前沿拷贝数据管理厂商方案概览

简介:

拷贝管理系统在过去几年中经历高速增长,对所谓的二级存储进行适当的管理能够带来诸多明显的好处。拷贝数据相关的存储产品让IT部门能够整合多个非核心数据平台,从而节省存储,提升效率。

这里,我们来对比下市场上领先的拷贝数据管理供应商的产品。这些供应商包括Actifio、Catalogic Software、Cohesity、Commvault Systems 、Delphix以及Rubrik。除Delphix专注于数据库的拷贝数据管理外,其他厂商的产品可以面向通用的应用负载。

我们来看下业内领先的拷贝数据管理系统供应商的产品功能,每项功能如何在实际业务场景中解决问题,以及某些平台出众的特点。

数据获取

大多数领先的产品都具备自动获取数据的能力。在所调查的六家拷贝数据管理供应商之中,仅有Catalogic需要从生产平台上倒入数据。但另一方面,Catalogic却可以跨一系列传统存储产品,包括EMC、IBM和Pure Storage,进行数据管理。

多位置管理(N-Place Management)意味着Catalogic可以集成应用程序,便捷地协调快照和克隆管理,确保数据一致性。对于希望改善存储效率而不想额外部署存储硬件的IT部门或许会发现,Catalogic对于那些支持额外存储设备的方案更具吸引力。

物理与虚拟资源

在所有的平台上,我们都可以看到其支持从物理和虚拟平台上获取数据源。Rubrik、Cohesity、Commvault和Actifio专注于通过API跟踪数据块的变更(例如VMware vSphere)获取数据,从而可以在最初创建虚拟机(VM)时进行一次全备份,并在后续增量记录数据块的更改。Rubrik近期宣布支持Microsoft Hyper-V和Nutanix Acropolis Hypervisor。

Catalogic、Rubrik、Actifio、Commvault和Cohesity都支持来自传统平台(如Oracle、Microsoft Exchange和SAP HANA)的本机备份。这种情况下,数据取自现有工具,例如Oracle Recovery Manager或Microsoft Volume Shadow Copy Service,从而创建应用程序一致的备份副本。

交付形式

Actifio、Cohesity和Rubrik以物理设备的形式存储二级数据。这些产品采用横向扩展文件系统(如Rubrik和Cohesity)或横向扩展的对象存储(例如Actifio)保留备份和数据副本。而Commvault则可以利用现有的存储资源将数据存储在虚拟的存储库中。上述这些场景中,方案中所存储的数据都会举行重复数据删除操作,从而减少消耗的物理存储量。

所有的供应商都支持部署在虚拟设备上。这意味着他们的产品可以作为虚拟机部署,整合到现有的虚拟服务器集群中。Cohesity和Rubrik将虚拟机部署方式定位为满足远程办公计算所需。远程办公室中的虚拟设备可以将数据复制到核心数据中心的物理设备上,提供了场外保护。

公有云支持

今天,我们开始看到拷贝数据管理软件在公有云端的部署,这进而扩展了其虚拟化部署的能力。Rubrik、Cohesity和Actifio提供直接支持公有云的软件,而Actifio则拥有最广泛的云服务提供商的支持。

早期对公有云的支持只是将云存储用于备份或镜像数据的储存。这为归档长期不活跃的数据带来了好处,并减少了购置其他设备的需要,但是这些数据在访问时需要通过本地设备进行恢复。

现在,拷贝数据管理供应商支持云端虚拟实例的管理,并且在需要时可以将数据从现场直接迁移到云端。这给应用程序数据提供了一定程度的可移植性,可用作为将工作负载暂时或永久性迁移到云端的工具。

使用场景:领先的拷贝管理供应商大比拼

拷贝数据的用途广泛,通常可以分为以下几个大类:

数据保护。拷贝管理系统为整个虚拟机或应用程序数据提供了备份和恢复功能。

所有领先的拷贝数据管理供应商都支持增量备份和同步镜像恢复。此外,这些供应商还提供了虚拟机内部的文件系统恢复,以及保证应用一致性的应用数据恢复。

对于基于设备的方案(如Rubrik、Cohesity和Actifio),即时恢复时的拷贝数据管理平台能够充当虚拟机管理程序的数据存储,从而即时从备份中启动虚拟机镜像。数据可以从镜像中直接恢复,亦可以将整个镜像迁移回到生产存储。Commvault产品还提供即时虚拟机的恢复。

培育测试环境。上述所有产品都能以各种方式培育测试和开发环境。

正如上文中所提到的,Commvault等基于设备的方案支持即时虚拟机恢复。Actifio和Delphix还可以提供数据掩码来隐藏生产数据内的信息,从而自动对生产端的数据进行更新,并删除可能是机密的信息,如出生日期或社会保障账号。

Actifio还提供额外的一些功能,集成自助式服务工具(如Ansible、Chef、Puppet和SaltStack)可以实现高度的自动化。Rubrik和Cohesity都提供API,让其平台经由脚本环境(如Microsoft PowerShell)驱动。

远程站点与分支机构。在许多偏远环境中,部署物理设备的代价高昂,不切实际;运行虚拟实例则显得更为适合。但又不能在同一平台上同步运行主数据和备份数据,所以Rubrik和Cohesity都支持将数据从边缘设备复制到数据中心。Actifio还支持在主灾难恢复位置的设备间交叉复制数据。

分析。所有领先的拷贝管理产品都提供某种形式的数据分析功能,让用户查看数据库和虚拟机上的内容,从而提供应用程序增长或其它参数(如虚拟机平均占用容量)等详细信息。其还可以让用户查看具体的文件数据,满足电子发现、合规或威胁分析等方面的要求。

附加功能

每个平台都包含有将二级存储整合,进行统一管理的功能。

例如Cohesity DataPlatform支持使用NFS version 3、SMB 3和SMB 2.x协议,横向扩展文件系统,这使得IT部门有机会淘汰专用的文件服务器或文件管理器。

Cohesity支持使用Amazon Web Services、Azure和Google进行数据归档、分层或公有云复制,实现数据保护,优化成本。DataPlatform的分析功能亦可以扩展到文件数据,就像供应商宣传的那样,像使用Google浏览器那样轻松检索内容。在最新版本中,DataPlatform还通过Amazon Simple Storage Service API支持对象存储。

Actifio通过所谓的大数据指向器(Big Data Director)功能,为包括Dell EMC Isilon和NetApp Fabric-Attached Storage在内的传统NAS文件管理器提供备份功能。这样可以减少部署第二组NAS硬件,直接从Actifio设备读取文件镜像。

Catalogic软件是首家支持在存储阵列内部运行的软件企业。其最近宣布与Pure Storage合作,使Catalogives代码运行在FlashArray // X设备之中,以便在保持应用程序一致性的同时管理快照过程。

通过整个市场的各种方案,IT部门如今能够随时随地部署应用程序,无论在内部、边缘还是云端。诸如Cohesity和Rubrik等平台在虚拟服务器环境中变得更加强大,而Actifio和Catalogic似乎目前对本机内的应用程序有更好支持。通过简单地协调基于阵列的快照,并协调应用程序的一致性,Catalogic可以减少部署存储数据所需的专用硬件。Delphix专注于数据库。Cohesity则是唯一天生支持横向扩展文件和对象存储的产品。

伴随着拷贝数据管理市场的日趋成熟,我们看到供应商的产品在功能上越来越接近。不论作出何种选择,首要任务是部署合适的平台,因为迄今为止,我们尚未看到有跨厂商的迁移技术。这或许会在拷贝数据管理供应商开始彼此竞争,而非专注于取代传统备份技术时才会出现。
本文转自d1net(转载)

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
|
存储 边缘计算 数据管理
Docker 存储驱动解析:选择最适合你的存储方案,优化容器化部署性能和数据管理
Docker 存储驱动解析:选择最适合你的存储方案,优化容器化部署性能和数据管理
511 0
|
8月前
|
存储 安全 数据安全/隐私保护
4S店、分公司远程访问总部DMS系统,贝锐花生壳提供高性价比方案
在汽车销售与服务行业,DMS(经销商管理系统)是日常运营的重要工具,涵盖销售、库存、售后等模块。传统远程访问方案如专线或VPN成本高且复杂,而贝锐花生壳内网穿透提供了一种高效、安全、低成本的替代方案。无需公网IP和复杂配置,只需三步即可实现DMS系统的远程访问,并支持加密传输和精细访问控制,确保数据安全。
180 16
|
8月前
|
存储 人工智能 运维
内附源码|头部基模企业信赖之选——DMS+Lindorm智能搜索方案
内附源码|头部基模企业信赖之选——DMS+Lindorm智能搜索方案
139 2
|
10月前
|
存储 人工智能 运维
内附源码|头部基模企业信赖之选——DMS+Lindorm智能搜索方案
本文为数据库「拥抱Data+AI」系列连载第6篇,针对企业构建智能搜索服务的痛点,介绍如何利用阿里云Data+AI解决方案构建一站式AI搜索服务,深入分析了DMS+Lindorm的智能搜索解决方案。
|
9月前
|
存储 人工智能 数据管理
云端问道17期方案教学-AI场景下的对象存储OSS数据管理实践
本文介绍了AI场景下的对象存储OSS数据管理实践,由阿里云技术专家明锦分享。主要内容分为两部分:1) AI场景下对象存储实践方案,包括对象存储的应用、优势及在模型推理中的优化;2) OSS常用工具介绍,如OSSFS、Python SDK、Go SDK等,并详细说明了这些工具的特点和使用场景。文中还探讨了不同模式下的性能优化,以及即将推出的OS Connector for AI/ML工具,旨在提升数据下载速度和IO性能。
193 0
|
数据采集 供应链 Oracle
「数据架构」:主数据管理 (MDM)概览和为什么选择主数据管理
「数据架构」:主数据管理 (MDM)概览和为什么选择主数据管理
|
20天前
|
数据采集 存储 安全
数据治理≠数据管理!90%的企业都搞错了重点!
在数字化转型中,数据不一致、质量差、安全隐患等问题困扰企业。许多组织跳过基础的数据管理,直接进行数据治理,导致方案难以落地。数据管理涵盖数据生命周期中的采集、存储、处理等关键环节,决定了数据是否可用、可靠。本文详解数据管理的四大核心模块——数据质量、元数据、主数据与数据安全,并提供构建数据管理体系的四个阶段:评估现状、确定优先级、建立基础能力与持续改进,助力企业夯实数据基础,推动治理落地。

热门文章

最新文章