Information Lifecycle Management - Eine Methode zur Wertzuweisung von Dateien

Konventionelle IT-Architekturen betrieblicher Informationssysteme stoßen im Falle von organisatorischem Wandel in der Regel schnell an ihre Grenzen. Um strukturelle Analogien zwischen Unternehmensorganisationen und Informationssystemen zu entwickeln, wurden in den letzten Jahren unterschiedliche Ansätze verfolgt. Eine ganzheitliche Problemsicht ist jedoch erst dann gegeben, wenn auch die Speicherung gemäß den Anforderungen des Ge-schäftsprozesses Berücksichtigung in einer IT-Architektur findet. Unter den Stichworten „Tiered Storage“ und „Virtualisierung“ haben bereits zwei grundlegende Entwicklungen Einzug in die Speicherung gehalten. Information Lifecycle Management (ILM) ist ein darauf aufsetzendes Speicher Management-Konzept, welches die Vorteile dieser Trends ausnutzt und Informationen automatisch entsprechend ihres Wertes auf dem jeweils kostengünstigsten Speichermedium ablegt und langfristig sicher aufbewahrt. Laut einer Studie von Glasshouse denken 90% der befragten IT-Entscheider an einen Einsatz von ILM. Gleichzeitig betonen laut enginio 80% der dort befragten IT-Manager ihren Mangel an Zeit, sich mit neuen Konzepten ausreichend auseinanderzusetzen. Im Moment fehlt es noch an Erfahrungen mit ILM, um ILM beurteilen zu können. Insbesondere die Wertzuweisung ist ein offenes Thema, weil es an Methoden fehlt, die in der Lage sind, täglich mehrere tausend Dateien automatisch bewerten zu können. Die vorliegende Arbeit liefert einen umfassenden Beitrag zur Erforschung der Wertzuweisung von Dateien im Rahmen von ILM. In dieser Arbeit wird zunächst ein grundsätzliches Vorgehensmodell zu ILM entwickelt und im weiteren Verlauf strikt angewendet. Dazu wird die konkrete Ist-Situation eines Bereiches der Siemens AG erfasst und das mögliche Einsparungspotenzial identifiziert. Die Ergebnisse zeigen, dass fast 90% aller Dateien 90 Tage nach ihrer Erstellung keine Zugriffe mehr erfahren. In einem weiteren Schritt wird die Wertzuweisung von Dateien untersucht. Dabei offenbaren existierende Methoden insbesondere, dass sie nicht in der Lage sind, Prognosen über zukünftige Zugriffe zu erstellen. Ohne Prognosen werden Dateien anhand anderer Faktoren, wie z.B. Administratorenwissen bewertet. Dadurch ist die Bewertung erstens aufwendig und zweitens schwer automatisierbar. Deshalb wird eine Methode entwickelt, die erstmals Prognosen über die Wahrscheinlichkeit zukünftiger Zugriffe auf Dateien erstellt. Dazu werden verschiedene theoretische Verteilungsmodelle auf ihre Anwendbarkeit untersucht. Als Ergebnis stehen gemischt-gestutzte Weibull- und Gamma-Verteilungen, die ihre Signifikanz für 82% der untersuchten Dateien in statistischen Tests belegen. Um die Leistungsfähigkeit der entwickelten Methode untersuchen zu können, wird eine Simulationsumgebung implementiert und ein Dateienpool mit 70.000 Dateien der Siemens AG angelegt. Die Auswertungen zeigen, dass die hier vorgestellte Methode der Wahrscheinlichkeit zukünftiger Zugriffe sowohl auf Dateibasis als auch auf aggregierter Speicherhierarchiebasis die ILM-Prozeduren umsetzt. Anhand eines spezifischen Szenarios wird der Aspekt der Entscheidung über Migrationsregeln in seiner generellen Struktur vorgestellt und unterneh-mensspezifisch durchgeführt. Dabei setzt sich die Methode der Wahrscheinlichkeit zukünftiger Zugriffe hinsichtlich der Leistungsfähigkeit insbesondere gegen die weit verbreitete zeitbasierte Methode durch.

ILM is based on the idea that in an enterprise different information have different values. Valuable information is stored on systems with a high quality of service (QoS). The value changes over time and therefore migration of information is required to cheaper storage systems with a lower QoS. Automated migration makes ILM dynamic. Such automation requires storage systems to understand what files are important at what time so that right policies can be applied. In this point ILM nowadays lacks information valuation methods. This thesis looks at how the value of a file can be measured. Different from traditional methods using metadata leading to a classical decimal-value we show how the value can be derived using a probabilistic method. Here the value of a file is calculated from usage information and expressed as a “probability of further use”. This is a new method which allows valuation depending on the future importance of a file. Feasibility of the new method is verified by generating file migration rules for ILM.