Cloud

Scale-Up oder Scale-Out – eine Frage der Skalierung!

Dank neuer Technologien verarbeiten und produzieren wir alle täglich abertausende Daten – die virtuelle Welt und ihre Anforderungen an Verfügbarkeit wächst immer weiter. Eine Lösung, um mit dem wachsenden Datenaufkommen fertig zu werden, sind die inzwischen überall verbreiteten Clouds, die mit Skalierung, Kosteneffizienz und weniger Arbeitsaufwand im Unternehmen punkten. Auch aus Überlegungen im Zusammenhang mit regulatorischen Sicherheitsanforderungen und aufgrund von über die Jahre gewachsenen heterogenen IT-Landschaften sind multiple Clouds heute der Standard – sprich Clouds von unterschiedlichen Anbietern, on-premise, hybrid oder public.

Allerdings ist nicht jeder Workload im wolkigen Niemandsland gut aufgehoben – viele Unternehmen holen geschäftskritische Anwendungen und Daten wieder zurück oder haben sie gar nicht erst in die Clouds geschickt.

Skalierung

Clouds brauchen Hardware

Spätestens wenn man darüber nachdenkt, welche Workloads wo am besten untergebracht sind – und wie das alles betriebswirtschaftlich sinnvoll über die Bühne gehen soll – stellen sich Fragen nach der Hardware. Bei den üblichen hybriden Strukturen sind Überblick und transparente Sicherheit unbedingt notwendig. Und unter Effizienz-Gesichtspunkten ist zudem Flexibilität wichtig.

Nur wie trifft man die richtige Auswahl der Infrastruktur, beziehungsweise nach welchen Kriterien sollte man die Erneuerung des Bestandes angehen? Das hängt von verschiedenen Rahmenbedingungen ab, je nach Unternehmens- und Branchenbedarf. Ein Überblick über die Workloads und die jeweilige System Response Time ist da ebenso wichtig wie das individuell notwendige Maß an Sicherheit, Wiederherstellungskapazität und Kontinuität. Dazu müssen Fragen der Skalierung sowie natürlich die Anschaffungs- und Betriebskosten der Hardware geklärt sein. Vor allem bestimmt aber die Art der Anwendung die Auswahl.

Mainstream

Eine Möglichkeit der Skalierung ist der oft favorisierte Scale-Out Ansatz, bei dem sich viele kleinere Maschinen die Arbeit aufteilen. Die zunächst kostengünstigen schmalen Strukturen erfordern allerdings einen konstanten Datenaustausch, zum Beispiel, wenn man KI-Anwendungen über sie laufen lässt. Diesen Overhead, der bei größeren Unternehmen und internationalen Rechenzentren ziemlich anwachsen kann, muss man also mitbedenken. Es gibt natürlich Workloads, die sich gut verteilen lassen oder bei denen die Anwendung selbst eine Parallelverarbeitung ermöglicht, wie etwa Hadoop. Und manchmal bietet sich eine Scale-Out-Architektur auch einfach an, wie bei High Performance Computing. Aber es ist nicht automatisch der beste Weg.

Power Systeme – eine sinnvolle Alternative

IBM Power Systeme wurden klar für datengetriebene Enterprise-Anwendungen wie Blockchain, Industrie 4.0 oder rechenintensive KI-Workloads entwickelt. Bei den IBM Power Scale-Out-Systemen wurde mit NVLink die Zusammenarbeit zwischen den Nvidia GPUs und dem Server extrem verbessert. Forbes sieht auch deswegen in KI eine Chance für IBM und Power. Tests zeigen, dass sich unter der Nutzung der Power9-Architektur und NVLink die Trainingszeiten für maschinelles Lernen um das bis zu Vierfache im Vergleich zu anderen, breiter ausgelegten Mainstream-Prozessorarchitekturen beschleunigen lassen.

Große Datenbanken profitieren dagegen eher von einer Scale-Up-Architektur. Insbesondere kann man durch solche leistungsstarken Systeme flexibel Workloads konsolidieren. So haben sich beispielsweise IBM Power Enterprise Systeme als passende Infrastruktur für SAP HANA herausgestellt, wie ein aktueller Artikel im E3 Magazin aufzeigt. Im Sommer neu hinzugekommen sind die IBM Power9 Server E950 und E980, die mittlerweile offiziell für SAP HANA und S/4HANA in produktiven Umgebungen eingesetzt werden können. Zusammen mit dem Tailored-Data-Center-Integration (TDI)-Modell bringt der Einsatz solcher Enterprise Systeme betriebswirtschaftliche Vorteile gegenüber den zertifizierten Appliances.

Aus einem TCA (Total Cost of Acquisition)-Blickwinkel sind solche Server zwar meist etwas teurer, doch bei einer ganzheitlichen TCO (Total Cost of Ownership)-Betrachtung sieht das oftmals ganz anders aus. Dort sind geeignete Hardware-Lösungen – bei den entsprechenden Rahmenbedingungen und Anforderungen – insgesamt günstiger.

Als Fazit bleibt also festzuhalten: Es kommt darauf an. Es gibt immer Alternativen, auch im Bereich der Hardware. Ein genauer Blick auf die eigenen Nutzenanforderungen lohnt sich immer. Der Einsatz von Computern ist kein Selbstzweck und sollte sich nach den Bedürfnissen der Kunden richten und nicht umgekehrt. Und das Ziel des betriebswirtschaftlichen Nutzens lässt sich mit einer individuell richtigen Architektur deutlich besser unterstützen.

Add Comment
No Comments

Leave a Reply

Your email address will not be published.Required fields are marked *

More Cloud Stories

Digitale Transformation: Wetter ist Geld

Wir reden nicht nur gerne über das Wetter, wir treffen auch unsere Entscheidungen danach: Während es im privaten Bereich darum geht, welche Kleidung wir tragen, wie wir unseren Flüssigkeitshaushalt managen oder ob wir schon die Heizung angestellt haben, hat das Wetter für Unternehmen eine hohe wirtschaftliche Bedeutung. Umsatzsteigerung oder auch Verluste hängen von ihm ab. […]

Mehr Möglichkeiten für Datenentwickler durch größere Standardisierung

Früher war das Be- und Entladen von Schiffen eine höchst mühsame Angelegenheit. Eine Vielzahl von Hafenarbeitern brachte die Säcke, Kisten und Paletten von Bord, was Tage und manchmal sogar Wochen dauerte. Am 26. April 1956 brach jedoch eine neue Zeitenwende an, als die ersten Schiffscontainer auf Reisen gingen. Der Transportunternehmer Malcom McLean, der sich schon […]

Enterprise Gamification und Serious Games: Der Weg aus der Engagement-Krise

Gehören Sie zu auch zu den Menschen, die früh morgens ins Büro fahren, sich an Ihren Schreibtisch setzen, Ihre E-Mails lesen und versenden, Programme befüllen, Berichte erstellen, Meetings beiwohnen, Kaffee trinken, Essen gehen, sich mit Kolleginnen und Kollegen austauschen, um schließlich am späten Nachmittag oder gar erst abends wieder nach Hause zu fahren, einkaufen zu […]