Resursschemaläggare i HPE InfoSight

HPE InfoSight – en molntjänst från HPE som gör det möjligt att proaktivt identifiera potentiella problem med tillförlitlighet och prestanda hos HPE Nimble- och HPE 3PAR-lagringssystem. Tjänsten kan också genast rekommendera sätt att åtgärda möjliga problem, och i vissa fall kan problemen åtgärdas proaktivt, automatiskt.

Vi har redan berättat om HPE InfoSight på HABR, se till exempel, här eller här.

I detta inlägg vill jag berätta om en ny funktion i HPE InfoSight – Resursschemaläggaren.

HPE InfoSight Resursschemaläggare – ett nytt kraftfullt verktyg som hjälper kunder att avgöra om de kan lägga till nya arbetsbelastningar eller applikationer på sina system med hänsyn till befintliga arbetsbelastningar. Klarar systemet en ökning av belastningen eller behövs ett nytt system? Om ett nytt system behövs, vilket? Prognosmodellering från Resursschemaläggaren hjälper till att exakt förstå behoven och korrekt genomföra sizing av uppgraderingen av befintligt system eller sizing av ett nytt system.

Schemaläggaren gör följande:

• modellerar potentiella förändringar i befintliga arbetsbelastningar;
• bedömer påverkan på systemresurser såsom: processor, kapacitet och cache-minne;
• visar resultaten för olika systemmodeller.

Genom att samla in statistik och parametrisk information om systemens prestanda (över hela den installerade basen av system) och analysera olika arbetsbelastningar i många kundmiljöer kan vi identifiera specifika orsaks- och verkanrelationer samt kvantitativa samband. Till exempel vet vi hur deduplicering påverkar processoranvändningen i olika systemmodeller. Vi vet att Virtual Desktop-miljöer är mer benägna att dedupliceras och komprimeras jämfört med SQL. Vi vet att applikationer som Exchange generellt har en högre andel sekventiella (till skillnad från slumpmässiga) läsoperationer än Virtual Desktop. Med hjälp av sådan information kan vi modellera effekten av förändringar i belastningen för att förutse resursbehoven för en specifik systemmodell.

Hur fungerar Schemaläggaren - låt oss titta på följande exempel.

Resource Planner startas på HPE InfoSight-portalen under avsnittet LABS. Låt oss börja med att välja en ny arbetslast – Add New Workload (utöver den befintliga). Ett annat alternativ som vi kommer att överväga senare – Add Existing Workload (ändra en befintlig arbetslast).

Välj kategori för arbetslast/applikation:

Vid behov kan olika ändringar göras i den nya arbetslasten: datamängd, IOPs, typen av arbetslast och dedupliceringsläge.

Därefter väljer vi lagringssystemet (från de som kunden har) för vilket vi vill simulera denna nya arbetslast och klickar på knappen Analysera.

Som resultat får vi påverkan av denna nya föreslagna arbetslast (utöver den aktuella lasten) på CPU-resurser och kapacitet. Om vi hade valt en hybrid flash-lagring skulle vi också ha sett påverkan på systemets cache-minne, men i detta fall har vi en all flash-lagring AF60, för vilken begreppet cache-minne (på SSD) inte är tillämpligt.

Vi ser (till höger, i den övre diagrammet – CPU-behov) att lagringssystemet AF60, för vilket vi planerade den nya arbetslasten, inte har tillräckliga processorresurser för att hantera den nya arbetslasten: vid tillägg av den nya lasten kommer CPU att utnyttjas till 110%. I det undre diagrammet (Kapacitetsbehov) visas att det finns tillräckligt med kapacitet för den nya lasten. Förutom AF60 visas även andra lagringsmodeller i båda diagrammen – för att jämföra med vad som skulle hända om vi hade en annan lagring.

I nästa bild visas vad som händer när vi markerar alternativet display multiple head shelves (alternativ när vi väljer den ursprungliga lagringen). Detta alternativ gör det möjligt att utföra analys för flera identiska lagringssystem. Det är uppenbart att för den totala (nya och befintliga) lasten räcker det med ett AF80-system, eller två AF60-system, eller tre AF40-system.

Genom resursplaneraren kan man även simulera ändringar av den nuvarande lasten. För detta behöver man i det första steget välja add existing workload (istället för add new workload – som vi gjorde i början). Därefter kan man modellera ändringen av den befintliga lasten och se vilka resultat det ger. I exemplet nedan simuleras en fördubbling av lasten och kapaciteten för applikationer av typen File Server (dvs. i detta exempel ökar vi inte hela belastningen på lagringssystemet, utan endast belastningen för en specifik typ av applikationer).

I det här fallet är det tydligt att resurserna i arrayen möjliggör en fördubbling av belastningen för File Server-applikationer, men inte mer än så – eftersom processorkraften kommer att utnyttjas till 99%.

Källa: habr.com