HPE InfoSight on HPE pilveteenus, mis võimaldab ennetavalt tuvastada võimalikke töökindlus- ja jõudlusprobleeme HPE Nimble ja HPE 3PAR massiividega. Samas saab teenus ka koheselt soovitada võimalusi võimalike probleemide lahendamiseks ning mõnel juhul saab tõrkeotsingut teha ennetavalt, automaatselt.
HPE InfoSightist oleme HABR-is juba rääkinud, vaata näiteks või .
Selles postituses tahan rääkida ühest HPE InfoSighti uuest funktsioonist – ressursside planeerijast.
HPE InfoSight Resource Planner on võimas uus tööriist, mis aitab klientidel otsustada, kas nad saavad olemasolevate töökoormuste põhjal oma massiividesse lisada uusi töökoormusi või rakendusi. Kas massiiv talub suurenenud koormust või on vaja uut massiivi? Kui on vaja uut massiivi, siis millist? Ennustav modelleerimine Ressursiplaneerija aitab täpselt mõista vajadusi ja olemasoleva massiivi täienduse või uue massiivi suurust õigesti määrata.
Planeerija võimaldab teil teha järgmist.
- simuleerida võimalikke muudatusi olemasolevas töökoormuses;
- hinnata mõju massiiviressurssidele, nagu protsessor, võimsus ja vahemälu;
- vaadata erinevate massiivimudelite tulemusi.
Kogudes statistikat ja parameetrilist teavet massiivide toimimise kohta (üle kogu installitud massiivibaasi) ning analüüsides erinevaid töökoormusi paljudes kliendikeskkondades, saame tuvastada teatud põhjus-tagajärg ja kvantitatiivsed seosed. Näiteks teame, kuidas deduplikatsioon mõjutab protsessori kasutamist erinevates massiivimudelites. Teame, et virtuaalse töölaua keskkonnad on dubleerimise ja tihendamise osas paremad kui SQL. Teame, et Exchange'i rakendustes on järjestikuste (mitte juhuslike) lugemiste protsent tavaliselt suurem kui virtuaalsel töölaual. Sellist teavet kasutades saame modelleerida koormuse muutuste mõju, et ennustada konkreetse massiivi mudeli ressursivajadust.
Vaatame järgmistes näidetes, kuidas ajakava töötab.
Ressursiplaneerija töötab HPE InfoSighti portaalis LABS-i all. Alustame uue töökoormuse valimisega – Lisa uus töökoormus (lisaks olemasolevale). Teine võimalus, mida me hiljem vaatame, on Olemasoleva töökoormuse lisamine.
Valige laadimiskategooria/rakendus:
Uues töökoormuses saate teha erinevaid muudatusi vastavalt vajadusele: andmemaht, IOP-d, töökoormuse tüüp ja dubleerimise režiim.
Järgmiseks valime massiivi (kliendil saadaolevate hulgast), mille jaoks tahame seda uut töökoormust modelleerida ja klõpsame nuppu Analüüsi.
Lõpptulemus on selle uue kavandatud töökoormuse (lisaks praegusele töökoormusele) mõju protsessori ressurssidele ja võimsusele. Kui oleksime valinud hübriidvälkumassiivi, näeksime mõju ka massiivi vahemälule, kuid sel juhul on meil AF60 all flash massiiv, mille puhul vahemälu mõiste (SSD-l) ei kehti.
Näeme (paremal, ülemisel diagrammil - protsessori vajadused), et AF60 massiivi, mille jaoks kavandasime uue koormuse, ei ole piisavalt protsessori ressursse uue töökoormuse töötlemiseks: uue koormuse lisamisel läheb protsessor kasutatud 110%. Alumine diagramm (Mahtuvusvajadused) näitab, et uue koormuse jaoks on võimsust piisavalt. Mõlemad diagrammid näitavad lisaks massiivile AF60 ka teisi massiivi mudeleid – võrdluseks sellega, kuidas oleks, kui meil oleks teistsugune massiiv.
Järgmisel pildil on näidatud, mis juhtub, kui märgime märkeruudu kuva mitu peariiulit (valik lähtemassiivi valimisel). See suvand võimaldab teil analüüsida mitut identset massiivi. On näha, et kogu (uue ja olemasoleva) koormuse jaoks piisab ühest AF80 massiivist või kahest AF60 massiivist või kolmest AF40 massiivist.
Ressursiplaanija abil saate simuleerida ka muutusi ainult praeguses koormuses. Selleks tuleb esimese sammuna valida lisa olemasolev töökoormus (uue koormuse lisamise asemel – nagu me alguses tegime). Järgmisena saate simuleerida olemasoleva koormuse muutumist ja vaadata, milleni see kaasa toob. Allolev näide simuleerib koormuse kahekordistamist ja võimsuse kahekordistamist selliste rakenduste jaoks nagu failiserver (st selles näites ei suurenda me massiivi kogu koormust, vaid suurendame koormust ainult teatud tüüpi rakenduse jaoks).
Sel juhul on näha, et massiiviressursid võimaldavad failiserveri rakenduste koormust kahekordistada, kuid mitte rohkem kui kahekordistada - sest Protsessori ressursse kasutatakse 99%.
Allikas: www.habr.com