Almacenamiento en Cloud

Las tecnologías de almacenamiento disponibles en el mercado (SAS, SATA, SSD) ofrecen diferencias sustanciales tanto de coste como de rendimiento. Conocer sus características y su adecuación a la aplicación que van a soportar es básico para poder elegir la más conveniente.
Resumen del WorkShop ‘Tecnologías de almacenamiento en cloud’ realizado por David Suarez – Director de Tecnología y Operaciones en Nexica.

Introducción: Terminología asociada al almacenamiento
A menudo los términos nos abruman y pueden generar confusión. Así, creemos que antes de empezar este breve recorrido por el Storage, es interesante poner en común la terminología.
Clasificaremos los diferentes términos entre los siguientes ámbitos:
a) Arquitecturas de redes de almacenamiento
b) Protocolos de almacenamiento
c) Tecnologías de disco.

Arquitecturas de almacenamiento:
Arquitectura de almacenamiento hace referencia al modo en que se organizan y conectan los recursos físicos de la infraestructura de almacenamiento. Diferentes modos de establecer esta organización establecerán un modelo de gestión más o menos eficiente de la red de almacenamiento y determinarán también la complejidad de la comunicación a establecer entre los sistemas.
Las arquitecturas de almacenamiento más conocidas se referencian con las siglas SAN y NAS.
SAN – Una arquitectura de red SAN se distingue principalmente porque conecta múltiples dispositivos de almacenamiento entre sí, con múltiples servidores y clusters de servidores, por lo que su capacidad se puede extender de manera casi ilimitada. Se caracteriza porque su acceso es a muy bajo nivel (Acceso por bloque de datos o LUN –número de unidad lógica). Su rendimiento depende casi exclusivamente de la tecnología de red que la soporta.
NAS – Se caracteriza por conectar a una red Ethernet el dispositivo de ficheros. En este caso el acceso es por fichero (a más alto nivel) y no por bloque. Su gestión y administración es mucho más simple, por lo que es una arquitectura comúnmente utilizada en entornos de Cloud Público.

Protocolos de almacenamiento:
Nos referimos aquí a las reglas que rigen la comunicación: las peticiones de datos al storage. Estas, por lo general, se definen en función de la tecnología de red que interconecta los dispositivos. Redes más rápidas, pueden soportar así protocolos de comunicación más eficientes.
En el caso de Arquitecturas SAN, los más habituales son los siguientes: iSCSI, Fiber Channel o FCoE. La selección de una u otra determina finalmente el rendimiento.
En el caso de arquitecturas NAS, destacan los protocolos de comunicación NFS y CIFS (este último para sistemas Microsoft). NFS es uno de los protocolos más recomendados por los profesionales del sector pues permite una mayor escalabilidad, estabilidad y una excelente comunicación con plataformas virtuales. Además NFS es uno de los protocolos nativos de múltiples sistemas de almacenamiento, permitiendo por tanto a los usuarios de estas cabinas reducir la complejidad de adaptación.

Tecnologías de disco:
Por último tenemos siglas para referirnos a la tecnología del dispositivo físico que finalmente almacena los datos, el disco.
Como tecnologías de disco ampliamente extendidas se encuentran las siguientes: SAS, SATA y SSD.
Por un lado, las tecnologías SAS y SATA están soportadas por estructuras de discos físicos los cuales, por principios electromagnéticos, son capaces de almacenar información. Estas estructuras contienen varios discos interiores que giran continuamente a alta velocidad, así como un conjunto de mecanismos los cuales hacen posible acceder a diferentes sectores para grabar o leer los datos. Al depender de elementos mecánicos son más vulnerables a fallos y presentan limitaciones de velocidad. En cualquier caso, son tecnologías robustas y muy maduras las cuales han alcanzado ya una gran penetración y por tanto unos costes muy reducidos.

Las principales diferencias entre SATA y SAS son las siguientes:
SATA – ‘Serial Advanced Technology Attachment’. Es una evolución de la tecnología de transmisión de datos por bus serie (antes IDE/ATA). Trabaja de forma síncrona con el procesador. Los discos giran a 7200 rpm. La velocidad influye en los tiempos de acceso a la información, ya que cuanto mayor es la velocidad de giro, más rápido puede accederse a un determinado sector donde se encuentren los datos y leerlos. Actualmente ofrece alta capacidad de almacenamiento a precios muy razonables y el tiempo medio entre fallos hardware que ofrece es bajo pero su tiempo de acceso a disco es muy alto. Esta tecnología presenta un buen comportamiento en condiciones de acceso a disco secuencial (no aleatorio). En general la usaremos cuando el acceso a los datos sea secuencial o no sea crítico, por ejemplo como disco de datos redundado o para almacén de ficheros de consulta no intensiva. Podrían considerarse los discos más domésticos. No aportan tanta velocidad como los SAS (0,02 IOPS/GB), pero si mayor capacidad de almacenamiento a un precio más bajo.
SAS – ‘Serial Attached SCSI’. Evolución mejorada de SCSI paralelo. Es una tecnología especialmente pensada para sistemas intensivos en lectura/escritura y escrituras o lecturas aleatorias. Una de las principales características es que aumenta la velocidad de transferencia al aumentar el número de discos que pueden conectarse mediante RAID y que en SCSI estaba limitado. Los discos giran a 15000 rpm. Es la tecnología reina en servidores de uso empresarial por su excelente compromiso entre rendimiento y precio, y suelen utilizarse para la gestión de aplicaciones críticas. Los discos suelen tener una capacidad máxima de 600Gb.
Por otra parte, y eliminando las limitaciones que impone la mecánica de los discos SAS y SATA, una tercera tecnología crece con fuerza.
SSD - ‘Solid-State Drive’ (discos de estado sólido). Dispositivo de almacenamiento de datos que usa una memoria no volátil, como la memoria flash, o una memoria volátil como la SDRAM, para almacenar datos, en lugar de los platos giratorios magnéticos encontrados en los discos duros anteriores. Además de ofrecer mejores tiempos de escritura/lectura respecto a tecnologías anteriores, al no soportar partes móviles, tiene menor consumo, no genera ruido y pesa mucho menos. Esta tecnología ofrece tiempos de acceso a disco muy bajos y por tanto debe considerarse en sistemas de acceso intensivo a disco, especialmente de sólo lectura. Suelen utilizarse especialmente para aplicaciones que requieran alto ritmo de trabajo, tales como caches de procesadores, primeras caches, o sistemas ‘calientes’ en general.

Almacenamiento en Cloud
Las dificultades y riesgos que entraña el diseño y dimensionado de cualquier infraestructura TIC, y en concreto también la selección de la tecnología de almacenamiento pueden ser minimizados a través del modelo de consumo de Cloud, el cual facilita la toma de decisiones, pues permite elegir la tecnología sin incurrir en grandes inversiones iniciales, medir su rendimiento y adaptar la plataforma a medida que crece nuestra experiencia sobre ella.
Así pues, como primera recomendación: si no tienes claro cuál es la tecnología de almacenamiento más apropiada, prueba primero sobre un entorno de test antes de desplegar toda tu plataforma. De todos modos, si deseas ver qué factores asociados al almacenamiento inciden en el rendimiento y cómo enfocar mejor tú elección sigue leyendo.

Factores que inciden en el rendimiento
Fundamentalmente son tres los factores que inciden en el rendimiento de una aplicación en lo que se refiere al acceso a disco:
• Throughput: Se refiere al ancho de banda disponible para la transferencia de los datos. Es un factor dependiente de la arquitectura y la tecnología subyacente. Define el nivel de absorción de los flujos de datos que se generan.
• IOPs: Número de operaciones de lectura y escritura por segundo
• Latencia: Tiempo transcurrido entre la demanda de un paquete de datos y su recepción. Dependiendo de dónde se ubiquen los extremos de interés para la medida, impactarán en este tiempo más o menos elementos. (ms)
Cuando consideramos una plataforma de cloud pública en la que los recursos de almacenamiento son compartidos por múltiples clientes con proyectos y necesidades diversas y deseamos garantizar el funcionamiento de nuestra aplicación, debemos preguntarnos por el tratamiento que de estos tres factores hace nuestro proveedor. En tal caso, es importante tanto conocer el diseño y la implementación de la solución como que exista transparencia respecto a estos parámetros de calidad de servicio.
Si lo que deseamos es implementar nuestra propia solución de Cloud privado, debemos conocer las limitaciones de tecnologías para elegir la más conveniente.
En el caso de las IOPs por ejemplo, el siguiente gráfico es representativo de las diferencias entre las tecnologías de disco mencionadas. Como puede verse la respuesta es mucho mejor en SSD que en SAS o SATA. También es cierto que su coste es muy superior.
Respuesta en IOPs según tecnología utilizada

Respecto de la latencia, los elementos que ayuden a dinamizar las peticiones más comunes (por ejemplo mediante mecanismos de caché) ayudan a optimizar el servicio. En este sentido, no todos los fabricantes de almacenamiento proveen equipos con las mismas prestaciones. Elegir bien, significa en este caso preguntar también sobre este tipo de mecanismos al proveedor.