Pure Storage ripensa la ‘casa dei dati’ per favorire l’accesso alle informazioni

Data storageDatabaseStorage

Pure Storage con data hub supera i limiti attuali delle soluzioni di analytics in silos e integra le caratteristiche chiave delle tipologie più diffuse in una singola piattaforma

Un data hub funzionale è tale quando effettivamente si propone come architettura incentrata sui dati archiviati affinché siano pronti anche ad alimentare l’analisi e le risorse AI consentendo alle aziende di consolidare e condividere le informazioni.

Quello che propone Pure Storage con Data Hub è quindi a tutti gli effetti una rivoluzione di prospettiva perché a differenza delle architetture DAS (Direct Attached Storage) e alle strutture data lake legacy, la ‘casa’ dei dati non è più essa stessa il centro dell’attenzione ma lo diventa l’idea di un hub progettato perché i dati possano essere condivisi nel modo più semplice e veloce.

Così l’architettura Data Hub per Pure Storage rappresenta la soluzione migliore per alimentare le applicazioni native in cloud, quelle di analisi e i motori AI.

Quattro tipologie di soluzioni di analytics in Sylos

Data Hub, è quindi la visione architetturale storage per i workload non strutturati e data-intensive. Si basa su Pure Storage FlashBlade (storage ad oggetti), e vuole garantire alle aziende l’utilizzo e l’accesso efficace ai dati. Non più i dischi al centro ma la condivisione e l’unificazione dello ‘scenario’ dati.

Per innovare e sopravvivere in un contesto sempre più data-driven, le aziende devono progettare infrastrutture che in primo luogo tengano conto dei dati e consentano un accesso completo ed in tempo reale a questi ultimi.

Le soluzioni oggi più diffuse sono state progettate per i dischi e hanno storicamente contribuito a creare silos di dati. Un’architettura data hub è invece progettata per fornire, condividere e unificare i dati, offrendo la possibilità di accedere ad un valore senza precedenti.

Pure Storage Data Hub

Oggi sono quattro le tipologie di soluzioni di analytics in silos: data warehouse, data lake, streaming analytics e cluster di AI. Un data hub integra le caratteristiche più importanti di queste quattro tipologie di silos e le unifica in una singola piattaforma.

Bisogna invece puntare a quattro punti cardine chiave: il throughput elevato sia nell’approccio di storage a oggetti sia in quello ad archiviazione file; un’architettura scale-out per scalare i lavori batch con il software e non più una persona a gestire le prestazioni che devono essere multidimensionali. Per questo richiedono una piattaforma che processi qualsiasi tipo di dato, in qualsiasi modalità di accesso, e che lo possa fare con l’elaborazione in parallelo, decisamente più vicina al funzionamento del nostro cervello.

Read also :
Clicca per leggere la biografia dell'autore  Clicca per nascondere la biografia dell'autore