Con l’aumento del numero di aziende con data center, milioni di dischi vengono distribuiti in funzione, generando terabyte di dati.
La crescita economica e la spesa per l’IT sono passate in secondo piano a causa della pandemia di COVID-19 in corso. Tuttavia, la domanda di archiviazione globale dei dati non solo è destinata a durare, ma promette una crescita costante nei prossimi anni. Secondo il rapporto Global Storage Sphere di IDC , la quantità di dati archiviati dovrebbe aumentare da 6,8 zettabyte (ZB) nel 2019 a 8,9 ZB entro il 2024, registrando un aumento del 30%. Si prevede che l’unità disco rigido (HDD) rimarrà il dispositivo di archiviazione dominante.
All’inizio del mese scorso, Google Cloud ha annunciato lo sviluppo di un sistema di machine learning predittivo in collaborazione con Seagate. Il sistema ML prevederà e identificherà potenziali danni all’HDD fornendo al contempo un senso di affidabilità ed efficienza ai numerosi data center che utilizzano l’archiviazione HDD che utilizzano HDD in tutto il mondo.
Perché è necessario?
In passato, una volta rilevato un problema sul disco, i dati dell’unità dovevano essere scaricati e isolati, dovevano essere eseguiti test diagnostici e il dispositivo doveva essere reintrodotto nel traffico. Pertanto, il problema doveva essere riparato utilizzando il software in loco stesso. Se non si riusciva a identificare i guasti al momento giusto, si rischiava di causare gravi interruzioni di prodotti e servizi.
Con l’aumento del numero di aziende con data center, milioni di dischi vengono distribuiti in funzione, generando terabyte (TB) di dati, inclusi miliardi di righe di SMART (tecnologia di automonitoraggio, analisi e reporting), dati e metadati host, e dati di produzione su ciascuna unità disco. È impossibile distribuire una forza lavoro per monitorare le centinaia di parametri e fattori su tutti gli HDD. Pertanto, era necessaria una soluzione basata sull’apprendimento automatico per eseguire l’attività in remoto. Google Cloud e Seagate hanno creato insieme un sistema di apprendimento automatico per prevedere lo stato di salute degli HDD nei data center. Inoltre, quando un HDD viene contrassegnato per la riparazione, il modello acquisisce i dati per prevedere anche futuri guasti.
L’archiviazione dei dati è importante
Con l’intelligenza artificiale che penetra rapidamente nei settori, le aziende si stanno ora concentrando su come migliorare i propri sistemi di intelligenza artificiale . Sfortunatamente, mentre si concentrano sul lato informatico dell’intelligenza artificiale, alcune aziende tendono a ignorare il lato dello storage. Questa singolare enfasi può, e spesso accade, provocare l’interruzione o il fallimento dei progetti di intelligenza artificiale.
Tutte le quattro fasi di qualsiasi progetto di intelligenza artificiale (ingestione, preparazione, addestramento e inferenze realizzate) hanno i loro requisiti di archiviazione. Pertanto, i progetti di intelligenza artificiale richiedono un’infrastruttura di storage ad alte prestazioni, scalabile e adattabile.
Un recente studio condotto da ricercatori provenienti da Inghilterra, Singapore, Svizzera, India e Stati Uniti mostra che gli ultra-HDD possono memorizzare dieci volte più dati quando i cappotti a base di carbonio (COC) vengono sostituiti con grafene.
Gli HDD hanno due parti principali: una testina magnetica e i piatti. La testa si muove sopra i piatti. Lo spazio tra la testa e i piatti è occupato principalmente da COC che proteggono i piatti da danni meccanici e corrosione. I ricercatori di Cambridge hanno sperimentato la registrazione magnetica assistita dal calore (HAMR), una tecnologia che consente una maggiore densità di archiviazione riscaldando lo strato di registrazione a temperature estremamente elevate. I COC non possono funzionare a queste temperature, ma il grafene sì. Quindi il grafene, insieme all’HAMR, può fornire una densità dieci volte maggiore.
Mentre gli HDD sono destinati a beneficiare del modello di analisi predittiva; Gli SSD daranno difficoltà agli HDD. Poiché gli SSD utilizzano circuiti elettrici anziché parti fisiche mobili, superano le prestazioni degli HDD, con conseguente tempi di avvio più rapidi e minori ritardi durante l’apertura di applicazioni o l’esecuzione di attività di elaborazione pesanti. Inoltre, la parte non mobile rende gli SSD meno soggetti a vibrazioni e problemi termici; consumano meno energia e quindi sono adatti per una maggiore durata della batteria. Si prevede che il valore di mercato degli HDD subirà un calo tra il 2019 e il 2024, mentre si prevede che il valore di mercato degli SSD raggiungerà gli 80,3 miliardi di dollari entro il 2026.
