¿Cómo los grandes centros de datos, como los utilizados para el almacenamiento en la nube y los motores de búsqueda, distribuyen datos relacionados entre servidores y evitan la pérdida de datos?

Se trata del software que impulsa estos sistemas. El software en la nube, ya sea que esté ejecutando un trabajo analítico o colocando un archivo en el almacenamiento, está diseñado para asumir que algunos de los procesos que está ejecutando o el hardware en el que se está ejecutando fallarán. La razón por la que los servicios en la nube son baratos es que se ejecutan en hardware ‘básico’ en lugar del hardware empresarial tradicional ‘a prueba de bombas’.

El hardware básico es (relativamente) barato, pero se espera que finalmente falle, por lo que en los sistemas en la nube, el software es responsable de proporcionar resistencia. Normalmente, el enfoque es utilizar la replicación para evitar la pérdida de datos. Por ejemplo, el sistema de almacenamiento Swift Object de OpenStack mantendrá tres réplicas de cualquier objeto (archivo de pensamiento, video, imagen, etc.) y ejecutará controles para asegurarse de que los tres estén presentes y sean equivalentes. Si hay un problema, el software puede replicar un archivo para reemplazar un archivo dañado o faltante. Otro popular sistema de almacenamiento de código abierto, Ceph, utiliza un proceso de almacenamiento diferente y mantiene dos copias de cualquier cosa almacenada.