Pure Storage: data hub alimenta app cloud, analytics e AI

Pure Storage: data hub alimenta app cloud-based, analytics e AI

Progettata partendo da Pure Storage FlashBlade, questa Data Hub è stata ideata per essere un’architettura data-centrica, in grado di utilizzare efficacemente i dati. Pure Storage presenta Data Hub, la propria visione per rinnovare l’architettura storage per i workload non strutturati e data-intensive. Un’architettura data hub è invece progettata per fornire, condividere e unificare i dati, offrendo la possibilità di accedere ad un valore senza precedenti.

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.

Matt Burr, GM di FlashBlade, Pure Storage
I silos di dati sono un punto di debolezza in ogni settore. Le aziende hanno bisogno di estrarre valore dai dati anche quando questo valore è nascosto, il che è impossibile senza una visione d'insieme, abbiamo creato un sistema di storage data-centrico che soddisfa i requisiti applicativi attuali e futuri con una moderna piattaforma progettata per lavorare per conto dei clienti.

Pure Storage: data hub alimenta app cloud, analytics e AI

Oggi le aziende si affidano a quattro 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. Un data hub deve avere quattro caratteristiche principali:

-Throughput elevato sia per object storage che per archiviazione di file. I dispositivi di backup e data warehouse richiedono un throughput elevato per workload comuni e basati su file, e per applicazioni cloud-native e object-based.
-Architettura scale-out. La caratteristica primaria del data lake è la sua architettura scale-out nativa, che consente di scalare senza limiti i lavori batch, in quanto è il software, non l'utente, a gestire la resilienza e le prestazioni.
-Prestazioni multidimensionali. I dati non sono prevedibili e possono arrivare a qualsiasi velocità, pertanto le aziende necessitano di una piattaforma in grado di processare qualsiasi tipo di dato e con qualsiasi modello di accesso.
-Elaborazione in parallelo. Nell'industria informatica c'è stato un profondo cambiamento dalle tecnologie seriali alle tecnologie parallele, costruite per imitare il cervello umano, e lo storage deve omologarsi.

ElementAI, azienda all’avanguardia per lo sviluppo di prodotti innovativi di AI scalabili a livello enterprise, ha rilevato la necessità di un cambiamento fondamentale nelle architetture storage focalizzate sulla condivisione e la circolazione dei dati piuttosto che sulla sola archiviazione.

Jean-Francois Gagne, Founder e CEO di ElementAI
Per tenere il passo con l'innovazione, le imprese devono avviare iniziative di Modern Analytics e di Intelligenza Artificiale, anche se spesso queste vengono rallentate da silos di dati legacy, in particolare dai data lake". Per realizzare modelli e soluzioni più efficaci, i dati devono essere unificati e condivisi, non semplicemente memorizzati. Data hub rappresenta la visione di una nuova architettura storage progettata per questa evoluzione, al fine di alimentare la prossima generazione di soluzioni basate sull’Intelligenza Artificiale.