Virtualización del almacenamiento

Una de las principales ventajas de abstraer el host o servidor del almacenamiento real es la capacidad de migrar datos manteniendo el acceso simultáneo de E/S.

El host solo conoce el disco lógico (la LUN mapeada) y, por lo tanto, cualquier cambio en el mapeo de metadatos es transparente para el host. Esto significa que los datos reales se pueden mover o replicar a otra ubicación física sin afectar el funcionamiento de ningún clieaa5c7597941c0c265ff85b 5b2644754c5cbfb8366f89 7ce5bc82f28656e82136nt. Cuando los datos se han copiado o movido, los metadatos se pueden actualizar simplemente para que apunten a la nueva ubicación, liberando así el almacenamiento físico en la ubicación anterior.

El proceso de trasladar la ubicación física se conoce como migración de datos . La mayoría de las implementaciones permiten que esto se realice de forma no disruptiva, es decir, simultáneamente mientras el host continúa realizando operaciones de entrada/salida en el disco lógico (o LUN).

La granularidad del mapeo determina la rapidez con la que se pueden actualizar los metadatos, la capacidad adicional necesaria durante la migración y la rapidez con la que se marca la ubicación anterior como libre. Cuanto menor sea la granularidad, más rápida será la actualización, menor será el espacio requerido y más rápido se podrá liberar el almacenamiento antiguo.

Existen muchas tareas cotidianas que un administrador de almacenamiento debe realizar y que pueden llevarse a cabo de forma sencilla y simultánea utilizando técnicas de migración de datos.

• Transferir datos desde un dispositivo de almacenamiento sobrecargado.
• Transferir datos a un dispositivo de almacenamiento más rápido según sea necesario.
• Implementación de una política de gestión del ciclo de vida de la información
• Migración de datos desde dispositivos de almacenamiento antiguos (ya sean desechados o cuyo contrato de arrendamiento haya finalizado).

La utilización puede incrementarse gracias a los servicios de agrupación, migración y aprovisionamiento ligero. Esto permite a los usuarios evitar la compra y el aprovisionamiento excesivos de soluciones de almacenamiento. En otras palabras, este tipo de utilización a través de un grupo de almacenamiento compartido se puede asignar de forma fácil y rápida según sea necesario para evitar las limitaciones de capacidad de almacenamiento que a menudo dificultan el rendimiento de las aplicaciones. ^{[ 5 ]}

Cuando se agrupa toda la capacidad de almacenamiento disponible, los administradores de sistemas ya no tienen que buscar discos con espacio libre para asignar a un host o servidor específico. Simplemente se puede asignar un nuevo disco lógico del grupo disponible, o bien se puede ampliar un disco existente.

La agrupación de recursos también implica que se puede utilizar toda la capacidad de almacenamiento disponible. En un entorno tradicional, se asignaría un disco completo a un host. Esto podría ser mayor de lo necesario, desperdiciando espacio. En un entorno virtual, al disco lógico (LUN) se le asigna la capacidad requerida por el host que lo utiliza.

El almacenamiento se puede asignar donde se necesite en cada momento, lo que reduce la necesidad de adivinar cuánto necesitará un host determinado en el futuro. Mediante el aprovisionamiento ligero (Thin Provisioning ), el administrador puede crear un disco lógico de aprovisionamiento ligero muy grande, de modo que el sistema usuario cree que dispone de un disco de gran capacidad desde el primer día.

Gracias a la virtualización del almacenamiento, varios dispositivos de almacenamiento independientes, aunque estén dispersos en una red, parecen ser un único dispositivo de almacenamiento monolítico y pueden gestionarse de forma centralizada.

Sin embargo, sigue siendo necesaria la gestión tradicional del controlador de almacenamiento. Es decir, la creación y el mantenimiento de matrices RAID , incluida la gestión de errores y fallos .

Una vez establecida la capa de abstracción , solo el virtualizador sabe dónde residen realmente los datos en el medio físico. Por lo tanto, para salir de un entorno de almacenamiento virtual es necesario reconstruir los discos lógicos como discos contiguos que puedan utilizarse de forma tradicional.

La mayoría de las implementaciones ofrecen algún tipo de procedimiento de reversión, y con los servicios de migración de datos esto es al menos posible, aunque requiere mucho tiempo.

La interoperabilidad es un factor clave para cualquier software o dispositivo de virtualización. Se aplica a los controladores de almacenamiento físico y a los hosts, sus sistemas operativos, el software de rutas múltiples y el hardware de conectividad.

Los requisitos de interoperabilidad varían según la implementación elegida. Por ejemplo, la virtualización implementada dentro de un controlador de almacenamiento no añade ninguna sobrecarga a la interoperabilidad basada en el host, pero requerirá soporte adicional para otros controladores de almacenamiento si se van a virtualizar con el mismo software.

La virtualización basada en conmutadores puede no requerir una interoperabilidad específica del host, si utiliza técnicas de descifrado de paquetes para redirigir la E/S.

Los dispositivos basados ​​en red tienen los requisitos de interoperabilidad más exigentes, ya que deben ser compatibles con todos los dispositivos, sistemas de almacenamiento y servidores.

La complejidad afecta a varias áreas  :

• Gestión del entorno: Si bien una infraestructura de almacenamiento virtual se beneficia de un único punto de gestión del disco lógico y del servicio de replicación, el almacenamiento físico aún debe gestionarse. La detección de problemas y el aislamiento de fallos también pueden volverse complejos debido a la capa de abstracción.
• Diseño de infraestructuras: Es posible que la ética del diseño tradicional ya no sea aplicable, ya que la virtualización aporta una amplia gama de nuevas ideas y conceptos para reflexionar (como se detalla aquí).
• El software o dispositivo en sí: algunas implementaciones son más complejas de diseñar y codificar , especialmente las basadas en red, en particular los diseños en banda (simétricos); estas implementaciones manejan las solicitudes de E/S, por lo que la latencia se convierte en un problema. 

La información es uno de los activos más valiosos en el entorno empresarial actual. Una vez virtualizada, los metadatos actúan como el nexo de unión. Si se pierden los metadatos, también se pierden todos los datos reales, ya que sería prácticamente imposible reconstruir las unidades lógicas sin la información de mapeo.

Cualquier implementación debe garantizar su protección mediante niveles adecuados de copias de seguridad y réplicas. Es fundamental poder reconstruir los metadatos en caso de un fallo catastrófico.

La gestión de metadatos también tiene implicaciones en el rendimiento. Cualquier software o dispositivo de virtualización debe ser capaz de mantener todas las copias de los metadatos atómicas y actualizables rápidamente. Algunas implementaciones restringen la capacidad de proporcionar ciertas funciones de actualización rápida, como copias puntuales y almacenamiento en caché, donde se requieren actualizaciones ultrarrápidas para garantizar una latencia mínima en las operaciones de entrada/salida reales.

En algunas implementaciones, el rendimiento del almacenamiento físico puede mejorarse, principalmente gracias al almacenamiento en caché. Sin embargo, este requiere visibilidad de los datos contenidos en la solicitud de E/S, por lo que se limita a software y dispositivos de virtualización simétrica y en banda. Estas implementaciones también influyen directamente en la latencia de una solicitud de E/S (fallo de caché), ya que la E/S debe pasar por el software o el dispositivo. Si el software o el dispositivo están diseñados de forma eficiente, este impacto debería ser mínimo en comparación con la latencia asociada a los accesos al disco físico.

Debido a la naturaleza de la virtualización, la asignación de lógica a física requiere cierta capacidad de procesamiento y tablas de búsqueda. Por lo tanto, cada implementación añadirá una pequeña cantidad de latencia.

Además de considerar el tiempo de respuesta, es necesario tener en cuenta el rendimiento. El ancho de banda de entrada y salida del software de búsqueda de metadatos influye directamente en el ancho de banda disponible del sistema. En implementaciones asimétricas, donde la búsqueda de metadatos se realiza antes de leer o escribir la información, el ancho de banda no representa un problema tan importante, ya que los metadatos constituyen una fracción mínima del tamaño real de la E/S. Los diseños de flujo directo simétricos en banda están directamente limitados por su capacidad de procesamiento y ancho de banda de conectividad.

La mayoría de las implementaciones ofrecen algún tipo de modelo de escalabilidad horizontal, donde la inclusión de instancias de software o dispositivos adicionales proporciona mayor escalabilidad y, potencialmente, mayor ancho de banda. Las características de rendimiento y escalabilidad dependen directamente de la implementación elegida.

La virtualización basada en el host requiere software adicional que se ejecuta en el host como una tarea o proceso privilegiado. En algunos casos, la gestión de volúmenes está integrada en el sistema operativo , y en otros, se ofrece como un producto independiente. Los volúmenes (LUN) que se presentan al sistema host son gestionados por un controlador de dispositivo físico tradicional . Sin embargo, una capa de software (el gestor de volúmenes) que se sitúa por encima del controlador de dispositivo de disco intercepta las solicitudes de E/S y proporciona la búsqueda de metadatos y la asignación de E/S.

La mayoría de los sistemas operativos modernos incorporan algún tipo de gestión de volúmenes lógicos (en Linux, denominada Gestor de Volúmenes Lógicos o LVM; en Solaris y FreeBSD , la capa zpool de ZFS ; en Windows, denominada Gestor de Discos Lógicos o LDM), que realiza tareas de virtualización.

Nota: Los gestores de volúmenes basados ​​en el host se utilizaban mucho antes de que se acuñara el término virtualización de almacenamiento .

• Tecnologías:
  • Gestión lógica de volúmenes
  • Sistemas de archivos , por ejemplo, ( enlaces duros , SMB / NFS )
  • Montaje automático, por ejemplo, ( autofs )

Al igual que la virtualización basada en el host, varias categorías han existido durante años y solo recientemente se han clasificado como virtualización. Los dispositivos de almacenamiento de datos simples, como los discos duros individuales , no ofrecen virtualización. Sin embargo, incluso las matrices de discos más simples proporcionan una abstracción de lo lógico a lo físico, ya que utilizan esquemas RAID para unir varios discos en una sola matriz (y posiblemente dividirla posteriormente en volúmenes más pequeños).

Los sistemas de almacenamiento en disco avanzados suelen incluir funciones de clonación, instantáneas y replicación remota. Por lo general, estos dispositivos no ofrecen las ventajas de la migración o replicación de datos en almacenamiento heterogéneo, ya que cada fabricante tiende a utilizar sus propios protocolos propietarios.

Una nueva generación de controladores de matrices de discos permite la conexión descendente de otros dispositivos de almacenamiento. Para los fines de este artículo, solo analizaremos el último tipo, que virtualiza dichos dispositivos.

La virtualización de almacenamiento se realiza en un dispositivo basado en red (normalmente un servidor estándar o un conmutador inteligente) y utiliza redes iSCSI o Fibre Channel para conectarse como una SAN . Este tipo de dispositivos son la forma de virtualización más común y disponible.

El dispositivo de virtualización se ubica en la SAN y proporciona la capa de abstracción entre los hosts que realizan las operaciones de entrada/salida y los controladores de almacenamiento que proporcionan la capacidad de almacenamiento.

Los dispositivos de virtualización en banda , también conocidos como simétricos , se ubican en la ruta de datos entre el host y el almacenamiento. Todas las solicitudes de E/S y sus datos pasan a través del dispositivo. Los hosts realizan operaciones de E/S en el dispositivo de virtualización y nunca interactúan con el dispositivo de almacenamiento real. A su vez, el dispositivo de virtualización realiza operaciones de E/S en el dispositivo de almacenamiento. El almacenamiento en caché de datos, las estadísticas sobre el uso de datos, los servicios de replicación, la migración de datos y el aprovisionamiento ligero se implementan fácilmente en un dispositivo en banda.

Los dispositivos de virtualización fuera de banda , también conocidos como asimétricos , a veces se denominan servidores de metadatos . Estos dispositivos solo realizan las funciones de mapeo de metadatos. Esto requiere software adicional en el host que primero debe solicitar la ubicación de los datos reales. Por lo tanto, una solicitud de E/S del host se intercepta antes de que salga de él, se solicita una búsqueda de metadatos al servidor de metadatos (esto puede hacerse a través de una interfaz distinta a la SAN) que devuelve la ubicación física de los datos al host. La información se recupera entonces mediante una solicitud de E/S real al almacenamiento. No es posible el almacenamiento en caché, ya que los datos nunca pasan por el dispositivo.

El disco virtual se implementa como una colección de archivos planos, generalmente de 2 GB cada uno, denominados colectivamente archivo plano dividido , o como un único archivo plano monolítico de gran tamaño . El esquema de almacenamiento preasignado también se conoce como esquema de aprovisionamiento grueso ^{[ 6 ]} .

El disco virtual puede implementarse nuevamente mediante archivos divididos o monolíticos, con la salvedad de que el almacenamiento se asigna bajo demanda. Varias implementaciones de Virtual Machine Monitor inicializan el almacenamiento con ceros antes de proporcionarlo a la máquina virtual en funcionamiento. El esquema de almacenamiento de crecimiento dinámico también se conoce como esquema de aprovisionamiento ligero ^{[ 6 ]} .