|
||
 관리가 양호하고 안정된 스토리지 인프라 형성을 위해 다양한 네트워크 및 채널 프로토콜을 사용하여 효율적으로 연결된 이종의 스토리지 플랫폼과 같이, 귀사의 엔터프라이즈 데이터 센터에 최적화된 완벽한 데이터 스토리지 환경을 상상해 보십시오. 데이터를 자동으로 투명하게 어레이에 배치하고 시간 경과에 따라 이동시키는 동시에 데이터의 보안 및 보호 상태를 감독하는 지능적인 관리 시스템 또한 이 플랫폼상에서 운영될 것입니다. 즉, 이를 통해 ILM(Information Lifecycle Management) 이 보장됩니다. ILM 이 매력적인 것은 사실이지만, 새로운 ILM 에 대한 개념 및 여러 벤더의 다양한 접근 방식으로 인한 혼돈이 우선적으로 해결되어야 합니다. 본질적으로 ILM 은 애플리케이션 및 사용자의 고유한 데이터 스토리지에 대한 필요성을 고려하는 지능적인 엔진입니다. ILM 엔진은 데이터의 "DNA" 를 읽어 필요한 1 차 스토리지 종류를 식별하기 위해 DNA 를 생성한 프로세스로부터 어떤 특성을 상속 받았는지를 파악합니다. 데이터를 생성한 애플리케이션으로부터 기밀성이나 보존성에 대한 요구사항을 물려받은 중대한 데이터인 경우, ILM 엔진에서 이런 사실을 인식하여 적절한 보호 및 보안 서비스를 제공하는 스토리지 인프라 구성요소에 이들 데이터를 배치합니다. 마찬가지로, 다양한 애플리케이션 및 사용자들이 특정 데이터를 참조 또는 공유해야 한다면, ILM 엔진이 이 데이터를 자주 액세스 되지만 거의 수정되지 않는 데이터를 저장하는 데 적합한 다른 스토리지 구성요소 세트에 라우팅시킵니다. 데이터는 한 번만 작성되며, 일단 액세스 ( 거의 발생하지 않음 ) 된 후에는 저장소 또는 휴지통으로 보내집니다. ILM 엔진은 데이터를 자동으로 배치하고 데이터 요청을 지속적으로 모니터링할 뿐만 아니라, 액세스 빈도를 파악하여 데이터를 액세스가 더 쉬운 또는 덜 쉬운 위치로 이동시켜야 할지를 결정합니다. 저장된 데이터에 적용할 수 있는 유용한 방식은 다음과 같습니다 . 디스크에 한 번 작성된 데이터에 대한 액세스는 일주일 내 30 퍼센트, 한 달 내 90 퍼센트 떨어집니다. 따라서, 자주 액세스하거나 업데이트되지 않는 데이터를 값비싼 스토리지에 저장할 이유가 없습니다. 결과적으로, 접속 빈도 카운터를 사용하는 것이 서버 OS 에 의해 데이터에 할당된 "마지막 수정 날짜" 속성을 사용하는 것보다 스테일 데이터를 찾아내는 데 훨씬 더 유용한 방식입니다. 이 경우, 대부분의 데이터가 액세스 되지만 변경되지는 않으며, 또한 참조되기는 하지만 다시 작성되지는 않습니다. 마찬가지로, ILM 엔진은 데이터 특성 및 접근 방식을 사용하여 명확히 정의된 마이그레이션 정책에 따라 데이터를 서로 다른 플랫폼간에 이동시킵니다 . 또한, ILM 엔진은 기본적인 스토리지 인프라의 기능, 비용 및 위치를 고려하면서 이들 특성을 정책 정의에 통합하여 데이터가 적절한 스토리지 장치에 배치되도록 함으로써, 최고의 가격 대비 성능을 제공합니다. 2003 년 이후 ILM 을 둘러싼 미디어의 관심이 최고조에 달하면서, 거의 모든 스토리지 벤더들이 자사의 최대한 많은 제품에 ILM 을 연관시키는 데 박차를 가하고 있습니다. 이러한 추세를 뒷받침하는 주요 이유 중 하나는 바로 규정 준수를 위한 것입니다. SOA 와 같은 규제는 스토리지 및 데이터 접근성과 관련된 규정을 지정합니다. 또 다른 이유로 ROI 를 들 수 있습니다. CIO 들은 어떤 데이터가 어디에, 얼마나 오랫동안 속해있는지 결정할 수 있는 IT 기술을 통해 자사의 스토리지 회수율을 향상시킬 수 있는 방법을 모색하고 있습니다. ILM 은 이런 노력의 일환으로서 기업들이 자사의 네트워크에서 실시간으로 모든 컨텐츠를 색인화, 추적, 관리 및 찾아낼 수 있도록 컨텐츠 인식 스토리지 기반을 구축합니다. ILM 를 위한 프레임워크 하지만, 현 기술로는 이런 ILM 기능을 완벽하게 지원할 수 없는 실정입니다. 언젠가는 네트워크 설계자들이 모든 부서에 걸쳐 데이터 관리 및 스토리지를 완전 자동화할 수 있는 기술을 사용할 수 있을 것입니다. 그러나 , 이를 실현하려면 벤더들이 필요한 구성요소들을 제공해야 하는데, 아직 어떤 ILM 벤더도 이런 구성요소를 확보하고 있지 못한 상태입니다. 이는 ILM 이 다음 5 가지 기술 영역에서 협력과 통합을 필요로 하기 때문입니다.
각 데이터들은 IT 가 지정한 비즈니스 정책에 따라 검색 , 분류 및 실행되어야 합니다. 서로 다른 데이터 유형은 상이한 검색 및 분류 방식, 그리고 네트워크 전반적으로 다양한 데이터의 관리 및 이동 방식을 요구합니다 . 데이터 이동은 특정 시간에 데이터의 스냅샷을 찍거나 백업하고 또는 실시간으로 다른 사이트나 장비로 복제하거나 데이터를 독립적으로 보관하는 것 등을 의미합니다. 일부 동작이 실행될 경우, 결과 데이터는 특정 스토리지 계층에 작성됩니다. 주요 계층은 Fibre Channel, SCSI 또는 SATA 디스크 기술로 구현되는 온라인 애플리케이션을 통해 직접 액세스를 위한 스토리지를 제공합니다. 추가 계층은 백업 및 보관을 위해 주요 스토리지의 복사본을 제공합니다. 규정 준수를 위한 저비용의 SATA 어레이와 같은 디스크 기술이 선호되고 있으며, 주로 테이프 라이브러리로 구성되어 있습니다. 그러나, 모든 기업들이 ILM 에 투자해야 하는 것은 아닙니다. ILM 의 분석 및 배치에 드는 비용은 만만치 않으며, 고도로 데이터 집약적인 업체가 아닌 경우에는 ILM 에 대한 투자 효용이 그다지 높지 않습니다. 일반적으로 ILM 에 대한 투자가 필요한 대상은 최소 20 테라바이트의 주요 데이터를 관리하고 있고 매년 그 양이 50 퍼센트 이상 증가하거나, 비교적 높은 트랜잭션 데이터 활동율을 나타내는 비구조화된 데이터 풀을 보유하고 있는 업체들입니다. 이러한 요소들이 바로 스토리지의 비효율성을 야기시키기 때문입니다. 테라바이트 데이터 저장소가 순식간에 수백만 달러의 하이엔드 FC 어레이 상에 복제될 수도 있습니다. 또한, 오래되고 사용하지 않는 데이터들이 테라바이트의 고비용 스토리지 용량을 차지하고 있을 수도 있습니다. ILM 은 이런 모든 스토리지 관리 문제를 해결합니다. » 이전글 : 비즈니스 연속성을 위한 데이터 센터 설계 |