Nos encontramos inmersos en plena era digital donde la información ha pasado a ser parte fundamental para que las empresas puedan alcanzar sus objetivos. La demanda de almacenamiento cada vez es mayor para poder guardar fotos, vídeos, documentos y otra clase de archivos de datos. La generación de información por parte de personas, empresas, entidades y dispositivos inteligentes tiene una tendencia creciente y los sistemas de almacenamiento tradicionales no pueden hacer frente a esta continua demanda.
Es necesario recurrir a otro tipo de soluciones como es el almacenamiento distribuido, un nuevo concepto que se adapta a esta creciente necesidad de recursos de almacenamiento escalables y flexibles.
Qué es el almacenamiento distribuido y por qué es tan importante
Se denomina almacenamiento distribuido al uso de una red informática para almacenar datos, donde estos se guardan en más de un nodo o servidor. Este sistema permite una mayor flexibilidad, y un mejor rendimiento a la hora de manejar y acceder a los datos seleccionados, al mismo tiempo que incrementa la seguridad de la información.
Las principales características de este sistema de almacenamiento de datos son:
- Flexible y Escalable. El almacenamiento distribuido se adapta a las necesidades en cada momento, pudiendo incrementarse de forma rápida y sencilla la capacidad de almacenamiento siempre que las circunstancias lo demanden. Su capacidad de escalar horizontalmente permite crear un sistema de almacenamiento compartido formado por numerosos nodos.
- Seguro. La información y el acceso a la misma está asegurada al contar con múltiples servidores replicados, por lo que si se cae uno otro pasará de forma inmediata a ocupar su lugar, sin pérdida de datos y manteniendo el acceso a los mismos.
- Rápido y eficiente. Este tipo de almacenamiento permite una gestión ágil de la información con acceso rápido para consultas, cambios, subida de datos, etc. El almacenamiento distribuido puede lograr un gran rendimiento con unos bajos requisitos de hardware al sacar el máximo partido de todos los recursos de los servidores.
En qué se diferencia de los sistemas tradicionales (SAN & NAS)
Los sistemas distribuidos se diferencian de sistemas tradicionales de almacenamiento como SAN (red de área de almacenamiento) o NAS (almacenamiento conectado a red) que se basan principalmente en el hardware, en una definición de almacenamiento por software.
Con los sistemas SAN y NAS hay que realizar una inversión inicial en hardware mientras que en los sistemas de almacenamiento distribuido se utilizan los servidores, unidades y red estándar, minimizando el coste en infraestructura.
Los sistemas tradicionales de almacenamiento se pueden escalar hasta un límite (como por ejemplo, el número de discos que se pueden añadir a un NAS), mientras que en un sistema distribuido prácticamente carece de límites para expandir la capacidad (con un diseño cloud, se añaden nuevos nodos y el cluster aumenta).
Al contrario que los sistemas NAS y SAN, en un sistema de almacenamiento distribuido por software se garantiza que los datos se encuentran divididos y replicados, incrementando la integridad de la información y las opciones de recuperación ante cualquier problema.
Ventajas del almacenamiento distribuido
Los principales beneficios que aporta el almacenamiento distribuido son:
- Flexibilidad y escalabilidad. Este sistema de almacenamiento permite que un servidor estándar ejecute almacenamiento entre otro tipo de aplicaciones, pudiendo agregar más servidores para aumentar la capacidad de almacenamiento de forma lineal. Se trata de un sistema diseñado para tolerar fallas, donde cualquier incidente no es de emergencia, ya que puede ser solventado de forma automatizada.
- Mayor rendimiento. En sistema de almacenamiento distribuido cualquier servidor dispone de su propia CPU, memoria e interfaz de red, comportándose como un grupo. Cada vez que se añade un nuevo servidor el conjunto total de recursos aumenta, mejorando la velocidad y el rendimiento.
- Menor coste. Este tipo de sistemas une el almacenamiento con la computación incrementando el uso de los servidores, lo que repercute en una disminución de coste de los centros de datos en aspectos como la energía consumida, refrigeración o espacio necesario, entre otros.
- Ofrece tres tipos de almacenamiento distribuido. Se trata de un sistema unificado que ofrece almacenamiento por bloques, por ficheros y por objetos.
Tipos de almacenamiento distribuido
Existen distintos tipos de sistemas de almacenamiento distribuidos que permiten crear sistemas independientes y descentralizados. Algunos de los sistemas más utilizados son:
Sistema IPFS
Este sistema tiene como objetivo conectar todos los dispositivos en un único sistema de archivos distribuido basado en un protocolo peer-to-peer (p2p). De forma similar a como funciona BitTorrent permite que los usuarios realicen búsquedas en la red según el contenido de los datos (no por la ubicación de las mismas) y aparte actúen como hosts almacenando datos de terceros. Para ello utiliza tecnologías como HST y sistemas de gestión de versiones como Git.
Sistema RAID
Este sistema de almacenamiento utiliza múltiples unidades de discos duros en las cuales se distribuye y replica la información. Existen distintos tipos de sistemas Raid, como el Raid 0 para mejorar el rendimiento, el raid 1 o modo espejo para reflejar de forma idéntica los datos en distintos discos, o en Raid 10 que combina ambos tipos de Raid.
Sistema GlusterFS
Es un sistema de archivos para NAS que permite agregar varios servidores de archivos sobre una red Ethernet o un gran entorno de archivos de red en paralelo. GlusterFS se desarrolla bajo el sistema de licencia GNU por lo que es gratuito y puede utilizarse utilizando tanto servidores físicos como virtualizados.
CEPH: la solución de almacenamiento distribuido de software libre
Con Ceph se dispone de una tecnología de almacenamiento distribuido basado en software de código abierto que cada vez es más popular en una amplia variedad de sistemas de orquestación en la nube.
Implementar Ceph en los servidores es muy sencillo y ofrece una solución que funciona de manera eficiente para gestionar los datos de forma distribuida. A pesar de ser un proyecto relativamente joven se trata de una opción consolidada por lo que cuenta con gran soporte en la red como manuales e información diversa sobre su instalación y configuración.
Ceph se compone de diversos componentes que le dan funcionalidad como el OSD (object storage daemon), Monitor (para monitorizar el estado del cluster y todos los componentes), Servidor de metadatos (para reducir carga del cluster) y Managers (para manejar distintos aspectos como la utilización del espacio).
La administración de sistemas de almacenamiento distribuido con Ceph es una solución económica y eficiente que puede implementarse de forma sencilla.
VMware: otra alternativa de almacenamiento distribuido
VMware es una herramienta de virtualización que se ha convertido en un estándar a nivel global. Con VMware se pueden virtualizar sistemas operativos y crear arquitecturas de almacenamiento en centros de datos separando la gestión y distribución del almacenamiento del hardware físico. Con esta herramienta se ofrece una solución de almacenamiento flexible, automatizada y escalable que se adapte a las necesidades de las aplicaciones actuales.
Con VMware se puede crear un sistema de almacenamiento por software (SDS) donde las aplicaciones se distribuyen de forma dinámica, asignándose los recursos necesarios de capacidad y rendimiento. En VMware la máquina virtual y la aplicación se convierten en el centro de gestión y distribución del almacenamiento.
Con este sistema se pueden aumentar los recursos de almacenamiento sin interrupciones en el sistema. Además, se pueden crear servicios de almacenamiento específicos para cada aplicación.
El almacenamiento de datos ha ido evolucionando para adaptarse a las necesidades de las personas y las empresas. Estamos en un punto donde la gran demanda de almacenamiento requiere de un cambio en el enfoque tradicional con un sistema especializado e independiente de almacenamiento. El almacenamiento distribuido es la solución para conseguir que los sistemas funcionen de forma más rápida y eficiente, sin perder ningún archivo de información.
Este sistema de almacenamiento saca un mayor rendimiento de los recursos, disminuyendo los costes de almacenamiento e incrementando la seguridad y agilidad en la gestión y acceso a los datos.