Tiering und Deduplizierung V1.1 (c) Stor IT Back 2010

Einführung Tiering

Der Begriff Tiering kommt aus dem Englischen und bedeutet so viel wie Abstufen oder Staffelung. Diese Worte beschreiben die Technologie sehr gut. Bei Speichermedien gibt es Performance- und damit auch Preisunterschiede. Die SAS- und FC-Festplatten sind am schnellsten, haben leider aber auch den größten Preis pro GB. Danach kommen die SATA-Festplatten mit 7.200 Umdr./min und dann die 5.400er SATA Platten. Es wäre dann also das preislich effektivste, wenn man die SAS- und FC-Platten nur für wichtige und hochperformante Daten nutzen würde und alles andere wird auf den SATA-Platten gespeichert.
Und das genau ist der Ansatz von Tiering. Wichtige und performante Daten auf die erste Stufe (Tier 1) und selten genutzte Daten auf die zweite Stufe (Tier 2). Alles was eigentlich nicht mehr genutzt wird (aber natürlich niemand löschen möchte, es könnte ja noch mal gebraucht werden), kommt auf Tier 3. Tier 3 können dann z.B. die langsamen SATA-Platten sein, die zum Beispiel nur dann laufen, wenn auch wirklich Daten gebraucht werden. Neben der Kostenoptimierung kann also zusätzlich auch Energie eingespart werden.
Seit dem Praxiseinsatz von SSD-Speichern (Solid State Drive) wird auch Tier 0 definiert. Die SSD Speicher sind extrem schnell, also eigentlich ideal für extrem performante Daten (zum Beispiel Datenbanken). Sie haben jedoch einen großen Nachteil: Auf SSDs kann nicht unendlich häufig geschrieben werden, sie gehen bei vielen Schreibzugriffen schneller kaputt. Aber beim Tiering ist das ja kein Problem, dann kommen auf die SSDs eben nur Daten die häufig gelesen werden, also alles was sich zum Beispiel bei Datenbanken nicht ändert, aber immer wieder gelesen wird.

Kurz: Storage Tiering ist das Verschieben von Daten auf verschiedene Typen von Speichermedien nach vordefinierten Regeln.

Anwendung: File Tiering

Beim File Tiering, also dem dateibasierenden Verschieben, wird immer die ganze Datei betrachtet. Zum Beispiel in einem Fileserver: Es gibt Dateien die häufig genutzt werden, Dateien die selten genutzt werden und viele Daten die eigentlich nur einmal geschrieben werden, aber danach nie wieder genutzt werden. Da kann die Aufteilung auf die einzelnen Storage-Tiers sehr einfach erfolgen. Es muss nur die Änderungs- und Zugriffshäufigkeit der Datei ermittelt werden und dann eine Verschiebung auf die unterschiedlichen Plattengruppen vorgenommen werden. Dies wird schon sehr lange unter dem Begriff HSM (Hierarchisches Speicher-Management) eingesetzt. Die HSM-Funktion basiert also auf dem Tiering.
Ein manuelles File-Tiering ist auch möglich. Auf einem Fileserver muss nur nach alten und nicht genutzten Dateien gesucht werden und diese können dann verschoben werden. Dann tritt allerdings das Problem auf, das keine die Daten später wieder finden kann. Also braucht man doch eine HSM Software, die den Zugriff über die Tiers ermöglicht.

Anwendung: Block Tiering

Beim File-Tiering war die Unterscheidung noch sehr einfach, beim Block Tiering wird es komplizierter. Das File Tiering hat der Fileserver übernommen und brauchte nur die Filesystem-Informationen auszuwerten. Beim Block Tiering übernimmt es aber das Speichersubsystem und das kennt weder Filesystem noch Dateien, es kennt nur Blöcke auf den Festplatten.
Und genauso wie im Filesystem ermittelt die Tiering-Anwendung im Speicher-Controller die Zugriffshäufigkeit von Blöcken und verschiebt mit diesen Informationen die Blöcke zwischen den Festplatten-Tiers.
Ein Beispiel einer Datenbank: Die Datenbanken bestehen auf der Festplatte aus Blöcken, die entweder häufig genutzt werden oder aus Blöcken die nur selten gelesen werden. Ermittelt der Controller eine kleine Nutzungsfrequenz, so werden die Blöcke auf SATA-Platten ausgelagert. Bei häufigen Zugriffen bleiben sie auf schnellen SAS-Platten oder werden später darauf verschoben. Sind auch SSD-Speicher vorhanden, so können extrem häufig gelesene Daten auch auf diese SSDs verschoben werden. Da SSDs aber nicht so häufig beschrieben werden sollen, werden alle Write-I/Os erstmal auf die SAS-Platten geschrieben und dann analysiert. Werden die Blöcke extrem häufig gelesen, so verschiebt den Controller sie auf die SSDs. Das Migrationsverhalten (Tiering) ist von außen konfigurierbar.
Welche Vorteile bringt diese Methode? Für die Performance wichtige Blöcke sind auf schnellen Platten, schnelle Platten sind aber teurer in der Anschaffung. Also sollten sie auch nur für hochperformante Daten genutzt werden, alles andere geht auf SATA-Platten und spart teuren Speicherplatz. Auch SSDs lassen sich ideal einsetzen. Wenig Speicherplatz für extrem performante Daten und wenig Schreibzugriffe auf die SSDs. Ideale Bedingungen für die SSDs, der Speicherplatz wird passend genutzt und die Schreibzugriffe werden reduziert.
Beim Block Tiering ist allerdings keine manuelle Verschiebung der Blöcke möglich, dies muss eine Anwendung im Speicherkontroller vollständig erledigen. Probleme können auftreten, wenn der Anwender mit der Verteilung nicht einverstanden ist. Wird zum Beispiel eine Datenbank auf den nächtlichen Batchbetrieb automatisch optimiert, kann es sein das beim Online-Betrieb am Tag das Tiering nicht ideal ist. In den meisten Fällen lassen sich solche Schwankungen durch eine passende Konfiguration verhindern.

Einführung Deduplizierung

Die Deduplizierung verfolgt ähnliche Ziele wie das Tiering. Es soll der vorhandene Speicherplatz möglichst effektiv genutzt werden. Aber der Ansatz bei der Deduplizierung ist anders. Alle Daten die schon einmal im System gespeichert sind, müssen nicht ein zweites Mal gespeichert werden. Und das ist der Ansatz der Deduplizierung. Wie beim Tiering ist auch die Deduplizierung auf Datei- und Blockebene möglich. In beiden Fällen werden die Daten nur einmal gespeichert, alle weiteren (doppelte) Daten sind Verweise. Je nach Datenstruktur kann sehr viel Plattenplatz eingespart werden.

Anwendung: Deduplizierung beim Fileserver und Backup-Server

Diese Anwendung ist sehr leicht zu implementieren. Kommt eine neue Datei hinzu, so muss die Anwendung nur schauen, ob diese Datei schon auf der Platte vorhanden ist. Wenn ja, wird nur ein Verweis auf die vorhandene Datei gespeichert, wenn nicht, dann wird die Datei gespeichert und eine eindeutige Checksumme wird gebildet. Über diese Checksumme werden dann neue Dateien abgeglichen. Die zeitliche Verzögerung hält sich in Grenzen, da ja immer nur Schreibzugriffe kontrolliert werden müssen. Das Einsparpotential ist aber enorm, je mehr Daten vorhanden sind, desto größer ist auch die Wahrscheinlichkeit auf doppelte Dateien zu stoßen. Neben einem Fileserver ist die Deduplizierung auch bei der Datensicherung (Backup) möglich. Dort gibt es die größten Einsparpotentiale, da die Daten häufiger gesichert werden. Es ist die gleiche Datei in vielen Vollsicherungen vorhanden. Und wenn dies eingespart werden kann, dann sind finanzielle Vorteile schnell ersichtlich.

Anwendung: Deduplizierung auf Blockebene

Diese Funktion kontrolliert doppelte Daten auf Blockebene. Sie kann nicht nur gleiche Dateien identifizieren, sondern sogar Teile von Dateien. Wir also z.B. eine Textdatei ergänzt und neu abgespeichert, so belegt nur der Teil der Datei wirklich Speicherplatz, der hinzugekommen ist. Aber nicht nur innerhalb eines Fileservers oder eines Backup-Servers werden die Blöcke verglichen, sondern über ein gesamtes Speichersystem. Jetzt ist auch ein Vergleich zwischen den Blöcken von Filedaten und Blockdaten des E-Mail Servers möglich. So kann zum Beispiel erkannt werden, dass ein Mail-Anhang auch noch auf dem Fileserver gespeichert wurde. Da die Blöcke aber schon in der Mail vorhanden sind, belegt sie für den Fileserver keinen Platz mehr auf dem Storage.
Bei diesen Deduplizierungen muss die zeitliche Verzögerung bei Speichervorgängen genau beobachtet werden, gerade bei Datenbanken und performancekritischen Anwendungen kann dies einen Einfluss haben. Bei Fileservern, Archivierungen, Datensicherungen und speicherintensiven Anwendungen spielt die Performance häufig eine kleinere Rolle und der Sparvorteil überwiegt.