیبی از این دو حالت را نیز داشته باشید طوری که یک کلاستر سرور ایجاد کنید و در آن دو سرور فعال داشته باشید و هرکدام از برنامه ها را روی یک سرور فعال نصب نمایید و یک سرور غیر فعال داشته باشید که به عنوان پشتیبان هر دو برنامه را روی آن نصب نمایید. در صورتی که یکی از سرورهای فعال از سرویس خارج شود سرور غیر فعال وظیفه آن را به عهده می گیرد. در صورتی که هر دو سرور فعال از سرویس خارج شوند سرور غیر فعال به جای هر دو سرویس دهی می نماید. بستگی به شما دارد که توانایی و ظرفیت سرورغیر فعال در حد اجرای یک برنامه باشد یا هر دو برنامه.

در قسمت بعدی راجع به ادغام دو تکنولوژی کلاسترینگ سرویس دهنده کلاستر با NLB و همچنین مفهوم  NLB بیشتر توضیح خواهیم داد.

http://goo.gl/7nJpa1

سرور جدید۳۰۰ دلاری جایگزین دسکتاپ

شرکـــت «HPE»  ســـرور رده‌پاییـــن ۳۰۰ دلاری‌ای بــــه نـــــام «ProLiant ML10 Gen9» معرفی نمود که می‌تواند به خوبی جایگزین کامپیوتر دسکتاپ ما شود. این سرورکه Mini Tower با اندازه ۴U برای کاربران خانگی و کسب‌وکارهای کوچک اداری طراحی و ساخته شده است و کاربران را از خرید سرورهای گران با قدرت محاسباتی بسیار زیاد که عمدتاً بدون مصرف باقی می‌ماند، بی‌نیاز می نماید.

هسته پردازنده این سرور می‌تواند از مدل‌های جدید اسکایلک اینتل، Core i3 یا Xeon E3-1200 V5 باشد. تعداد پردازنده نصب‌شده روی این سرور یک عدد بوده  ولی با دو یا چهارهسته که در کنار ۶۴ گیگابایت حافظه رم و چهار اسلات رم DDR4، می‌تواند عملیات پردازشی را سروسامان و روان نماید. شش درایو SSD روی این سرور نصب شده و مجهز به چهار اسلات توسعه برای اضافه نمودن قابلیت‌های سخت‌افزاری جدیدی می باشد. یک درگاه شبکه اترنت، چهار درگاه USB 3.0، دو درگاه USB 2.0 و دو درگاه eSATA، امکانات ارتباطی این سرور هستند. که می توان از آنها بهره برد.

این محصول به گونه ای طراحی شده است و از مشخصات سخت‌افزاری بهره برداری می کند که می‌تواند به‌عنوان سرور ذخیره‌سازی یا NAS، دستگاه ایستگاه کاری یا سرور محاسباتی قابل استفاده گردد. پیکره بندی‌های سخت‌افزاری مختلف این سرور شرکت‌های تجاری کوچک را یاری می‌کند تا بر اساس نیاز و رشد کسب‌وکارشان یک مدل از این سرور را تهیه نموده  و آن را ارتقاء دهند. امکان نصب چهار درایو SSD این قابلیت را فراهم می نماید تا از پیکره بندی‌های مختلف RAID برای پشتیبان‌گیری از اطلاعات استفاده گردد و با سخت‌افزارهای رمزنگاری، امنیت اطلاعات را تضمین نماید.

ساخت سرور جدید OpenPOWER با همکاری آی‌بی‌ام و انویدیا

ساخت سرور جدید OpenPOWER با همکاری آی‌بی‌ام و انویدیا

«OpenPOWER» سرور قدرتمندی است که برای کاربردهای محاسباتی با عملکرد و راندمان بالا (HPC) طراحی و عرضه می‌شود. اکنون «آی‌بی‌ام» با همکاری «انویدیا» و «وسترون» نسخه دوم این سرور را با استفاده از آخرین نسل پردازنده‌های فوق‌سریع Power8 خود معرفی کرده است.

انویدیا همچنین در این سرور از شتاب‌دهنده‌های گرافیکی Tesla P100 خود در کنار اینترکانکشن‌های مبتنی بر فناوری NVLink استفاده کرده است. سرور جدید برای تطبیق و استفاده از برنامه‌های لازم روی معماری جدید سخت‌افزاری‌اش نیاز به نرم‌افزارهایی دارد. آی‌بی‌ام و انویدیا توضیحات زیادی درباره این سرور نداده‌اند، به جز اینکه می‌دانیم از چندین پردازنده Power8 و چندین شتاب‌دهنده Tesla P100 بهره می گیرد و پهنای باند اینترکانکشن‌های NVLink، احتمالاً مثل مدل قبلی و برابر ۲۰ گیگابایت بر ثانیه هستند.

پردازنده‌های Power8 آی‌بی‌ام دارای ۱۲ هسته پردازشی هستند و در سرعت کلاک ۳ تا ۳٫۵ گیگاهرتز کار کرده و هریک می‌توانند تا هشت سخت‌افزار را به صورت Thread پشتیبانی نمایند. میزان حافظه نهان این پردازنده‌ها شش‌مگابایت از نوع L2 و ۵۱۲ کیلوبایت برای هر هسته در کنار ۹۶ مگابایت حافظه نهان L3 می باشد. هر پردازنده Power8 حداکثر از یک ترابایت حافظه رم پهنای باند ۲۳۰ گیگابایت پشتیبانی می نماید؛ در حالی که بهترین پردازنده‌های سرور اینتل، Xeon E5 v4 تنها از ۷۶٫۸ گیگابایت پهنای باند روی حافظه‌های رم DDR4 بهره می گیرد. به همین دلیل، سرورهای OpenPOWER برای کاربردهای بسیار سطح بالا و مکان‌های با حداکثر بار ترافیکی پردازشی طراحی شده‌ است و توان خروجی به اندازه برخی ابررایانه‌ها را ممکن پذیر می‌سازند.

مراکز داده غرق در حافظه‌های NAND؛ بررسی انواع فناوری درایوهای جامد حرفه‌ای مناسب سرور

مراکز داده غرق در حافظه‌های NAND؛ بررسی انواع فناوری درایوهای جامد حرفه‌ای مناسب سرور

تا چند سال گذشته استفاده از درایوهای SSD در کسب‌وکارهای حرفه‌ای و گسترده، سرورها و مراکز داده به دلیل هزینه بالا و ظرفیت ذخیره‌سازی کم قابل تصور نبود اما حالا استفاده از هارددیسک در سرورها متوقف شده و هر روز تعداد مراکز داده بیشتری مبتنی بر حافظه‌های فلش و SSD پیکربندی می‌شوند؛ گویی مسابقه و رقابتی برای به کارگیری این نوع استاندارد ذخیره‌سازی در جهان به راه افتاده اما با وجود اینکه قیمت این ذخیره‌سازها کاهش نیافته است، چه مزایای رقابتی‌ای دارند که باعث از دور خارج شدن HDD شدند و نه تنها در حافظه رم و حافظه فلش، بلکه در فضای ذخیره‌سازی با ظرفیت‌های بسیار بالایی مانند صد پتابایت نیز از SSD استفاده می‌شوند؟

فن آوری و انواع SSD ها در مراکز داده

درایوهای SSD حرفه‌ای که در سرورها و مراکز داده استفاده می گردند، با درایوهای SSD کامپیوترهای رومیزی، نوت‌بوک، تبلت و مانند این‌ها تفاوت‌های اساسی دارند. این درایوها در محیط‌های با بار کاری و ترافیکی بسیار بالایی مانند پایگاه‌داده‌ها، بیگ دیتا، ایندکس و لاگ‌گیری فایل‌ها و تراکنش‌ها، تحلیل اطلاعات و آمار و ارقام و مراکزی با ترافیک صدها گیگابایت اطلاعات در هر ثانیه استفاده میگردند.

مراکز داده که به اصطلاح Enterprise SSD نامیده می‌شوند و با این برچسب در بازار به فروش می گیرند، به طور کلی با استفاده از حافظه‌های فلش NAND ساخته شده و در مقایسه با هارددیسک‌های معمولی، کارایی بیشتر و مصرف انرژی کمتری دارند. همچنین این درایوها در مقایسه با SSDهای معمولی مزایای بیشتری داشته و دارند. برای مثال، علاوه بر کارایی بسیار زیاد، برای حفاظت از اطلاعات در هنگام قطع برق، از قابلیتی به نام DRAM-Stored استفاده می‌کنند، از الگوریتم تصحیح خطا (ECC) بهره می‌گیرند، جنس بدنه مقاوم‌تر شده و سازگاری با شرایط خاص را دارند و سیستم خنک‌کنند‌گی آن‌ها متفاوت می باشد. همچنین از ضمانت‌های طولانی‌مدتی نیز بهره می‌برند.

SSD اینترپرایز به گونه‌ای طراحی می‌شود که در مقایسه با SSD معمولی، پایداری و سطح مقاومت بیشتری داشته باشد. این درایوها از نوعی حافظه فلش NAND به نام Wear-Out استفاده می‌کنند که امکان چندین بار پاک کردن و نوشتن مجدد چیپ‌ست SSD را فراهم می سازند. سازندگان SSD اینترپرایز طوری حافظه‌های NAND را با استفاده از تکنیک‌ها و الگوریتم‌هایی مانند Wear-Leveling، Self-Healing و  Over-Provisioning طراحی و تولید می نمایند که در طول زمان بر استقامت و استواری آن‌ها افزوده می شود. با استفاده از تکنیک Over-Provisionin، تعداد حافظه NAND بیشتری در درایو SSD اینترپرایز گنجانده می‌شود تا در هنگام عملیات بازنویسی چیپ‌ست یا خرابی‌ها، استفاده و جایگزین شوند.

تنوع در استفاده از انواع حافظه‌های فلش NAND و تکنیک‌های مقاوم‌سازی و افزایش ظرفیت ذخیره‌سازی، سبب شده که اکنون در بازار با طیف‌های مختلفی از درایوهای SSD مناسب مراکز داده روبه‌رو بشویم

درایوهای SSD اینترپرایز جدید که در سال‌های اخیر عرضه شده‌، از یک سطح سلولی (SLC) حافظه NAND استفاده می‌نمایند که باعث شده هر بیت در یک سلول نوشته شده در نتیجه، بیشترین سطح کارایی و پایداری با دوره زندگی (LifeCycle) نزدیک به صد هزار بار نوشتن روی هر سلول به دست آید. پیشرفت‌ها و بهبودهای چند سال اخیر در حوزه تولید حافظه‌های فلش، به سازندگان SSD این قدرت را داده اند که از انواع حافظه‌های فلش مانند Multi Level Cell (MLC) ،(TLC) Triple Level Cell و ۳D NAND در ساخت SSD اینترپرایز استفاده کنند و در نتیجه با کمترین رقم هزینه، بالاترین ظرفیت ذخیره‌سازی و پایداری را به دست آورند. تنوع در استفاده از انواع حافظه‌های فلش NAND و تکنیک‌های مقاوم‌سازی و افزایش ظرفیت ذخیره‌سازی، سبب شده که اکنون در بازار با طیف‌های مختلفی از درایوهای SSD مناسب مراکز داده روبه‌رو بشویم که هریک برای محیط‌های کاری و کاربردهای خاص طراحی و تولید شدند. برای مثال، شرکتی درایوهای SSD با ظرفیت‌های بسیار بالا تولید می‌کند که فقط مناسب استفاده در محیط‌های نرم‌افزاری و پایگاه داده‌ای با بار کاری بالا برای نوشتن و خواندن اطلاعات هستند. درایو SSD دیگری برای نوشتن کامل روی درایو در یک روز (DWPD) طراحی شده است؛ به این معنی که هر روز کل ظرفیت درایو پر شده و روز بعد دوباره از ابتدا بازنویسی و پر می‌شود و در تمام سال این فرایند تکرار خواهد شد. درایو دیگری ممکن است از فرایند ۲۵ DWPD با ظرفیت‌های بسیار کم برای پشتیبانی از اطلاعات حساس بهره برداری کند.

همان‌ گونه که درایوهای SSD حرفه‌ای از فناوری‌ها و تکنیک‌های مختلفی بهره می‌گیرند؛ در شکل و قالب و رابط کاربری مختلفی به بازار عرضه می‌گردند. رابط کاربری بیشتر این درایوها یکی از مدل‌های serial ATA (SATA)، serial-attached SCSIم(SAS) و PCI Expressم(PCI-e) برای انتقال اطلاعات به واحدهای پردازنده یا دریافت اطلاعات از آن‌ها می باشد. از نظر اندازه نیز رایج‌ترین‌ها ۵/۲ اینچی هستند که به آسانی در باکس‌های هارددیسک‌ها جایگذاری می‌شوند، اما اندازه‌های half-height half-lengthم(HHHL) با استفاده از افزودن کارت توسعه و مدل‌های M.2 که در اسلات‌های توسعه PCI-e کامپیوترهای معمولی قرار می‌دهند، در بازار یافت می‌شوند. همچنین مدل‌های DIMM نیز با چیپ‌ست و بردهای کوچک برای ارتباط با مادربرد کامپیوترهای معمولی عرضه شده‌ و مورد استفاده قرار می گیرند.

مراکز داده غرق در حافظه‌های NAND

دلایل مهاجرت

اکنون، به نقطه‌ای رسیده‌ایم که استفاده از درایوهای SSD توجیه‌پذیر شده. این حافظه‌ها در شبکه‌های اینترپرایز و سرورها کارایی بسیار بالاتر و بهتری از خود نشان می‌دهند که بر اثر آن با پردازش حجم کاری جدیدی روبه‌رو می گردیم. همچنین این درایوها توانسته‌اند رضایت کامل کاربران نهایی را جلب نمایند و مدت زمان پاسخ‌گویی و اجرا بسیار مناسبی در شبکه‌های پرسرعت و بی‌درنگ نشان دهند. در بسیاری موارد، SSD باعث جلوگیری از خرید سرور جدید می گردد و این برای کسب‌وکارها بسیار حائز اهمیت است. چه دلایلی بهتر از این‌ها برای مهاجرت از HDD به SSD سراغ دارید؟

در چندین سال اخیر و با ورود شرکت‌های بزرگ سازنده حافظه‌های NAND به دنیای سرورها و مراکز داده، درایوهای SSD به نقطه اوج خود رسیده اند. در مقایسه با هارددیسک‌های سنتی، درایوهای جدید ذخیره‌سازی، مدت‌زمان تأخیر کمتری داشته و همچنین  SSD جدید در مقایسه با هارددیسک‌ها، حدود هزار برابر در واحد IOPS تأخیر کمتری دارند، اما توان خروجی آن‌ها سه تا پنج برابر بیشتر شده است. به همین دلیل می‌توان گفت در سال جاری میلادی، SSD به طور کامل در حال جایگزین شدن با HDD می باشد.

مراکز داده غرق در حافظه‌های NAND

صرفه‌جویی هزینه‌ای و کارایی، تنها دلایل استقبال از SSD نیست، برخی کارهای خاص با این درایوها بسیار ساده‌تر و سریع‌تر از گذشته انجام می گردد.

بدون شک، سرورهایی که مستقیماً از درایوهای SSD به‌عنوان ذخیره‌ساز داخلی خود استفاده می‌ نمایند، سریع‌تر هستند. آشکار است که کسب‌وکارها، به سرورهای کمتری برای بار کاری و ترافیک خود نیاز خواهند داشت و در هزینه‌ها صرفه‌جویی می‌شود. علاوه بر سرعت، درایوهای SSD در طول عمر مفید سرورها نیز تأثیرگذار هستند و کمک می‌کنند سرورها بیشتر در شبکه استفاده گردند. فناوری‌ها و ابزارهای نرم‌افزاری جدید نیاز به جابه‌جایی هارددیسک‌ها با SSD را برطرف کرده‌اند و تنها با اضافه کردن دو یا چهار SSD به سرور، می‌توان به‌سادگی اطلاعات کم‌اهمیت را روی هارددیسک‌ها کپی و از آن‌ها به‌عنوان ذخیره‌سازهای جانبی استفاده نمود و در عوض، درایوهای SSD به‌عنوان حافظه‌های اصلی سیستم به کار گرفته شوند.

مراکز داده غرق در حافظه‌های NAND

صرفه‌جویی هزینه‌ای و کارایی، تنها دلایل استقبال از SSD نیست، برخی کارهای خاص با این درایوها بسیار راحت تر و سریع‌تر از گذشته انجام می گردد. به عنوان مثال، اسکن مرتب ویدیوهای در حال ویرایش، نیازمند آرایه‌های RAID بزرگ برای کاهش تأخیر می باشند. حالا، این کار که در گذشته بسیار سخت و طاقت‌فرسا بود، به میمنت ایستگاه‌های کاری مبتنی بر SSD بسیار راحت و امکان‌پذیر شده است. همچنین عملیات‌ جست‌وجو در پایگاه‌های داده به فضاهای ذخیره‌سازی بسیار سریع نیازمند است.در دنیای تراکنش‌های مالی، درایوهای SSD باعث کاهش تأخیر دسترسی به جدول‌های مالی و در نتیجه کاهش هزینه‌های تراکنش‌ها در مقیاس مگا-دلار در هر ثانیه شده‌است.

سرورهای SSD نیز باعث نجات سرویس‌های کلاود شدند. در گذشته اولین مشکل سرویس‌های محاسبات ابری، تأخیر و نرخ خواندن I/O روی تجهیزات ذخیره‌سازی بود. سرورها نمی‌توانستند به سرعت و بی‌درنگ درخواست‌های واحدهای پردازشی گرافیکی با حجم زیادی حافظه رم را پاسخ‌گو بوده و بر حسب تقاضا بتوانند عملیات‌ را بدون تأخیر تأثیرگذار و مختل‌کننده انجام دهند. این وضعیت در سرورهای مجازی و دستگاه‌های ذخیره‌سازی محلی وخیم‌تر می‌شد. در حالی که بسیاری از شرکت‌ها راه‌حل را استفاده از تعداد زیادی HDD برای بار کاری زیاد می‌دانستند، SSD به‌راحتی این مشکل را حل نمود.

مراکز داده به تسخیر SSD درآمدند

در گذشته‌های بسیار دور، سرویس‌های کلاود گسترده‌ای مانند AWS یا گوگل از ارائه سرویس‌های ذخیره‌سازی خودداری می‌کردند و مشتریان باید به سراغ سازندگان سرورهای سنتی مانند سوپرمیکرو، لنوو، کوانتا و میتک اینترنشنال می‌رفتند تا مستقیماً و به ازای پرداخت هزینه، از فضای ذخیره‌سازی استفاده نمایند. در سال ۲۰۱۶، مراکز داده سطح متوسط بازار به راهکار جدید و به‌صرفه‌ای دست پیدا نمودند. این مراکز داده به سراغ سازندگان سرور ODM رفتند تا از درایوهای SSD در سیستمشان استفاده کنند. در این حالت و با SSD، هزینه هر یک ترابایت حدود ۳۰۰ دلار ‌می‌شد، اما هزینه یک ترابایت هارددیسک SAS روی سرورهای دل، حدود ۷۰۰ دلار خرج دارد. حتی اگر شرکت‌های ODM سرور، از SSD استفاده کنند، ۹۶۰ گیگابایت فضای ذخیره‌سازی روی SSD حدود ۵۳۳ دلار هزینه دارد که باز هم در مقایسه با ۳۰۰ دلار هزینه زیادی است. این قیمت‌ها داستان بی‌اساس گران‌تر بودن SSD را به چالش می‌کشاند. در گذشته، هرگاه از شرکت‌های ODM درباره اینکه چرا امکان استفاده از SSD را فراهم نمی‌کنند سؤال می‌شد، پاسخ می‌دادند که بسیار گران‌تر از هارددیسک‌های سنتی هستند و به‌خصوص در سرورها و مراکز داده که حجم زیادی از ذخیره‌سازی اطلاعات دارند، این گران‌تر بودن گاهی چندین برابر می‌شود. این تصور ما زمانی درست است که SSD را از شرکت‌های سازنده آرایه‌های ذخیره‌سازی تهیه نمایید؛ از آنجا که این شرکت‌ها، درایوهای SSD را بر اساس معماری خودشان تغییر می‌دهند، آن را گران‌تر می‌فروشند، اما وقتی درایو SSD خامی را از بازار تهیه کنید، حتی ارزان‌تر از سیستم‌های ذخیره‌سازی سنتی مبتنی بر هارددیسک خواهد بود.

کارشناسان شبکه‌های کامپیوتری و مراکز داده قبول کرده اند که در این حوزه و بازار، کارایی SSD بهتر از HDD بوده و عملکرد بهتری داشته و بهتر است در تجهیزات ذخیره‌سازی، حافظه‌های رم، حافظه‌های فلش ابررایانه‌ها و حافظه‌های جانبی، از درایوهای SSD استفاده نمایند.

مراکز داده غرق در حافظه‌های NAND

موضوع بعدی درباره SSD، به طول عمر کارایی مؤثر آن بازمی‌گردد. در گذشته، این باور اشتباه وجود داشت که طول عمر مفید حافظه‌های فلش کمتر از هارددیسک‌ها است، ولی امروزه ثابت شده طول عمر مفید SSD پنج سال است؛ در حالی که حافظه فلش MLC فقط چهار سال عمر می‌‌کند. اگر دوره تازه‌سازی سرور ۳۶ ماه باشد، قالب حافظه‌های فلش بیشتر از این دوره عمر خواهند کرد و بنابراین دلیلی برای استفاده نکردن از آن‌ها در سیستم سروری یا مراکز داده وجود ندارد.

همین دلایل باعث شده رقابت شدیدی میان عرضه‌کنندگان SSD برای سرورها و مراکز داده به وجود آید و شرکت‌های بزرگی مانند سامسونگ، دل، اینتل، آی‌بی‌ام، سوپرمیکرو، سن دیسک، میکرون و مانند این‌ها، در دو سال اخیر چندین نوع حافظه فلش و SSD به طور اختصاصی برای استفاده در سرورها و مراکز داده وارد بازار نمایند و هریک در تلاش باشند فناوری‌های پیشرفته‌ای را به کار بگیرند تا هم سرعت افزایش پیدا کند، هم حجم فیزیکی کاهش پیدا نماید، هم ظرفیت بیشتر شود و در نهایت قیمت تمام‌شده برای هر گیگا – دلار کمتر گردد.

چرا کارایی SSD بهتر از HDD است؟

مدیران  شبکه‌های کامپیوتری و مراکز داده پذیرفته‌اند که در این حوزه و بازار، کارایی SSD بهتر از HDD بوده و بهتر است در تجهیزات ذخیره‌سازی، حافظه‌های رم، حافظه‌های فلش ابررایانه‌ها و حافظه‌های جانبی، از درایوهای SSD استفاده کنند. اما چرا کارایی SSD بهتر از HDD است؟

نخست اینکه SSD محدودیت‌های سیستم‌های RAID را پوشش می‌دهد. قالب کنترلرهای RAID در پیکربندی RAID 5 از نظر سرعت دچار تنگناهایی می‌شوند که درایوهای SSD این مشکل را برطرف می‌کنند. چون این درایوها سریع بوده و برای مثال چهار SSD در کنار یکدیگر می‌توانند خروجی برابر با ۶/۱ گیگابایت IOPS را ارائه نمایند، بنابراین  از هر موتور کنترلر RAID XOR سریع‌تر هستند. در این شرایط، موتورهای RAID بهتر می‌توانند کارها را پیش برده و با کمک پردازنده‌ها، وقفه‌های رخداده را نیز رفع نمایند. هنگامی که از درایوهای SSD در سیستم‌های ذخیره‌سازی استفاده می‌شود، بهتر است برای محافظت از اطلاعات، پیکربندی‌های RAID 1 یا RAID 10 انتخاب گردند.

دوم، اگر نیازهای ظرفیتی ذخیره‌سازی سرورها را مد نظر بگیریم، متوجه خواهیم شد که درایوهای SSD در مقایسه با HDD انتخاب بهتری می باشند. نرم‌افزارهای تست و ارزیابی عملکرد نشان می‌دهند درایو SSD با ظرفیت ۱۲۸ گیگابایت، در مقایسه با هارددیسکی با ظرفیت ۵۰۰ گیگابایت و قیمت ۱۵۰ دلار، کارایی بسیار بیشتری دارد. بنابراین، اگر نیازهای ظرفیتی ذخیره‌سازی سرور در حدود ۱۲۸ گیگابایت است، دلیلی وجود نخواهد داشت که به دنبال خرید هارددیسک ۵۰۰ گیگابایتی برویم.

آینده

شرکت‌هایی مانند «اینتل» و «سامسونگ»، در حال توسعه حافظه‌های فلش ۳D NAND هستند و در تلاش هستند ظرفیت ذخیره‌سازی روی Die را افزایش دهند. اینتل با همکاری میکرون توانسته روی یک Die ظرفیت ۴۸ گیگابایت، اطلاعات را با ساختار ۳۲ لایه‌ای از سلول‌‌های ۳D NAND ایجاد نماید که در نتیجه آن شاهد عرضه درایوهای SSD حرفه‌ای با ظرفیت چند ترابایت خواهیم بود. پیش‌بینی شده در سال ۲۰۱۸ درایوهایی مناسب مراکز داده با ظرفیت‌های ده ترابایت ساخته گردند. از سوی دیگر، بازدهی هارددیسک‌های معمولی کمتر از حافظه‌های فلش NAND می باشد و در راهکارهای ذخیره‌سازی مبتنی بر هارددیسک‌ها، در حال حذف شدن از سرورها و مراکز داده می باشند. اما در برخی مراکز داده حجم‌های ذخیره‌سازی بسیار وسیعی با هارددیسک‌ها ساخته شده است که به این زودی‌ها امکان جایگزینی با حافظه‌های فلش NAND را نداشته و ندارند. بر همین اساس، کارشناسان پیش بینی کرده اند تا پنج سال آینده رویکرد استفاده هم‌زمان از هارددیسک‌ها و درایوهای SSD وجود داشته باشد تا درایوهایی با استفاده از حافظه فلش، اما در ظرفیت‌های بسیار بالاتر ساخته شود که بتوان آن‌ها را در سیستم‌های قدیمی بسیار گسترده به کار گرفت و مورد بهره برداری قرار داد.

اینتل تراشه ۷۲ هسته ای زئون فی را برای رقابت با پردازنده های گرافیکی انویدیا در حوزه یادگیری ماشین ر

اینتل تراشه ۷۲ هسته ای زئون فی را برای رقابت با پردازنده های گرافیکی انویدیا در حوزه یادگیری ماشین رونمایی کرد

اخیرا انویدیا پردازنده‌های گرافیکی قدرتمند خود نظیر تسلا پی ۱۰۰ را به منظور استفاده در کاربردهایی نظیر یادگیری ماشین، رونمایی کرده که بسیار مورد استقبال واقع شده است. اما اینتل به عنوان بزرگ‌ترین تولیدکننده‌های پردازنده‌ بیکار ننشسته و تراشه‌ی ۷۲ هسته‌ای زئون فی ۷۲۹۰ را برای استفاده از در حوزه‌ی یادگیری ماشین رونمایی کرده است.

اینتل تراشه‌ی ۷۲ هسته‌ای زئون فی ۷۲۹۰ خود را با هدف استفاده در کاربردهایی نظیر یادگیری ماشین رونمایی کرده است. این کمپانی مدعی است که زئون فی قادر است تا قدرتی برابر با پردازنده‌های گرافیکی انویدیا را در حوزه‌ی یادگیری ماشین به کاربران ارائه کند، در حالی که زئون فی در شماری از حوزه‌ها نیز دست بالا را در اختیار دارد.

قرار بود زئون فی به همراه Larrabee، پردازنده‌ی گرافیکی اصلی اینتل راهی بازار شود، اما این پروژه پس از چندین بار به تعویق افتادن، بالاخره در سال ۲۰۰۹ میلادی به صورت کامل کنار گذاشته شد، اما اینتل ایده‌ی توسعه‌ی زئون فی را کنار نگذاشت.

اینتل تراشه ۷۲ هسته ای زئون فی را برای رقابت با پردازنده های گرافیکی انویدیا در حوزه یادگیری ماشین رونمایی کرد

همانطور که اشاره کردیم، زئون فی با هدف مقابله با محصولات انویدیا راهی بازار شده که اخیر سر و صدای بسیاری را در حوزه‌هایی نظیر بازی و یادگیری ماشین، بله راه انداخته است.

البته باید به این موضوع اشاره کرد که زئون فی تاکنون به عنوان یکی از بهترین گزینه‌ها برای توسعه‌ی ابررایانه‌ها و سرورها در موسسات آموزشی و کمپانی‌های متعدد مورد استفاده قرار گرفته است، اما اینتل با معرفی نسل جدید این تراشه که از وجود ۷۲ هسته‌ی پردازشی بهره می‌برد، درصدد رقابت با پردازنده‌های گرافیکی انویدیا در حوزه‌ی یادگیری ماشین است.

تراشه‌ی ۷۲ هسته‌ای زئون فی ۷۲۹۰ را باید سریع‌ترین تراشه‌‌ی این کمپانی در تاریخ خواند. براساس اطلاعات ارائه شده این محصول از سپتامبر سال جاری میلادی با برچسب قیمت ۶,۲۹۴ دلاری راهی بازار خواهد شد که علاوه بر سریع‌ترین، لقب گران‌ترین محصول اینتل را نیز به خود اختصاص داده است. اینتل در کنار این محصول، سه نسخه‌ی دیگر از زئون فی را نیز رونمایی کرده که شامل نسخه‌ی ۶۴ و ۶۸ هسته‌ای می‌شود.

تراشه‌های زئون فی در برخی از سریع‌ترین رایانه‌های جهان مورد استفاده قرار می‌گیرند. اینتل شماری از تراشه‌های نسل جدید خود را از ماه‌ها پیش راهی بازار کرده است، اما این کمپانی مشخصات فنی و قیمت محصولات خود را برای اولین بار در جریان کنفرانس بین المللی ابررایانه‌ها که در فرانکفورت آلمان برگزار می‌شود، اعلام کرد.

همانطور که در تصویر نیز مشاهده می‌کنید، این تراشه با ظاهری شبیه به یک کارت گرافیک تولید شده است. کاربران می‌توانند از این تراشه به عنوان پردازنده‌ی اصلی سیستم استفاده کرده یا آن را در کنار سایر پردازنده‌های موجود قرار دهند. برای مثال در ابررایانه‌ها و سرور‌ها این تراشه به عنوان یک پردازنده‌ی کمکی برای پردازنده‌ی اصلی که زئون E5 است، مورد استفاده قرار خواهد گرفت.

البته باید به این موضوع اشاره کرد که امکان استفاده از این تراشه‌ در رایانه‌های معمولی نیز وجود دارد، اما نباید انتظار داشت تا رایانه‌ی مجهز به این تراشه توانایی اجرای آخرین بازی‌های منتشر شده را داشته باشد، چراکه زئون فی جدید با بهره‌گیری از هسته‌های اتم تقویت شده برای انجام محاسبات و پردازش‌های علمی توسعه یافته است.

تراشه‌ی زئون فی جدید از حافظه‌ی سه بعدی موسوم به Integrated Stacked Memory با ظرفیت ۱۶ گیگابایت بهره برده و می‌تواند از حافظه‌ی رم DDR4 با ظرفیت بیش از ۳۸۴ گیگابایت نیز پشتیبانی کند. انرژی مصرف شده توسط این پردازنده ۲۴۵ وات است و فرکانس هر یک ازهسته‌ها روی ۱.۵ گیگاهرتز تنظیم شده است.

ووشپارد به این موضوع اشاره کرده که پردازنده‌ها در مقایسه با پردازنده‌های گرافیکی در کاربردهایی نظیر یادگیری ماشین و سرور‌ها بسیار سریع‌تر هستند.

اینتل تراشه‌ی جدید خود را در حوزه‌ای نظیر یادگیری عمیق نیز مورد آزمایش قرار می‌دهد. این کمپانی علاوه بر انویدیا با پردازنده‌های گرافیکی، حضور رقبای دیگری را با تولید پردازنده‌های مخصوص یادگیری عمیق حس می‌کند که از جمله‌ی آن باید به گوگل اشاره کرد که اخیرا پردازنده‌ی TPU یا همان پردازنده‌ی تنسور را رونمایی کرده است.

براساس برنامه‌‌های اینتل، این کمپانی در نظر دارد تا از حوره‌ی تولید تراشه برای رایانه‌ها فاصله گرفته و تراشه‌های جدید خود نظیر زئون فی را با فناوری‌های جدیدی که به آن‌ها دست یافته، پیونددهد.

باید دید که رقابت کمپانی‌ها در مسیر توسعه‌ی واحدهای پردازشی مورد استفاده در حوزه‌هایی نظیر یادگیری عمیق، یادگیری ماشین و هوش مصنوعی به کجا ختم خواهد شد؟