HPE InfoSight on HPE-pilvipalvelu, jonka avulla voit tunnistaa ennakoivasti mahdollisia luotettavuus- ja suorituskykyongelmia HPE Nimble- ja HPE 3PAR -ryhmien kanssa. Samalla palvelu voi myös välittömästi suositella tapoja mahdollisten ongelmien ratkaisemiseksi, ja joissain tapauksissa vianmääritys voidaan tehdä ennakoivasti, automaattisesti.
Olemme jo puhuneet HPE InfoSightista HABR:ssä, katso esim. tai .
Tässä viestissä haluan puhua yhdestä HPE InfoSightin uudesta ominaisuudesta - Resource Plannerista.
HPE InfoSight Resource Planner on tehokas uusi työkalu, jonka avulla asiakkaat voivat määrittää, voivatko he lisätä uusia työkuormia tai sovelluksia taulukoihinsa olemassa olevien työkuormien perusteella. Kestääkö taulukko lisääntyneen kuormituksen vai tarvitaanko uusi matriisi? Jos tarvitaan uusi taulukko, mikä? Ennakoiva mallinnus Resource Planner auttaa ymmärtämään tarpeet tarkasti ja mitoittamaan oikein olemassa olevan taulukon päivityksen tai kokoamaan uuden taulukon.
Aikataulun avulla voit tehdä seuraavat:
- simuloida mahdollisia muutoksia olemassa oleviin työkuormiin;
- arvioida vaikutusta joukkoresursseihin, kuten prosessoriin, kapasiteettiin ja välimuistiin;
- tarkastella tuloksia eri taulukkomalleille.
Keräämällä tilastoja ja parametritietoja taulukoiden toiminnasta (koko asennetusta taulukoista) ja analysoimalla erilaisia työkuormia monissa asiakasympäristöissä voimme tunnistaa tiettyjä syy-seuraus- ja määrällisiä suhteita. Tiedämme esimerkiksi kuinka deduplikointi vaikuttaa suorittimen käyttöön eri matriisimalleissa. Tiedämme, että Virtual Desktop -ympäristöt ovat parempia duplikoinnin poistamisessa ja pakkaamisessa kuin SQL. Tiedämme, että Exchange-sovelluksissa on yleensä suurempi prosenttiosuus peräkkäisiä (toisin kuin satunnaisia) lukuja kuin Virtual Desktop. Tällaisten tietojen avulla voimme mallintaa kuormituksen muutosten vaikutuksen ennustaaksemme tietyn taulukkomallin resurssivaatimukset.
Katsotaanpa, kuinka ajastin toimii seuraavissa esimerkeissä.
Resource Planner toimii HPE InfoSight -portaalissa LABS:n alla. Aloitetaan valitsemalla uusi työkuorma - Lisää uusi työkuorma (nykyisen lisäksi). Toinen vaihtoehto, jota tarkastelemme myöhemmin, on Lisää olemassa oleva työkuorma.
Valitse kuormitusluokka/sovellus:
Voit tehdä uuteen työkuormaan erilaisia muutoksia tarpeen mukaan: tietomäärä, IOP:t, työkuorman tyyppi ja kopiointitila.
Seuraavaksi valitsemme taulukon (asiakkaalla olevista), jolle haluamme mallintaa tämän uuden työkuorman, ja napsautamme Analysoi-painiketta.
Nettotulos on tämän uuden ehdotetun työmäärän (nykyisen työkuorman lisäksi) vaikutus suorittimen resursseihin ja kapasiteettiin. Jos olisimme valinneet hybridi-flash-taulukon, näkisimme vaikutuksen myös taulukon välimuistiin, mutta tässä tapauksessa meillä on AF60 all flash array, johon välimuistin käsite (SSD:llä) ei päde.
Näemme (oikealla, yläkaaviossa - CPU tarvitsee), että AF60-ryhmässä, jolle suunnittelimme uuden kuorman, ei ole tarpeeksi prosessoriresursseja uuden työkuorman käsittelyyn: kun lisäät uutta kuormaa, CPU käytetty 110 %. Alakaavio (Kapasiteettitarpeet) osoittaa, että kapasiteettia on riittävästi uudelle kuormalle. AF60-taulukon lisäksi molemmissa kaavioissa näkyy myös muita matriisimalleja - vertailua varten siihen, millaista olisi, jos meillä olisi eri matriisi.
Seuraavassa kuvassa näkyy, mitä tapahtuu, kun valitsemme useiden päähyllyjen näyttöruudun (vaihtoehto valittaessa lähdetaulukkoa). Tämän vaihtoehdon avulla voit suorittaa analyysin useille identtisille taulukoille. Voidaan nähdä, että kokonaiskuormitukselle (uudelle ja olemassa olevalle) riittää yksi AF80-taulukko tai kaksi AF60-taulukkoa tai kolme AF40-taulukkoa.
Resurssien ajoittimen avulla voit myös simuloida muutoksia vain nykyisessä kuormassa. Tätä varten sinun on ensimmäisessä vaiheessa valittava Lisää olemassa oleva työkuorma (sen sijaan, että lisäisit uuden työmäärän - kuten teimme alussa). Seuraavaksi voit simuloida muutosta olemassa olevassa kuormassa ja katsoa, mihin tämä johtaa. Alla oleva esimerkki simuloi kuormituksen kaksinkertaistamista ja kapasiteetin kaksinkertaistamista sovelluksille, kuten tiedostopalvelimelle (eli tässä esimerkissä emme lisää taulukon koko kuormitusta, vaan lisäämme vain tietyntyyppisen sovelluksen kuormitusta).
Tässä tapauksessa voidaan nähdä, että matriisiresurssit mahdollistavat tiedostopalvelinsovellusten kuormituksen kaksinkertaistamisen, mutta ei enempää kuin kaksinkertaistamisen - koska Prosessoriresursseja käytetään 99 %.
Lähde: will.com