GlusterFS vs Ceph: 2 sistemi di ar­chi­via­zio­ne a confronto

I sistemi di ar­chi­via­zio­ne di­stri­bui­ti sono la soluzione per l’ar­chi­via­zio­ne e la gestione di dati che non possono più essere gestiti dai server tra­di­zio­na­li. Non è solo una questione di di­men­sio­ni; so­prat­tut­to quando si tratta di dati non strut­tu­ra­ti, un classico file system con la sua struttura tra­di­zio­na­le di cartelle non è più fun­zio­na­le.

Quando si lavora con i dati di massa, la quantità effettiva di dati non è nota all’inizio del progetto. Durante il fun­zio­na­men­to i sistemi devono pertanto essere fa­cil­men­te espan­di­bi­li con server ag­giun­ti­vi, che siano in grado d’in­te­grar­si per­fet­ta­men­te in un sistema di storage esistente. Per l’utente, il co­sid­det­to file system di­stri­bui­to si presenta come una singola cartella in un file system con­ven­zio­na­le. Ciò significa che l’utente non si accorge che singoli file o anche solo parti di essi possono trovarsi su server diversi, alcuni dei quali possono trovarsi anche in località geo­gra­fi­ca­men­te distanti. Poiché GlusterFS e Ceph sono già entrambi piat­ta­for­me software su sistemi operativi Linux, non hanno requisiti hardware speciali. Linux funziona su qualsiasi server standard e supporta tutti i tipi di hard disk più comuni.

Un’elevata di­spo­ni­bi­li­tà è un aspetto im­por­tan­te nelle soluzioni di storage di­stri­bui­to. I guasti hardware do­vreb­be­ro ve­ri­fi­car­si il più raramente possibile e anche il software ne­ces­sa­rio al fun­zio­na­men­to dovrebbe con­ti­nua­re a fun­zio­na­re inin­ter­rot­ta­men­te, anche quando vengono aggiunti nuovi com­po­nen­ti. I lavori di ma­nu­ten­zio­ne devono poter essere eseguiti durante il fun­zio­na­men­to. Tutti i metadati im­por­tan­ti non devono essere me­mo­riz­za­ti solo in un unico luogo centrale, al contrario dev’essere possibile accedere ai metadati in modo de­cen­tra­to e nessun punto dev’essere privo di ri­don­dan­za. Un guasto del server non deve in nessun caso poter dan­neg­gia­re la coerenza dell’intero sistema. GlusterFS e Ceph sono due sistemi che in modo diverso possono essere espansi in base alle esigenze, con­sen­ten­do di combinare e ricercare i dati di progetti di grandi di­men­sio­ni in un unico sistema.

GlusterFS è un file system di­stri­bui­to, con una struttura modulare. Diversi server sono collegati tra loro tramite una rete TCP/IP. In qualità di file system conforme a POSIX (Portable Operating System Interface), GlusterFS può essere fa­cil­men­te integrato in ambienti server Linux esistenti. Questo vale anche per FreeBSD, Open­So­la­ris e macOS, che sup­por­ta­no sempre POSIX. L’in­te­gra­zio­ne in ambienti Windows è stata finora possibile soltanto uti­liz­zan­do un server Linux come gateway.

GlusterFS è nato come un classico sistema di ar­chi­via­zio­ne basato su file; solo in seguito è diventato orientato agli oggetti, con par­ti­co­la­re at­ten­zio­ne all’in­te­gra­zio­ne ottimale nella nota soluzione cloud e open source OpenStack. GlusterFS continua a lavorare in back­ground su una base di file, per cui ad ogni file viene assegnato un oggetto la cui con­nes­sio­ne è definita nel file system tramite hard link. Non ci sono server dedicati per l’utente, in quanto questi ha a di­spo­si­zio­ne le proprie in­ter­fac­ce per me­mo­riz­za­re i dati su GlusterFS, che si presenta come sistema com­ples­si­vo.

La soluzione di ar­chi­via­zio­ne di­stri­bui­ta open source Ceph è una memoria di oggetti che funziona sulla base di oggetti binari e quindi bypassa le rigide strutture a blocchi dei supporti dati tra­di­zio­na­li. Fi­si­ca­men­te Ceph utilizza sempre i dischi rigidi, ma ha un proprio algoritmo che regola la gestione degli oggetti binari, che possono essere suddivisi in parti qualsiasi su più server e suc­ces­si­va­men­te di nuovo as­sem­bla­ti.

Tutti i com­po­nen­ti fun­zio­na­no in modo de­cen­tra­to. Tutti gli OSD (Object Based Storage Device = di­spo­si­ti­vo di me­mo­riz­za­zio­ne basato su oggetti) sono uguali tra loro. Quindi, un numero qualsiasi di server con dischi rigidi diversi può essere collegato per formare un sistema di ar­chi­via­zio­ne. Ceph offre at­tra­ver­so tre im­por­tan­ti in­ter­fac­ce diverse pos­si­bi­li­tà d’in­te­gra­zio­ne negli ambienti di sistema esistenti: CephFS come driver del file system Linux, RADOS Block Devices (RBD) come Linux Device, che può essere integrato di­ret­ta­men­te, e RADOS Gateway, che è com­pa­ti­bi­le con Swift e Amazon S3.

Rispetto alle dif­fe­ren­ze tecniche tra GlusterFS e Ceph, non c’è un vincitore evidente. In linea di principio, Ceph è un’ar­chi­via­zio­ne basata su oggetti per dati non strut­tu­ra­ti, mentre GlusterFS utilizza alberi di file system ge­rar­chi­ci in blocchi. GlusterFS ha le sue origini in un sistema di ar­chi­via­zio­ne basato su file, altamente ef­fi­cien­te, che si sta evolvendo sempre più verso l’orien­ta­men­to agli oggetti. Al contrario, Ceph è stato svi­lup­pa­to fin dall’inizio come archivio di oggetti binari piuttosto che come un classico file system, il che può implicare dei punti deboli nelle ope­ra­zio­ni tipiche del file system.

Grazie alle sue mol­te­pli­ci in­ter­fac­ce, Ceph è ben uti­liz­za­bi­le in reti ete­ro­ge­nee, dove oltre a Linux vengono uti­liz­za­ti anche altri sistemi operativi. GlusterFS mostra i suoi punti di forza quando si tratta di me­mo­riz­za­re un gran numero di file tra­di­zio­na­li e di grandi di­men­sio­ni. Poiché Ceph è stato svi­lup­pa­to fin dall’inizio come soluzione open source, è stato più facile ap­pli­car­lo in diversi ambienti rispetto a GlusterFS, che è stato ri­la­scia­to come open source solo in seguito. Le soluzioni cloud sono un im­por­tan­te campo di ap­pli­ca­zio­ne per lo storage di­stri­bui­to. Ad esempio OpenStack, dove sia GlusterFs, sia Ceph trovano ap­pli­ca­zio­ne, è uno dei più im­por­tan­ti progetti software che offre ar­chi­tet­tu­re per il cloud computing.