פלטפורמה עבור יישומי Big Data

תחום ה- Big Data analytics גדל

כיום יישומי אנליטיקה מתקדמים בניתוח ביג דאטה מייצרים שינוי אמיתי בארגונים. ארגונים השואפים להשיג יתרון תחרותי משקיעים רבות בתחום זה והמגמה מראה סימן ברור לגידול בתחום. עפ"י IDC ארגונים ישקיעו סכום מצטבר של 187 מיליארד דולר עד שנת 2019 – גידול של 50% ביחס לתחזית שניתנה לפני 5 שנים בלבד. בין אם מדובר בניהול אינטראקציות עם לקוחות, מעקב אחרי פעילות באינטרנט, או מנגנוני תיעוד אירועי אבטחת מידע – כל אלו הן פתרונות המייצרים כמות גדולה של מידע אשר נגיש עבור הארגון וקרוי Big Data. אותו Big Data הוא בעצם מידע גולמי הנוצר מאותם מערכות אשר ללא ניתוח אנליטי חכם הנתמך על ידי Machine Learning הוא חסר ערך. הפיכת הנתונים מתוך מסדי הנתונים והתשתיות לכדי תובנות עסקיות ו/או מעשיות הוא האתגר האמיתי. מציאת מגמות דוגמת איומי אבטחה או הזדמנויות עסקיות חדשות מתוך הנתונים הוא אתגר המחייב חשיבה מחודשת של שכבת היישום וגם חשיבה על תשתית המחשוב והאחסון התואמת לכך. יישומי ביג דאטה ו data analysis דוגמת Splunk, Hadoop ועוד מאפשרים לארגונים לאסוף תובנות והזדמנויות מתוך הנתונים שנאגרו במהירות. עומסי עבודה אלו מרחיבים את גבולות הביצועים ודורשים ביצועים רציפים ואקראיים טובים בכל התשתית לצד משאבי מחשוב גדלים לינארית.

Big Data Infrastructure - תשתית מתאימה ליישומי ביג דאטה

הפתרון עצמו בנוי בארכיטקטורה של Scale Out – כלומר: כל יחידות המחושב והאחסון פועלות כמקשה אחת במטרה לנתח נתונים בזמן אמת. כל יחידת מחשוב כוללת בתוכה גם נפח אחסון והמידע עצמו משוכפל מספר פעמים בתוך אשכול התשתית כדי לשמור על רמת הגנה גבוהה ולספק נגישות מהירה לנתונים מכל רכיב בפתרון. בהתאם לסוגי הפתרונות ברמה האפליקטיבית נדרש אוסף של שרתים בתצורה מסויימת כדי לממש את הפתרון. בחירה במימוש פיזי ללא וירטואליזציה עלולה להפוך את הפתרון למסורבל תפעולית באתגרים של Data Center דוגמת: תפוסת ארון, חשמל, כבילה, ניהול מצאי חומרה, עדכוני חומרה, תצורת רשתות וכו'. בחירה במימוש וירטואליזציה עם אחסון מסורתי מונוליטי לא מתאים ליישום זה כיוון ופריסת המידע צריכה להתאים לכמות השרתים ולשמור על לינאריות.

ארכיטקטורת Hyper Converged עבור Bid Data Analytics

ארכיטקטורת Hyper Converged בתפיסת ה-Web Scale הוא היישום האופטימלי עבור יישום Analytics. ארכיטקטורה זאת מאפשרת לצמצם חומרה, משאבי Data Center, לפשט את התשתית וגם לשמור על גידול לינארי ככל שיידרש.

מה מיוחד בתשתית השקופה של Nutanix עבור יישום אנליטיקה?

התשתיות השקופות של Nutanix מספקות תשתית לינארית ללא תלות בחומרה ספציפית וללא תלות ב-Hypervisor עבור מימוש גדילה לינארית גם עבור אנליטיקה ויישומי ביג דאטה. ניתן לציין יתרונות רבים בארכיטקטורה זו וביניהם:

• (Nutanix Hypervisor (AHV – אשר מסופק חינם כחלק מהתשתית וכולל יכולות מרשימות להתאוששות מכשל, איזון עומסים וערך מוסף עבור יישום אנליטיקה
• One Click Upgrade – יכולת מובנית לבצע שדרוג של כל התשתית בלחיצת כפתור. השדרוג מתבצע תוך כדי עבודה וללא הפרעה לשירותים
  וכולל גם שדרוגי חומרה, תצורת רשת ועדכון כל רכיבי התשתית
• Health & Alerts – יכולת שליטה ובקרה על בריאות המערך והתראות רלוונטיות ללא תלות ברכיבי תשתית חיצוניים ליישום
• Cluster Expand – יכולת הוספת משאבים בלחיצת כפתור. לאחר התקנה בארון, חיבור לחשמל ורשת סטנדרטית, המערכת מזהה אוטומטית יחידות מחשוב ואחסון שהתווספו לתשתית ומציעה למנהל המערכת לצרפם לתשתית. לחיצה על כפתור אישור תבצע הוספה לוגית לכלל המערך בתוך פחות מ-5 דקות
• אנליטיקה וחיזוי – יכולת מובנית Machine Learning לאנליטיקה וחיזוי המשאבים הנדרשים בעתיד בהתאם לרמת השימוש במשאבים בעבר ובהווה בתשתית
• יכולות חיפוש ואינדוקס מהירות במיוחד – מספקות עד 500,000 אירועים/לשניה עבור כל משאב מחשוב בתשתית – מהווה בין פי 2-3 מהיר יותר מפתרונות מתחרים
• יישום מהיר – תכנון, התקנה והפעלה מוכן ליישום תוך שעות בודדות
• ממשק קל ועוצמתי מבוסס HTML5 מסוג Prism – קל ופשוט לשימוש בממשק פריזם מספק אפליקציית ניהול מרכזית בשיטת Single Pane of Glass לכל הרכיבים והפעולות בתשתית כולה