Des performances jusqu'à 57 % plus rapides permettent d'obtenir plus rapidement des informations et de réduire les coûts de la recherche sur l'énergie souterraine.
Aujourd'hui, nous révélons que Cloud Native Qumulo (CNQ) sur Azure a nettement surpassé Azure Files V2 lors des tests effectués avec le logiciel Logiciel de subsurface Petrel en utilisant le Cegal Geophysics Benchmarking Workflow (en anglais). L'évaluation côte à côte, réalisée sur des environnements Azure de prix et de configuration similaires, a montré que CNQ fournissait jusqu'à des performances 57 % plus rapides qu'Azure Files V2.
Cegal est un partenaire de Qumulo et un leader dans les services de charge de travail et d'analyse de données pour le pétrole et le gaz. Ses normes d'analyse comparative sont reconnues dans l'industrie pour leur excellence et leur applicabilité à des cas d'utilisation réels. Les évaluations de données et les outils de Cegal aident les clients à comprendre et à optimiser leurs environnements d'applications informatiques et souterraines. Cela inclut l'identification des goulots d'étranglement dans les applications telles que Petrel.
"Nous avons connu un succès considérable dans la prise en charge des charges de travail à haute performance dans le secteur de l'énergie. Ces résultats soulignent l'avantage d'utiliser Qumulo pour accélérer les flux de travail critiques de la subsurface, en aidant les clients à réduire le temps d'obtention des résultats et à réduire les coûts. Nous remercions Cegal de s'être associé à nous pour montrer ce qu'il est possible de faire
- Premier vice-président chargé des produits Brandon Whitelaw
Lors des tests Petrel sur un seul poste de travail, CNQ a réalisé des charges de travail d'environ 30 % plus rapide que Azure Files V2, une option couramment utilisée pour ces scénarios. Lors des tests sur plusieurs postes de travail, l'écart s'est creusé de manière significative, CNQ exécutant 57 % plus rapide mettant en évidence sa capacité d'évolution supérieure dans des environnements à haut débit et multiclients. Ces conditions reflètent les exigences des principales sociétés d'exploration pétrolière et gazière, où les ensembles de données sismiques et les études géologiques doivent être consultés simultanément par des ingénieurs, des géologues et des scientifiques des données au sein d'équipes internationales. Tous les points de référence ont été répétés plusieurs fois, et CNQ s'est toujours montré à la hauteur des performances prévisibles et fiables à chaque passage.
Lors de l'évaluation comparative, ces charges de travail ont utilisé moins de deux pour cent des performances disponibles en termes d'IOPS et de débit. Cette performance s'est accélérée au point que les résultats sont devenus liés au processeur côté client, démontrant que CNQ améliore considérablement la performance des applications lorsque les clients augmentent le nombre de stations de travail accédant au stockage. Cela signifie que les clients obtiendront des performances encore meilleures s'ils disposent de plusieurs machines virtuelles (VM) très performantes pour leurs configurations Petrel. Ces tests ont été effectués sur un cluster L8sv3 à 3 nœuds (configuration de base) utilisant Cloud Native Qumulo sur Azure et une configuration à chaud polyvalente d'Azure Files V2 - les deux systèmes étant considérés comme des déploiements "prêts à l'emploi".
Le prix des deux configurations était d'environ 52 $/TB/mois pour 500 To de capacité utilisable (avant remise), ce qui est nettement inférieur aux autres systèmes de fichiers d'Azure, qui coûtent souvent entre 75 et 105 $/To/mois, même après remise. À l'échelle de plusieurs pétaoctets, les clients peuvent atteindre les niveaux suivants la même performance pour seulement 30 $/TB/mois utilisant Qumulo, en raison de l'architecture unique de Qumulo et des incitations disponibles.
Avec son la performance, l'évolutivité et la rentabilité, CNQ sur Azure est une plateforme idéale pour les entreprises du secteur de l'énergie et les équipes géoscientifiques qui utilisent Petrel et d'autres flux de travail à forte intensité de données, notamment en raison de l'augmentation de la concurrence et des volumes de données.