Cisco Cisco UCS 6120XP 20-Port Fabric Interconnect White Paper

 

 

White Paper 

© 2010-2012 Cisco and/or its affiliates. All rights reserved. This document is Cisco Public Information. 

Page 1 of 13 

Data Warehouse Scalability with Cisco Unified Computing System 
and Oracle Real Application Cluster with EMC CLARiiON

®

 Storage 

Designing and scaling an Oracle data warehouse can now be accomplished efficiently, quickly, and in close 

alignment with evolving business needs through the features of the Cisco Unified Computing System™. These 

features include the capability to provision servers rapidly with Cisco Unified Computing System service profiles and 

to meet increasing resource demands with faster processors and a low-latency unified fabric. This document 

describes a data warehouse scalability study using Oracle Real Application Cluster (RAC), Cisco Unified Computing 

System, and EMC CLARiiON storage. Data warehouse solutions today face constant challenges related to 

performance and scalability while they strive to remain cost effective. This study demonstrates the near-linear 

scalability of the Cisco Unified Computing System as additional server and storage resources are added to an 

existing cluster. This highly cost-effective and scalable solution is based on: 

●

 

The ability to add computing resources incrementally, quickly, and as needed with the Cisco Unified 

Computing System; using a unified fabric, wire-once model, an additional blade server could be provisioned 

within minutes using service profiles that are managed by Cisco

®

 UCS Manager 

●

 

The modular design of EMC CLARiiON storage, with capacity that scales easily while maintaining I/O service 

levels for demanding data warehouse workloads 

This configuration enables users to scale compute and storage resources horizontally and vertically. 

The data warehouse is evolving in many of today’s business environments from a passisve reporting database 

servicing a few users to a mission-critical, real-time repository that must support many users entering random and 

complex queries that run for hours. Here are the hurdles that are frequently encountered in today’s data warehouse 

deployments: 

●

 

Multiple users run random and complex queries in parallel  

●

 

Continuous data growth is unavoidable. 

●

 

High availability is mandatory for mission-critical applications. 

●

 

Growth is difficult to anticipate, with data warehouses frequently growing unexpectedly as a result of their own 

deployment success. 

●

 

Hardware components need to be fully utilized to meet business objectives. 

●

 

Achieving a balance between interdependent components is crucial to scaling. 

These challenges can be grouped into three categories: 

●

 

Hardware overprovisioning: To help ensure that data warehouses can accommodate required resource 

demands now and in the future, organizations commonly deploy more infrastructure than needed, to handle 

the ever-increasing volumes of data, storage, and transactions. The result is often an oversized hardware 

configuration and significantly higher costs. 

●

 

Scalability: The capability to easily, efficiently, quickly, and cost-effectively scale a data warehouse is crucial 

for businesses that depend on database applications. Typically, scalability is achieved by adding units of 

computing power and achieving a commensurate improvement in capacity by adding disks. With traditional