Enrico Signoretti, Juku
La technologie DataCore de traitement des E/S en parallèle semble être trop belle pour être vraie, voire magique… Toutefois, il suffit de l’essayer pour prendre conscience qu’elle est bien réelle et qu’elle est capable de vous faire réaliser de belles économies !
Des bancs d’essai à la pratique concrète
Pour être honnête, j’étais sceptique au début, et j’avoue avoir totalement sous-estimé cette technologie. Le banc d’essai publié il y a quelque temps était incroyablement performant (trop beau pour être vrai ?). Même si ces résultats étaient justes, il est parfois possible de contourner certaines limites d’une série de bancs d’essai pour élaborer des configurations spécifiques et non réalistes, de manière à obtenir des résultats très attractifs, mais difficiles à reproduire en situation réelle.
Lorsque j’ai été contacté par la société DataCore, celle-ci m’a convaincu, non pas par des bancs d’essai abstraits, mais par des tests concrets sur des charges de travail réelles. En effet, j’ai été particulièrement impressionné par un ensemble de démonstrations remarquables auxquelles j’ai pu assister. J’ai ainsi pu constater qu’un serveur de base de données Windows, doté de la technologie d’ES parallèles, est capable de traiter des données des dizaines de fois plus vite que le même serveur qui ne bénéfice pas du logiciel de DataCore… La même situation s’est produite avec une machine virtuelle dans le cloud, ce qui est théoriquement la même chose, puisqu’il s’agit d’une technologie logicielle. Les résultats sont toutefois nettement plus avantageux que ce que vous pouvez penser… Surtout si vous prenez en compte les économies de coûts permises par l’adoption de cette solution.
Rapidité décuplée
Je sais que ça a l’air peu crédible, mais c’est pourtant vrai. DataCore Parallel Server est un logiciel très simple qui modifie la façon dont les opérations d’E/S sont effectuées. Il tire parti du grand nombre de cœurs de processeurs et de la mémoire RAM disponibles sur un serveur, en permettant d’organiser toutes les E/S de manière parallèle, plutôt qu’un traitement en série, afin d’atteindre un niveau de latence de quelques microsecondes. Les IOP qui en découlent sont ainsi très nombreux. Vous souhaitez en savoir plus ? Tout est dit dans mon article.
Ce type de performances permet d’élaborer des clusters plus petits ou d’obtenir des résultats bien plus rapides, en utilisant le même nombre de nœuds… Et tout cela sans devoir modifier la pile logicielle, ni ajouter des options en mémoire onéreuses à votre base de données. C’est une solution idéale pour les cas d’utilisation en analyse du Big Data, bien qu’il y ait d’autres situations susceptibles de tirer profit de cette technologie !
Juste un logiciel ? Pas vraiment !
Loin de moi l’idée de minimiser le travail de DataCore en déclarant « Juste un logiciel », car c’est tout le contraire ! Grâce à sa conception relativement simple, ce logiciel peut être utilisé avec votre serveur physique, mais également avec une machine virtuelle, ou mieux, une machine virtuelle dans le cloud.
En étudiant le prix des machines virtuelles dans le cloud, vous réaliserez qu’il est bien plus judicieux d’effectuer un travail dans un petit ensemble de machines virtuelles à grande mémoire et à grands processeurs… Cette approche vous permettra simplement d’en faire davantage, plus vite, à un prix plus faible. Encore une fois, si l’on s’intéresse aux résultats obtenus avec l’analyse du Big Data, on constate qu’ils sont impressionnants !
Un cercle vertueux
DataCore fait partie des sociétés dont la prospérité et la rentabilité durent depuis des années. Suite à l’introduction du traitement d’E/S en parallèle l’année dernière, la société a démontré sa capacité à innover, tout en offrant de la valeur à ses clients. Désormais, grâce à l’évolution du traitement parallèle des E/S, l’entreprise intègre un tout nouveau marché, en proposant une solution qui permet aux utilisateurs finaux de facilement économiser beaucoup d’argent et d’obtenir des résultats plus rapidement. Évidemment, il ne s’agit pas de magie, mais d’une méthode beaucoup plus simple pour utiliser les ressources disponibles dans les serveurs modernes.
Parallel Server constitue la solution idéale pour l’analyse du Big Data, en la rendant accessible à un public plus large. Je suis persuadé que nous découvrirons d’autres cas d’utilisation intéressants pour cette solution avec le temps…
