ذخیره سازی محاسباتی یک معماری طراحی فناوری اطلاعات است که در آن، داده‌ها در سطح ذخیره سازی پردازش می‌شوند.

رفت و آمد منظم و روزانه به دلایلی همچون زمان از دست رفته، هزینه‌های بالا، تاخیر‌های غیرمنتظره و ... به عنوان بدترین بخش زندگی روزمره مردم در سراسر دنیا شناخته می‌شود، اما در مقابل یکی از ویژگی‌ها و محرک‌های بزرگ برای سیاست‌های کار در خانه (دورکاری) است.

رایانه‌ها نیز همینطور هستند. ذخیره سازی محاسباتی بخشی از یک روند نوظهور برای ایجاد دیتاسنترها، سرور‌های سریع، دستگاه‌های اینترنت اشیاء، خودرو‌ها و سایر چیز‌هایی که به صورت دیجیتالی پیشرفته‌تر شده اند، هستند و با جابجایی کمتر داده ها، سازنده‌تر و کارآمدتر خواهند بود.

ذخیره سازی محاسباتی به چه معنا است؟

ذخیره سازی محاسباتی یک معماری طراحی فناوری اطلاعات است که در آن داده‌ها در سطح ذخیره سازی پردازش می‌شوند. ذخیره سازی محاسباتی امکان ادغام منابع محاسباتی و ذخیره سازی را برای کارایی و عملکرد مکمل، فراهم می‌کند. کارشناسان، ذخیره‌سازی محاسباتی را اینگونه توضیح می‌دهند: "از آنجایی که یک دستگاه از کنترل‌کننده‌ها و حافظه اضافی برای پردازش داده‌ها در صفحه ذخیره‌سازی استفاده می‌کند، لازم نیست داده‌ها بین صفحات ذخیره‌سازی و محاسباتی به عقب و جلو بروند یا برای تجزیه و تحلیل بین مکان‌های مختلف جابجا شوند. این منجر به عملکرد بیشتر در زمان حال می‌شود و بنابراین ذخیره سازی محاسباتی یکی از بلوک‌های سازنده کارایی در عصر فضای ابری است. "

ذخیره سازی محاسبات

در فضای ذخیره‌سازی محاسباتی یک سیستم محاسباتی کامل، با پردازنده‌های برنامه، DRAM، I/O، حافظه اختصاصی و نرم‌افزار سیستمی، تکمیل شده و در محدوده یک SSD فشرده می‌شود تا وظایف تکراری، مقدماتی و یا داده‌های فشرده را به صورت محلی مدیریت کند.

گردش غیر ضروری داده‌ها برای محیط زیست نیز خوب نیست. یک مطالعه با حمایت گوگل در سال ۲۰۱۸، نشان داد که ۶۲.۷ درصد از انرژی محاسباتی با جابجایی داده‌ها بین حافظه، هارد و پردازنده مصرف می‌شود. بنابراین، ذخیره سازی محاسباتی می‌تواند انتشار گاز‌های گلخانه‌ای را کاهش دهد و عملکرد سیستم را بهبود بخشد.

مشکل دیگری که وجود دارد ظرفیت ظاهری است. حجم کار ابر‌ها و ترافیک اینترنت در دهه گذشته به ترتیب ۱۰ برابر و ۱۶ برابر افزایش یافته است. اما متأسفانه سرورها، فضای رک و بودجه عملیاتی به آن اندازه رشد نکرده اند.

به عنوان مثال، آمستردام و برخی شهر‌ها محدودیت‌های سختی را در اندازه مراکز داده اعمال کرده‌اند که ارائه‌دهندگان ابری و مشتریان را مجبور کنند تا دریابند که چگونه می‌توانند کار‌های بیشتری را در همان فضا انجام دهند.

ذخیره سازی محاسباتی جدید

مزایا و معایب ذخیره‌سازی محاسباتی

مهمترین مزیت ذخیره‌سازی محاسباتی افزایش کارایی است. این مدل برای برنامه‌هایی که با داده‌های زیادی سر وکار دارند مثلاً پردازش یک فایل بزرگ، بهترین ساختار پردازشی را ارائه می‌کند. همچنین برنامه‌هایی که به تاخیر کمی نیاز دارند نیز می‌توانند از مزایای این روش بهره‌مند شوند. طراحی مناسب این سیستم‌ها می‌توانند موجب صرفه جویی در مصرف انرژی نیز شود. اما در مقابل پیچیدگی معماری و نیاز به API‌ها یا میزبان‌هایی که متناسب با این مدل پردازشی باشند مثل افزودن CPU‌های بیشتر به سرور‌های ذخیره‌سازی، می‌تواند از معایب این روش باشد.

توسعه ذخیره سازی محاسباتی

اما اگر ذخیره سازی محاسباتی تا این حد سودمند است، چگونه تاکنون فراگیر نشده است؟ دلیل آن این است که ترکیبی از پیشرفت‌ها، از سخت‌افزار گرفته تا نرم‌افزار و استاندارد‌ها باید با هم جمع شوند تا زیرساخت استفاده از آن آماده شود.

نوآوری‌های دیگری که در حوزه ذخیره سازی محاسباتی باید منتظر آن بود، شتاب بیشتر یادگیری ماشین و تراشه‌های تخصصی، اتصالات سریع تر، امنیت افزایش یافته تراشه ها، نرم‌افزار بهتر برای تجزیه و تحلیل داده‌ها در زمان واقعی و ابزار‌هایی برای ادغام داده‌ها از شبکه‌های توزیع شده است.

ذخیره سازی محاسباتی

همچنین با گذشت زمان، می‌توانیم شاهد ظهور قابلیت‌ های محاسباتی باشیم که به هارد دیسک‌های چرخان سنتی اضافه خواهند شد.

استفاده جهانی از دستگاه‌های سیار در حوزه‌های مختلف، به خصوص بهداشت و درمان و آموزش و پرورش، تحولی شگرف در سرعت تولید داده‌ها ایجاد کرده است. با این حال، با حجم زیاد داده‌ها نیاز به افزایش ظرفیت ذخیره سازی و کاهش محدودیت‌های باتری در دستگاه‌های سیار، بیش از پیش احساس می‌شود. محاسبات ابری سیار با هدف افزایش ظرفیت ذخیره سازی سیار، از منابع ابر برای ارائه قابلیت ذخیره سازی نامحدود استفاده می‌کند.


بیشتر بخوانید


گزارش از سید حسین موسوی

اخبار پیشنهادی
تبادل نظر
آدرس ایمیل خود را با فرمت مناسب وارد نمایید.
آخرین اخبار