Fremskyndelse af bæredygtig modernisering med Green IT Analyzer på AWS – IBM Blog

Virksomheder omfavner i stigende grad dataintensive arbejdsbelastninger, herunder højtydende computing, kunstig intelligens (AI) og machine learning (ML). Disse teknologier driver innovation på deres hybride multicloud-rejser, mens de fokuserer på robusthed, ydeevne, sikkerhed og compliance. Virksomheder stræber også efter at balancere denne innovation med voksende miljø-, social- og forvaltningsbestemmelser (ESG). For de fleste organisationer er it-drift og modernisering en del af deres ESG-målsætning, og iflg en nylig støberiundersøgelse, søger omkring 60 % af organisationerne tjenesteudbydere med speciale i grønne teknologiområder.

Efterhånden som CO2-emissionsrapportering bliver almindelig over hele verden, er IBM forpligtet til at hjælpe sine kunder med at træffe informerede beslutninger, der kan hjælpe med at imødekomme deres energibehov og tilhørende CO2-påvirkning og samtidig reducere omkostningerne. For at hjælpe med at bygge mere bæredygtige it-ejendomme har IBM indgået partnerskab med Amazon Web Services (AWS) for at lette bæredygtige cloud-moderniseringsrejser.

Efterhånden som virksomheder fremskynder deres IT-modernisering for at accelerere digital transformation og opnå forretningsfordele, opstår der en betydelig mulighed. Denne mulighed involverer omstrukturering af it-miljøer og applikationsporteføljer mod grønnere, mere bæredygtige designs. En sådan tilgang fremmer ikke kun omkostningseffektivitet, men bidrager også til bredere virksomheders bæredygtighedsmål.

Forståelse af kulstofemissioner fra digital teknologi

Alle forretningsapplikationer, som IBM bygger og kører, uanset om det er til eksterne eller interne kunder, leveres med en kulstof omkostninger, hvilket primært skyldes elforbrug. Uanset hvilken teknologi IBM brugte til at udvikle disse applikationer eller tjenester, kræver driften af ​​dem hardware, der forbruger strøm.
Udledningen af ​​kuldioxid (CO2) produceret af netelektricitet varierer afhængigt af produktionsmetoderne. Fossile brændstoffer som kul og gas udleder betydelige mængder kulstof, hvorimod vedvarende kilder som vind eller sol udleder ubetydelige mængder. Hver kilowatt (kW) forbrugt elektricitet bidrager således direkte til en bestemt mængde CO2-ækvivalent (CO2e) frigivet til atmosfæren.

Derfor fører reduktion af elforbruget direkte til lavere kulstofemissioner.

Carbon footprint i praksis

Beregning, lagring og netværk er de væsentlige teknologiske ressourcer, der forbruger energi i processen med at bygge applikationer og tjenester. Deres aktivitet kræver aktiv nedkøling og styring af de datacenterrum, de opererer i. Som vogtere af bæredygtig it-praksis skal vi overveje, hvordan vi kan reducere forbruget af ressourcer gennem vores daglige aktiviteter.

Datacentre trækker strøm fra nettet, der forsyner deres operationelle region. Denne strøm driver forskelligt it-udstyr såsom servere, netværksswitches og storage, som igen understøtter applikationer og tjenester til kunderne. Denne strøm driver også hjælpesystemer såsom opvarmning, ventilation og aircondition eller køling, som er afgørende for at opretholde et miljø, der holder hardwaren inden for operationelle grænser.

En vej frem til dekarbonisering

Modernisering af applikationer er ved at blive afgørende for at drive innovation og transformere virksomheder. IBM Consulting® anvender AWS Well-Architected-rammeværket til at skabe en Custom Lens for Sustainability til at udføre arbejdsbelastningsvurderinger for applikationer både på stedet og på AWS Cloud. For at læse om andre nøglescenarier og indgangspunkter for IBM Consulting® Custom Lens for Sustainability, tjek blogindlægget: Bæredygtig appmodernisering ved hjælp af AWS Cloud.

I dette blogindlæg dykker vi ned i en dybdegående analyse for at vurdere, implementere anbefalinger om og analysere kulstofemissionseffekterne af en monolitisk applikation, der kører på AWS gennem en bæredygtighedslinse.

Green IT Analyzer: En omfattende IT-dekarboniseringsplatform

Green IT Analyzer-platformen gør det muligt for kunder at omdanne deres traditionelle it til mere energieffektiv, bæredygtig grøn it. Fungerer som en one-stop-shop, den måler, rapporterer, skaber baselines og giver et samlet dashboard-billede af CO2-fodaftrykket på tværs af hybrid cloud-miljøet – inklusive private datacentre, offentlige cloud og brugerenheder. Platformen kan måle CO2-fodaftrykket af IT-ejendommen på både granulært og virtuel maskine (VM) niveau. Det hjælper med at identificere energi- eller kulstof-hotspots for at udvikle en optimeringskøreplan. Den kulstofvurderingsteknik, den bruger, stemmer overens med drivhusgas (GHG) principper for informations- og kommunikationsteknologisektoren.

Lokationsbaseret metodik

Forståelse af kulstofemissionerne fra it-arbejdsbelastninger kræver kendskab til flere nøglebegreber og målinger. Her er en oversigt på højt niveau:

• Carbon footprint (CFP): Begrebet CO2-fodaftryk er centralt i vores analyse. CFP repræsenterer den samlede mængde CO₂ og tilsvarende drivhusgasemissioner forbundet med at drive et datacenter, startende fra en basislinjemåling af CFP større end eller lig med nul. Det er et afgørende mål for at måle miljøpåvirkningen af ​​datacenterdrift.
• Effektivitet ved strømforbrug (PUE): En anden kritisk metrik er strømforbrugseffektivitet. PUE måler energieffektiviteten af ​​et datacenter, beregnet ved at dividere den samlede facilitetsenergi med den energi, der forbruges af it-udstyr. Denne opdeling giver et forhold, der indikerer effektivitet: en PUE tæt på 1 (én) betyder høj effektivitet, mens højere værdier tyder på større energispild.
  Formel: PUE = (total facility energy)/(energi forbrugt af it-udstyr)
• Kulstofintensitet (CI): Til sidst overvejer vi kulstofintensitet. CI måler kulstofemissionerne i gram pr. kilowatt-time (g/kWh) af elproduktion fra nettet, der driver datacentret. Denne metrik varierer baseret på energikilden. Kuldrevne net kan have en CI, der er større end 1,000 g/kWh, mens net drevet af vedvarende kilder som vind og sol bør have en CI tættere på nul. (Solpaneler har en vis indbygget CFP, men har meget mindre sammenlignet med fossile brændstoffer.)

Lad os overveje en stor kundeudfordring. Enhver organisation er forpligtet til at opnå netto-nul emissioner, og IT spiller en afgørende rolle for at nå bæredygtighedsdagsordenen. Dette kan involvere at reducere CO2-fodaftrykket fra selve it-ejendommen – især relevant for finansielle kunder med høje it-drevne emissioner – eller skabe en bæredygtig platform, der kører på grøn it.

Ældre monolitiske applikationer, der typisk kører på VM-baserede platforme i enten on-prem datacentre eller offentlige skyer, er et centralt fokusområde. Et afgørende spørgsmål rejser sig: hvordan kan vi reducere it-ressourceforbruget fra disse ældre monolitiske applikationer, som generelt rummer 20-30 % af hele it-porteføljen? Det er mere energieffektivt at gå fra VM-baserede monolitiske applikationer til en mere energieffektiv, mikroservice-baseret arkitektur, der kører på en containerplatform. Det er dog vigtigt at vurdere hver enkelt sag individuelt, da en tilgang, der passer til alle, ikke altid er effektiv.

Disse kriterier kan bruges til at udvælge ansøgningstransformationskandidater:

• Ansøgninger med mere end 70% -80% CPU udnyttelse

• Applikationer oplever sæsonbestemte spidser i transaktioner, såsom omkring juleaften, Diwali og andre helligdage

• Ansøgninger med daglige stigninger i transaktioner på bestemte tidspunkter, såsom flyselskabets onboarding tidligt om morgenen eller om natten

• Nogle forretningskomponenter inden for monolitiske applikationer, der udviser brugsspidser

Som den er tilstandsanalyse af monolitiske apps

Overvej eksemplet med en simpel e-Store-applikation, der kører på AWS i en Elastic Compute Cloud (EC2) VM. Denne applikation, en e-CART, oplever sæsonbestemte arbejdsbelastninger og er blevet genhostet (løft-og-skift) fra lokale til en AWS EC2-instans. Monolitiske applikationer som denne pakker alle forretningsfunktioner i en enkelt deployerbar enhed.

Følgende tabel beskriver de vigtigste egenskaber ved ældre e-Store-applikationer.

CO2-emissionerne fra en arbejdsbyrde er direkte forbundet med forbruget af ressourcer såsom computere, lagring og netværk, hvor computing ofte er den væsentligste bidragyder. Dette varierer baseret på arbejdsbelastningskarakteristika; for eksempel i medie- eller streamingindustrien bruger datatransmission over netværket og lagring af store ustrukturerede datasæt betydelig energi.

Grafen viser CPU'ens udnyttelsesmønster, når der sker minimal brugeraktivitet på den monolitiske applikation, der kører i en enkelt EC2-instans.

Vi brugte Green IT Analyzer-platformen til at foretage en kulstofregnskab af den monolitiske applikations status som den er, og sammenligne den med måltilstanden for den samme applikation, når den blev ombygget til en mikroservicearkitektur, der kører på Amazon Elastic Kubernetes Services (EKS) perron.

Trin 1: Omfattende COXNUMX-fodaftryksanalyse af monolitiske applikationer

Først fokuserer vi på at undersøge det nuværende CO2-fodaftryk af en monolitisk arbejdsbelastning under forskellige driftsforhold. Dette giver os en baseline for at identificere områder til forbedring.

Lad os beregne det estimerede CO45-fodaftryk for vores monolitiske arbejdsbyrde, når vi har minimale brugertransaktioner og XNUMX % af CPU-udnyttelsen:

• PUE for USA øst 1d AZ: 1.2
• CI: 415.755 gram CO2/kWh

A. Estimeret kulstofberegning, når der ikke er nogen brugeraktivitet:

• Energiforbrug: 9.76 g/W ved 45 % udnyttelse
• Timer med samme arbejdsbyrde: 300 timer
• Estimeret kulstofemission i 300 timer = PUE × CI × energi forbrugt af arbejdsbyrde
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 gram CO2e

B. Estimeret kulstofemission med samtidige 500 brugere:

I et scenarie, hvor peak-level transaktioner blev oprettet i henhold til ikke-funktionelle krav (NFR) for at teste systemets evne til at understøtte daglige peaks, steg CPU-udnyttelsen til 80 % under samtidig brugeraktivitet. Denne situation udløste en automatisk skaleringsregel, der blev aktiveret ved 80 % CPU-udnyttelse. Reglen sørger for ekstra VM'er for at sikre, at belastningen på hver VM forbliver under 60 %. Loadbalanceren fordeler derefter effektivt lasten mellem både eksisterende og nye VM'er.

På grund af den automatiske skalering af de nye EC2-instanser, blev en ekstra t2.large VM tilgængelig, hvilket førte til et fald i den gennemsnitlige udnyttelse til 40%.

• Estimeret kulstofemission for dette scenarie, hvor begge identiske VM'er kører i 300 timer = PUE × CI × energi forbrugt af arbejdsbelastning
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 gram CO2e

Trin 2: Implementering af anbefalinger om bæredygtighed

Dette trin udforsker en række bæredygtighedsanbefalinger og deres praktiske implementering for den monolitiske applikation. Vi bruger Custom Lens-vurderingen for bæredygtighed til at vejlede disse anbefalinger.

Først overvejer vi at dekomponere monolitiske applikationer til handlingsbaserede reaktive mikrotjenester. Denne tilgang er skræddersyet til applikationens sæsonbetingede adfærd og varierende brugsmønstre, hvilket er særligt nyttigt i spidsbelastningsperioder som f.eks. juletider, hvor trafikken stiger og et fokus på at gennemse artefakter over backend-transaktioner observeres.

For det andet indebærer planen at reducere energiforbruget ved at planlægge batchbehandling i inaktive perioder, især når datacenternettet kører på grøn energi. Denne tilgang har til formål at spare strøm ved at minimere varigheden af ​​langvarige transaktioner.

Endelig understreger strategien vigtigheden af ​​at vælge en fleksibel platform, såsom AWS EKS eller Red Hat® OpenShift® på AWS (ROSA), der er i stand til dynamisk at skalere ressourcer baseret på netværkstrafik. Et sådant platformvalg hjælper med at sikre optimeret ressourceallokering og er gavnligt til at være vært for de handlingsbaserede reaktive mikrotjenester.

Sammenfattende omfatter de foreslåede strategier mikroservicenedbrydning tilpasset brugsmønstre, energibevidst transaktionsplanlægning og et fleksibelt platformvalg til at forbedre applikationseffektiviteten og ressourceudnyttelsen.

Applikationen omdannet til mikrotjenester er vist på billedet:

Lad os nu beregne kulstofemissionen efter at have transformeret den monolitiske applikation til mikrotjenester-baseret arkitektur efter bæredygtige designprincipper, mens applikationen omdannes under paraplyen af ​​bæredygtig modernisering.

A. Estimeret kulstofregnskab med ingen eller få belastninger:

• Arbejdernode: 2 × t2.medium
• Udnyttelse: 10% (når der ikke er nogen belastning på applikationen)
• Energiforbrug: 6 g/W ved 5 % udnyttelse
• PUE (1.2) og CI (415.755 gram CO₂/kWh) forbliver den samme, fordi vi fortsætter med at bruge den samme tilgængelighedszone.
• Timer: 300
• Estimeret kulstofemission i 300 timer = PUE × CI × energi forbrugt af arbejdsbelastning
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 gram CO₂e

Observationer: Når der ikke er nogen belastning på systemet, er en applikation, der kører på en VM, mere kulstofeffektiv end mikrotjenester, der kører på en EKS-klynge.

B. Estimeret kulstofregnskab under spidsbelastning:

I lighed med belastningstesten af ​​monolitiske applikationer indsatte vi 500 brugere og udløste samtidige transaktioner for at opfylde NFR-kravene i de mikrotjenester, vi byggede.

• Arbejdernode: 2 × t2.medium
• Øget udnyttelse på grund af belastning: 10% til 20%
• Energiforbrug: 7.4 g/W ved 20 % udnyttelse
• PUE og CI forbliver de samme.
• Timer: 300
• Estimeret kulstofemission i 300 timer = PUE × CI × energi forbrugt af arbejdsbelastning
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 gram CO₂e

Her forekom autoskalering af pods til UI-tjenester, men vogntjenester krævede ikke flere ressourcer for at opskalere. I monolitiske applikationer er det nødvendigt at opskalere hele platformen, uanset hvilke forretningsfunktioner eller tjenester der kræver flere ressourcer, hvilket fører til øget udnyttelse på 20 %.

Observationer: Lad os sammenligne begge scenarier.

1. Når systemet er inaktivt eller har en stabil belastningsprofil hele uret: Når der næsten ikke er nogen belastning, bruger monolitiske applikationer færre ressourcer og udsender næsten 18 % mindre kulstof end mikroservicebaserede applikationer hostet i EKS-klyngen.
2. Når systemet er på fuld belastning eller varierende belastning: Når systemet er på fuld belastning, er der en 24 % reduktion af CO₂ emissioner på Kubernetes-platformen sammenlignet med en VM-baseret arbejdsbelastning. Dette skyldes brugen af ​​færre kerner og lavere udnyttelse. Vi kan flytte flere arbejdsbelastninger i den samme klynge og frigøre flere kerner fra andre applikationer for at få flere betydelige fordele.

Dette scenarie er et eksempel på, hvordan IBM^® Custom Lens-vurdering for bæredygtighed på AWS-arbejdsbelastning hjælper med at designe din bæredygtige moderniseringssti og reducere det samlede CO2-fodaftryk for din IT-ejendomme.

Handlingsvejledning

For organisationer, der værdsætter bæredygtighed, er ansvarlig databehandling og grøn it ikke kun afgørende; de er fuldt ud gennemførlige. It-ledere kan nå disse mål ved at forfølge miljøvenlige aktiviteter, der omfatter it-strategi, -drift og -platforme.

• Grønnere dine it-platforme: Brug refactoring til at migrere applikationer til den offentlige sky. Migrering af arbejdsbelastninger til den offentlige sky uden at optimere dem til dette miljø kan øge driftsomkostningerne og reducere bæredygtigheden. Forbedr i stedet arbejdsbelastningerne til at være mere cloud-native ved at omfaktorere applikationer baseret på faktorer som deres livscyklus, opdaterings- og implementeringsfrekvens og forretningskritikalitet.
• Optimering af inaktiv VM-kapacitet og andre ubrugte cloud-ressourcer: Aktiver observerbarhed på infrastrukturniveau for at identificere inaktive VM'er på tværs af dit IT-område. Implementer regelbaseret automatisering for at foretage korrigerende handlinger, såsom sletning af inaktive VM'er og tilknyttede ressourcer, der ikke længere tjener forretningsfunktioner. Optimer desuden VM-størrelse baseret på netværkstrafik gennem automatisk skalering.
• Oprettelse af ressourcer efter behov: Selvom cloud-ressourcer er elastiske, opnår du begrænsede effektivitetsfordele, hvis du implementerer arbejdsbelastninger til faste ressourcer, der kører kontinuerligt, uanset brug. Identificer muligheder for at levere og slette ressourcer efter behov, såsom brug af VM-planlægning eller elastiske funktioner i skytjenester.
• Containerisering af arbejdsbelastninger: Ved at bruge en containerplatform i stedet for et traditionelt VM-miljø kan du reducere de årlige infrastrukturomkostninger med op til 75 %. Containerplatforme giver mulighed for effektiv planlægning af containere på tværs af en klynge af VM'er baseret på deres ressourcekrav.
• Modernisering af dine monolitiske applikationer til mikrotjenester-baseret arkitektur: Vælg reaktive mikrotjenester baseret på dine behov: reaktive mikrotjenester til hændelsesbaseret påkald for at optimere ressourceudnyttelsen, hændelsesdrevne mikrotjenester til asynkron påkaldelse eller serverløse mikrotjenester til behovsbaseret udførelse af en enkelt funktion.

IBM Consulting Green IT Transformation Framework, Custom Lens for Sustainability og Green IT Analyzer-platformen hjælper tilsammen kunderne på deres dekarboniseringsrejse. Begge rammer hjælper med at vurdere arbejdsbelastninger, identificere optimeringshåndtag, der kan sænke energiforbruget, og skabe en køreplan for applikationsmodernisering, der gør dig i stand til at nå dine bæredygtighedsmål.

Få mere at vide om IBM Consulting Services til AWS Cloud.