CA Capacity Management Jaromír Šlesinger, CA CEE Jaromir.slesinger@ca.com
Tlak na efektivní využívání kapacit Průměrné datové centrum využívá 18% kapacity Optimální by bylo víc než 50% I po konsolidačních a virtualizačních aktivitách je využití kapacit nedostatečné Dodavatelé aplikací i zákazníci požadují dedikované zdroje Průměrně <10 VM/host; Nové aplikace jsou spíše naddimenzované Pro jistotu a rezervy dalšího rozvoje Neschopnost exaktního plánování Obtížné prosadit a prokázat alternativní řešení 2
Východiska pro prediktivní plánování Iniciativy - Akvizice a fůze - Přesuny datových center - Business Continuity - Cloud - Green IT Procesy - Service Delivery - Capacity Planning - Application Performance Management - ITIL Best Practices Projekty - Konsolidace serverů - Virtualizace (P2V, V2P, V2V) - Nasazení aplikací do produkčního prostředí 3
Způsoby užití CA Capacity Management Efektivní využití datových center Optimalizace výkonu a nákladů Zvýšení využití existujícího hardware Identifikace oblastí pro konsolidaci a úspory Scenáře variant řešení výkon vs náklady Optimalizace virtualizovaného prostředí Vhodné umístění VM Distribuce zátěže přes VM a hostující systémy Eliminace VM Sprawl Predictivní plánování migrací P2V, V2P, V2V Podpora iniciativ konsolidace, virtualizace a cloud computing Nevyužité zdroje představují příležitost pro konsolidaci Vývoj skutečné zátěže vs. Dostupná kapacita 4
Způsoby užití CA Capacity Management Zabezpečení plnění SLA Eliminace rizik při změnách businessu Kolik zdrojů spotřebuje business nebo IT služba Transparetní náhled na IT služby Predikce důsledků rostoucí poptávky pro IT zdroje Prodloužení časových výhledů Řízení dodávky business služeb Optimalizace nákladů Predikce kapacity infrastruktury pro Service Portfolio Management Kolik zdrojů bude potřeba za 2 roky Management rizik Spolehlivé a efektivní zavádění nových služeb Zohlednění sezónních výkyvů Plánování kontinuity a DR 5
Způsoby užití CA Capacity Management Plánování rozvoje IT Eliminace rizik při změnách infrastruktury Automatizované rozložení virtualizovaných systémů Virtualizace Predikce, jak zátěž ovlivní výkon Identifikace vhodného umístění VM Konsolidace datových center Identifikace, jaká je struktra spotřebovávaných a poskytováných zdrojů Identify oblastí pro konsolidaci se zohledněním SLA Upgrade hardware Predikce výkonu různých hardwarových variant Zavádění novýc aplikací Určení stávajících a plánovaných kapacitních nároků na CPU, paměť, disky a další zdroje. 6 Variantní predikce zátěže a odezvy
CA Capacity Management Suite Reporting stávajícího stavu CA Data Manager umožňuje sběr kapacitních a výkonnostních dat z mnoha zdrojů pro efektivnější a přesnější reporting CA Current Capacity Reporter - interaktivní rozhraní pro reporting stávajícího stavu a trendů napříč zdroji dat a druhy metrik CA Capacity Command Center poskytuje normalizované měření kapacit a spotřeby zdrojů napříč fyzickou a vitualizovanou infrastrukturou. Prediktivní analýzy CA Capacity Management & Reporting Suite analytický nástroj umožňující provádět analýzy what-if scenářů a zjišťovat dopad změn v časovém vývoji. CA Virtual Placement Manager umožňuje kapacitní plánování pro účely sizingu a konfigurací virtualizovaných prostředí, návrhu virtuální infrastruktury pro optimalizaci kvality služeb bez potřeby naddimenzování.
CA Capacity Management vstupy Facility & Environmental metrics Financial metrics Power used Space used Hardware & license costs budgets Capacity Management Practice Business Capacity Management Cílem je propojit měřítka business aktivit se spotřebou IT zdrojů, a tím umožnit efektivní rozhodování. Service & Business metrics Application performance metrics # orders Business plans & forecasts # page hits transaction counts Service Capacity Management Business Metrics Configuration metrics Infrastructure performance metrics Server model, # cores roles and relationships CPU usage storage usage Component Capacity Management Resource Usage Metrics 8
CA Capacity Management výstupy Capacity Management Practice Výstupy podporují procesy řízení IT služeb, IT projekty a iniciativy: - Kapacitní plány - Sizing aplikací - Konsolidace serverů - Virtualizace - Přechod na Cloud Computing - Green IT - Akvizice a fůze - Obnovu hardware - Migrace datových center Business Capacity Management Service Capacity Management Component Capacity Management Optimize virtual infrastructure model placement and balancing Predict future capacity needs & resolve predicted bottlenecks Characterize workloads and correlate to resource usage Identify patterns of behavior & trends Identify exceptions and over/under used components Archival and management of data to support practice 9
Příklady využití 1. očekávaný nárůst zátěže Dvě organizace se sloučily Všichni uživatelé sloučené organizace budou využívat aplikace jedné z nich Očekávaný nárůst zátěže je 4x Management požaduje záruky, že aplikace bude mít akceptovatelnou odezvu i po migraci, resp. doložení požadavků na posílení infrastruktury Zvažovány jsou alternativy cíleného upgrade hardware (ale kterého a jaký?) nebo využití virtualizace (ale bude to stačit a jak rozložit zátěž?)
Baseline Report Většina serverů je nevytížená. Několik serverů je zatížených, server sql12 nejvíc
Varianta Upgrade Upgrade serveru neřeší zvýšené kapacitní nároky Např.. Upgrade stávajícího serveru IBM x3650 2.3 na 3.3 GHz (Intel Xeon X5470, 4 cores/mcm (3333MHz, 2x6MB L2, 1333MHz FSB, no HT, VT) nestačí Identifikace použitého serveru a jeho upgrade Po zvýšení zátěže výkon nebude dostatečný
Varianta virtualizace Využití možnosti modelovat virtualizované prostředí a jeho zátěž
Virtualization Wizard Modelování virtualizovaných serverů dovoluje zvažovat různé hardwarové alternativy. Např. Využití existujících serverů
Srovnání modelových výstupů Upgrade serveru nestačí Virtualizace umožní efektivnější umístění zátěže i s využitím existujícího hardware
Příklad užití 2. nová služba Naplánováno je zavedení nové služby (aplikace) Očekáván je dynamický nárůst zátěže nové aplikace Management vyjadřuje pochybnosti, zda je k dispozici dostatečná kapacita pro zvládnutí tohoto růstu Požadováno je předložení scénářů zohledňující několik variant předpokládáného nárůstu využití nové služby a analýza odpovídajcího dopadu na případné potřebné rozšíření IT kapacit Doba odezvy aplikace je pro službu kritická Testovací systém nemá kapacitu budoucího produkčního systému
Model podle testovacího systému Web Server Tier Application Server Tier Database Server Tier Applications
Validate the Model Validace platnosti modelu na výsledcích zátěžových testů na testovacím systému. Blízkost skutečných a modelových hodnot
Modelování budoucího produkčního systému pomocí hardwarové knihovny Model podle produkčního systému
Průběžné monitorování zátěže zdrojů v průběhu simulace Simulace zátěže
Review response times Při zvýšení zátěže na 8X doba odezvy neakcetovatelná Při zvýšení ztěže 2x nebo 4x load splní SLA
Review response time contributions Web Tier Application Tier Database Tier K době odezvy přispívá nejvíc web server
Drill down Zátež disků web serveru je vysoká
Přidání disků do modelu Řešení úzkého místa
8x response time now meets SLA
Zátěž DB serveru je nyní přes 70% Secondary bottleneck identified
Přeskupení nezatížených serverů do DB vrstvy Řešení sekundárního úzkého místa
Zátěž všech serverů při 2X, 4X a 8X zátěži je přijatelná. After resolving secondary bottleneck
Návratnost Return of Investment
30
31
32
Reference Predikce hardwarových požadavků pro konsolidaci data warehouse Úspora 5 milionů USD při prvním nasazení Identifikace úzkých míst v kritických business aplikaciích Predikce kapacit pro nové aplikace Meziroční úspory v řádu milionů USD každý rok Vyřešení výkonnostní problémů Omezení testovacího prostředí Úspěšná P2V migrace a konsolidace serverů Identifikace úzkých míst v kritických business aplikaciích Konsolidace a virtualizace Úspora 2.5 milionu USD na hardware první rok Úspora 28 milionů dolarů Predikce správného HW sizingu a obnovy HW pro CRM Úspěšná migrace HP-UX na Linux sizing HW konfigurace Omezení výpadků & ztráty příjmů z vysílání NFL
Dotazy?
Děkuji!