TidalScale представляет собой гипервизор, работающий по принципу горизонтального масштабирования, в отличие от традиционных решений, которые делят один физический сервер на несколько виртуальных машин. Эта система позволяет объединять несколько физических узлов в единый программно определяемый сервер или группу серверов, делая процесс консолидации прозрачным для гостевых систем и приложений. Основной упор разработчик делает на масштабирование объема оперативной памяти, а не вычислительных ресурсов. В текущей версии в один пул можно объединить до восьми четырехсокетных узлов, каждый из которых может содержать до 128 физических ядер и до 3 Тбайт оперативной памяти. Для виртуальной машины можно выделить до 254 виртуальных ядер (vCPU) и до 16 Тбайт RAM, а в будущих релизах планируется поддержка конфигураций с 1024 vCPU и 64 Тбайт памяти. По умолчанию вендор рекомендует выделять не более 64 vCPU на инстанс и использовать не более 70% от общего объема памяти пула, однако эти лимиты можно увеличить до 90% при необходимости.
Система управляется сервером WaveRunner, который предоставляет веб-интерфейс и RESTful API для объединения физических хостов в пул TidalPool. Хосты должны быть примерно одинаковыми по характеристикам CPU и RAM, минимальные требования включают процессоры Intel Xeon E5 v3 или новее, 32 Гбайт RAM и поддержку IPMI 2.0. Управление состоянием хостов осуществляется через IPMI, включая загрузку HyperKernel посредством PXE. Для корректной работы требуется наличие нескольких изолированных сетей: для BMC и PXE, для корпоративной сети и SAN, а также для быстрого интерконнекта между узлами со скоростью до 25GbE. Гостевые системы могут использовать интерфейсы до 25 GbE и иметь до 32 virtio-устройств. Поддерживаемые операционные системы включают различные версии CentOS, Red Hat Enterprise Linux, Ubuntu, SUSE Linux Enterprise Server, Oracle Linux и FreeBSD.
В ходе тестирования на кластере из четырех шасси Supermicro с процессорами Intel Xeon Gold 6240 и 3 Тбайт памяти на каждом узле была развернута виртуальная машина с 64 vCPU и 8 Тбайт RAM. Для оценки производительности использовались утилиты Polymem и Tachyon. Тесты Polymem показали, что при объемах памяти свыше 3 Тбайт ограничивающим фактором становится интерконнект между узлами, а скорость расчетов может значительно отставать от теоретического максимума из-за динамического распределения нагрузки и использования памяти соседних хостов. Тестирование рендеринга с помощью Tachyon подтвердило способность системы обрабатывать задачи, критичные к объему памяти, такие как визуализация сложных моделей. Разработчики отмечают, что для таких задач важна не только скорость, но и возможность получить огромный объем памяти, который иначе был бы экономически нецелесообразно реализовать на одном узле. Однако стоит учитывать, что некоторые инструкции, такие как AVX512, не доступны гостевым системам, а производительность может варьироваться в зависимости от типа нагрузки и конфигурации.
