Hy­per­sca­le computing: load balancing per grandi quantità di dati

Tutti parlano di big data e cloud computing. Parole chiave del momento sono anche Industria 4.0, Internet of Things o guida autonoma. Queste tec­no­lo­gie ri­chie­do­no l’in­ter­con­nes­sio­ne di un gran numero di sensori, di­spo­si­ti­vi e macchine: ne risultano enormi quantità di dati, che devono essere elaborati in tempo reale e tradotti in loco in azioni estre­ma­men­te rapide. Questa quantità di dati, che sia di tipo in­du­stria­le o privato, nel campo scien­ti­fi­co o della ricerca, cresce con una rapidità espo­nen­zia­le. At­tual­men­te creiamo ca. 220.000 post su Instagram, 280.000 Tweet e 205 milioni di mail al minuto.

Non è sempre possibile prevedere quando saranno richieste ai server de­ter­mi­na­te capacità. Per poter reagire a queste richieste in costante evo­lu­zio­ne, le capacità dei server devono essere scalabili. La nostra guida sull’hy­per­sca­le computing vi svelerà quali strutture fisiche sono ne­ces­sa­rie e come col­le­gar­le al meglio. Sulla base di queste in­for­ma­zio­ni potrete optare per soluzioni server che ri­spon­da­no al meglio alle vostre esigenze.

“Hy­per­sca­le” può essere tradotto in italiano come “sca­la­bi­li­tà di di­men­sio­ni straor­di­na­rie”. Il termine è uti­liz­za­to nel mondo dell’in­for­ma­ti­ca per una de­ter­mi­na­ta struttura or­ga­niz­za­ti­va dei server.

Sca­la­bi­li­tà è il termine uti­liz­za­to per indicare che la rete si adatta a requisiti di pre­sta­zio­ni variabili. I server hy­per­sca­le sono piccoli e semplici sistemi orientati verso uno scopo ben definito; per rag­giun­ge­re la sca­la­bi­li­tà vengono collegati oriz­zon­tal­men­te tra di loro. Con il termine oriz­zon­ta­le si descrive la con­di­zio­ne per cui, al fine di aumentare la pre­sta­zio­ne di un sistema IT, vengono aggiunte ulteriori capacità ai server; a livello in­ter­na­zio­na­le si usa anche il termine scale-out.

La procedura opposta, quella della sca­la­bi­li­tà verticale (scale-up) definisce l’am­plia­men­to di un sistema locale pre­e­si­sten­te, che viene dotato di un miglior hardware, quindi con una maggior memoria prin­ci­pa­le, una CPU più veloce, dischi fissi mag­gior­men­te per­for­man­ti o schede grafiche più veloci. In pratica, prima della sca­la­bi­li­tà oriz­zon­ta­le si im­ple­men­ta la tec­no­lo­gia presente, fino a rag­giun­ge­re i limiti tecnici o man­te­nen­do­si entro costi hardware ac­cet­ta­bi­li. Dopodiché, diventa quasi sempre in­di­spen­sa­bi­le passare all’hy­per­sca­ler.

Ciò limita l’eccessiva copiatura dei dati e sem­pli­fi­ca l’ap­pli­ca­zio­ne di direttive e controlli di sicurezza all’interno delle aziende con­sen­ten­do anche una riduzione dei costi relativi a personale e gestione.

La pos­si­bi­li­tà descritta di ampliare o diminuire nuo­va­men­te le capacità del server con sem­pli­ci­tà comporta sia vantaggi che svantaggi. Vediamoli insieme.

• La sca­la­bi­li­tà non è soggetta a limiti, le aziende restano ben preparate per i quan­ti­ta­ti­vi di dati futuri, per­met­ten­do un ade­gua­men­to al mercato rapido ed eco­no­mi­ca­men­te van­tag­gio­so.
• Le aziende devono disporre di strategie a lungo termine per lo sviluppo del proprio settore IT.
• I fornitori di hy­per­sca­le computing ga­ran­ti­sco­no un’elevata sicurezza in caso di mal­fun­zio­na­men­to grazie a soluzioni ri­don­dan­ti.
• Si evitano di­pen­den­ze grazie all’uso con­tem­po­ra­neo di più fornitori.
• Le spese cal­co­la­bi­li in modo tra­spa­ren­te e l’elevata ef­fi­cien­za dei costi co­sti­tui­sco­no un sostegno ottimale per il rag­giun­gi­men­to degli obiettivi aziendali.

• Vengono ceduti dei dati.
• Le capacità server e di ar­chi­via­zio­ne ag­giun­ti­ve possono rap­pre­sen­ta­re anche nuove fonti di errore.
• Si richiede un maggior impegno alla gestione interna aziendale e re­spon­sa­bi­li­tà da parte dei di­pen­den­ti, a lungo termine però ciò rap­pre­sen­ta un vantaggio.
• Gli utenti dipendono dal regime ta­rif­fa­rio del fornitore hy­per­sca­le.
• Ciascun fornitore ha la propria in­ter­fac­cia utente.

Per poter ben con­fron­ta­re pro e contro, le aziende possono scegliere una soluzione ibrida e spostare backup di grandi di­men­sio­ni e dati uti­liz­za­ti raramente in cloud. In questo modo tali dati non occupano le capacità di sal­va­tag­gio di un centro di ela­bo­ra­zio­ne dati interno all’azienda. Un esempio è co­sti­tui­to dai dati personali di un utente di uno shop online, che, su richiesta dello stesso utente, devono essere resi o can­cel­la­ti, oppure i dati aziendali con obbligo di con­ser­va­zio­ne.

Con hy­per­sca­ler si definisce il gestore di un centro di ela­bo­ra­zio­ne dati che offre servizi scalabili di cloud computing. La prima azienda a entrare in questo mercato è stata Amazon nel 2006, con Amazon Web Services (AWS). Si tratta di un’affiliata che dovrebbe aiutare a sfruttare al meglio gli stessi centri di ela­bo­ra­zio­ne dati di Amazon a livello mondiale. Nel frattempo AWS offre molti servizi specifici e la sua quota di mercato ammonta a circa il 40 per cento. Gli altri due pro­ta­go­ni­sti del settore sono Microsoft, con il suo servizio Azure (2010), e Google Cloud Platform (2010). Anche la società IBM è un im­por­tan­te fornitore di hy­per­sca­le computing. Queste pos­si­bi­li­tà tecniche vengono offerte tramite partner au­to­riz­za­ti anche per mezzo di centri di ela­bo­ra­zio­ne dati in Italia, elemento im­por­tan­te per molte aziende, in modo par­ti­co­la­re dall’entrata in vigore del nuovo re­go­la­men­to generale sulla pro­te­zio­ne dei dati.