Date: Maret 1, 2017
Benar-Sizing VMware lingkungan dengan pembelajaran mesin
Menurut analis terkemuka, hari ini virtual data Center adalah 80 persen overprovisioned – masalah yang membuang puluhan ribu dolar setiap tahunnya. Risiko overprovisioning lingkungan virtual mendesak dan segera. Manajer TI menghadapi berbagai tantangan yang berkaitan dengan benar penyediaan infrastruktur yang virtual. Mereka harus tinggal dalam anggaran sambil menghindari downtime, memberikan kinerja tinggi untuk produktivitas pengguna akhir, memastikan ketersediaan tinggi serta memenuhi berbagai persyaratan layanan lainnya. INI sering berkaitan dengan ketakutan mereka akan masalah kinerja aplikasi dengan hanya melemparkan hardware masalah dan menghindari kemungkinan di bawah penyediaan. Namun, strategi ini mendorong mahal atas pengeluaran dan pengeringan waktu itu berharga. Dan lebih buruk lagi, ketika tiba saatnya untuk membandingkan ekonomi hosting vs Internet lokal, biaya infrastruktur lokal sangat meningkat ketika sumber daya tidak efisien sedang digunakan. Hal ini dapat menyebabkan keputusan ketika merencanakan pindah ke awan.
Dengan semua risiko ini dalam bermain, bagaimana itu tim tahu Kapan lingkungan VMware mereka dioptimalkan?
Memiliki akses ke informasi yang akurat yang sederhana untuk memahami penting. Langkah pertama dalam beban kerja aplikasi benar-sizing adalah pemahaman pola beban kerja dan sumber daya yang mereka konsumsi dari waktu ke waktu. Namun, kebanyakan Alat mengambil pendekatan sederhana ketika merekomendasikan sumber daya optimasi. Mereka menggunakan rata-rata sederhana metrik tentang mesin virtual. Pendekatan ini tidak memberikan informasi yang akurat. Puncak dan lembah-lembah penggunaan dan antar-hubungan sumber daya menyebabkan konsekuensi yang tak terduga untuk aplikasi lain bila Anda mengkonfigurasi mereka. Untuk mendapatkan informasi yang tepat dan membuat keputusan yang tepat untuk benar-sizing, Anda memerlukan solusi seperti SIOS Iq. SIOS iQ berlaku mesin belajar untuk belajar pola perilaku saling berhubungan objek dari waktu ke waktu dan di seluruh infrastruktur untuk secara akurat merekomendasikan optimasi yang membantu operasi, tidak menyakiti mereka. Cerdas analytics mengalahkan rata-rata setiap waktu.
Langkah kedua ke arah strategi benar-sizing adalah menghilangkan rasa takut akan berurusan dengan isu-isu kinerja ketika masalah terjadi atau bahkan mencegah satu di tempat pertama. Ini berarti memiliki keyakinan bahwa Anda memiliki informasi yang akurat yang diperlukan untuk dengan cepat mengidentifikasi dan memperbaiki masalah bukan hanya melemparkan hardware itu dan berharap itu hilang.
Alat-alat hari ini tidak sangat akurat. Mereka memimpin melalui labirin grafik dan metrik tanpa jawaban yang jelas atas pertanyaan kunci. Tim itu biasanya beroperasi dan mengelola lingkungan di Silo terpisah–penyimpanan, Jaringan, aplikasi dan host masing-masing dengan alat-alat sendiri. Untuk memahami hubungan antara semua komponen infrastruktur memerlukan banyak pekerjaan manual dan menggali. Lebih lanjut, alat-alat ini tidak memberikan informasi, mereka hanya memberikan data yang akurat marginal. Dan mereka memerlukan untuk melakukan banyak pekerjaan untuk mendapatkan data yang tidak akurat. Itu adalah karena mereka berbasis ambang batas. ITU harus ditetapkan individu ambang untuk masing-masing metrik yang mereka inginkan untuk mengukur-pemanfaatan CPU, memory pemanfaatan, latency jaringan, dll… Lingkungan satu yang mungkin perlu untuk mengatur, memantau, dan terus-menerus tune ribuan individu ambang. Setiap kali lingkungan berubah, seperti ketika beban kerja yang akan dipindahkan atau sebuah VM baru diciptakan, batas harus dapat menyesuaikan. Ketika melebihi ambang batas, alat-alat ini sering membuat ribuan Alert, mengubur informasi penting di "badai alert" dengan root ada penyebab diidentifikasi atau resolusi yang direkomendasikan.
Bahkan lebih penting, karena lansiran ini dipicu dari pengukuran satu metrik pada sumber daya tunggal, itu harus menafsirkan makna dan kepentingannya. Akhirnya keakuratan interpretasi yang tersisa untuk keterampilan dan pengalaman dari admin. Ketika sistem berubah dan tumbuh begitu cepat dan itu hanya tidak dapat menjaga dengan itu semua – dan tentu saja termudah tindakan adalah untuk over penyediaan; membuang-buang waktu dan uang dalam proses. Selain itu, sebenarnya akar penyebab masalah sering tidak pernah sepenuhnya ditujukan.
Tim itu perlu alat yang cerdas yang memanfaatkan lanjutan mesin belajar analytics untuk memberikan pandangan gabungan, dianalisis seluruh infrastruktur. Solusi seperti SIOS iQ membantu mengoptimalkan bawaan, menandai isu-isu yang mendasari dan mengidentifikasi dan memprioritaskan masalah dalam lingkungan virtual. SIOS iQ tidak menggunakan ambang batas. Ini secara otomatis menganalisis pola dinamis perilaku antara komponen yang terkait dalam lingkungan Anda dari waktu ke waktu. Hal ini secara otomatis mengidentifikasi berbagai macam sumber daya yang terbuang (penipu vmdks, snapshot limbah, idle VMs). Itu juga merekomendasikan perubahan ke kanan-ukuran semua di atas dan di bawah-tersedia VMs.
Ketika mendeteksi anomali pola perilaku, menyediakan analisis lengkap akar penyebab dari masalah, komponen yang terpengaruh oleh masalah, dan merekomendasikan solusi untuk memperbaiki masalah. Itu tidak hanya merekomendasikan penyediaan optimal vCPU, vMem dan VMs, tetapi juga menyediakan analisis rinci penghematan biaya yang dapat memberikan rekomendasi. Pelajari lebih lanjut tentang SIOS iQ Kalkulator tabungan dan ROI.
Berikut adalah tiga cara mesin belajar analytics dapat membantu menghindari overprovisioning:
- Memahami penyebab kinerja yang buruk: dengan otomatis dan berkesinambungan mengamati sumber daya pola pemanfaatan dalam real-time, mesin belajar analytics dapat mengidentifikasi lebih – dan berukuran VMs dan direkomendasikan pengaturan konfigurasi ke kanan-ukuran VM untuk kinerja. Jika ada perubahan, pembelajaran mesin dapat secara dinamis memperbarui rekomendasi.
- Mengurangi ketergantungan pada tim IT untuk sumber daya ukuran: App pemilik sering meminta kapasitas penyimpanan sebanyak mungkin, sementara VMware admin ingin membatasi penyimpanan sebanyak mungkin. Mesin belajar analytics mengambil kira-kira dari sumber daya ukuran dan menghilangkan jari-menunjuk yang sering terjadi antara perusahaan itu tim ketika ada masalah.
- Menghilangkan terpakai atau sia-sia sumber daya TI: SIOS iQ akan memberikan penghematan dan analisis ROI dari sumber daya yang terbuang, termasuk over ditetapkan VMs, penipu VMDKs, VMs yang tidak terpakai dan snapshot limbah. Ini juga memberikan rekomendasi untuk menghilangkan mereka dan menghitung biaya yang terkait menyimpan dalam CapEx dan Opex.
- Menentukan apakah sebuah cluster dapat mentolerir kegagalan host: dengan mesin pembelajaran analytics, IT Pro dapat dengan mudah kanan-ukuran CPU dan penyimpanan tanpa membahayakan produktivitas SQL Server atau pengguna akhir. Tim IT mendapatkan pemahaman yang lebih dalam ke dalam kapasitas organisasi host dan tahu apakah sebuah cluster dapat mentolerir kegagalan atau masalah lain.
Untuk mempelajari lebih lanjut tentang bagaimana benar-sizing lingkungan VMware Anda dengan mesin pembelajaran dapat menghemat waktu dan sumber daya, check out webinar kami: "Simpan besar dengan benar Sizing lingkungan VMware Server SQL".