Beschleunigen Sie die nachhaltige Modernisierung mit Green IT Analyzer auf AWS – IBM Blog

Unternehmen beschäftigen sich zunehmend mit datenintensiven Arbeitslasten, darunter Hochleistungsrechnen, künstliche Intelligenz (KI) und maschinelles Lernen (ML). Diese Technologien treiben Innovationen auf ihren Hybrid- und Multicloud-Reisen voran und konzentrieren sich dabei auf Belastbarkeit, Leistung, Sicherheit und Compliance. Unternehmen sind außerdem bestrebt, diese Innovation mit den wachsenden Umwelt-, Sozial- und Governance-Vorschriften (ESG) in Einklang zu bringen. Für die meisten Unternehmen sind der IT-Betrieb und die Modernisierung Teil ihres ESG-Ziels eine aktuelle Foundry-UmfrageEtwa 60 % der Unternehmen suchen nach Dienstleistern, die sich auf grüne Technologiebereiche spezialisiert haben.

Da die Berichterstattung über CO2-Emissionen weltweit immer üblicher wird, ist IBM bestrebt, seine Kunden dabei zu unterstützen, fundierte Entscheidungen zu treffen, die dazu beitragen können, ihren Energiebedarf und die damit verbundenen CO2-Auswirkungen zu decken und gleichzeitig die Kosten zu senken. Um den Aufbau nachhaltigerer IT-Bestände zu unterstützen, ist IBM eine Partnerschaft mit Amazon Web Services (AWS) eingegangen, um eine nachhaltige Cloud-Modernisierung zu ermöglichen.

Da Unternehmen ihre IT-Modernisierung beschleunigen, um die digitale Transformation zu beschleunigen und Geschäftsvorteile zu erzielen, ergibt sich eine erhebliche Chance. Diese Chance besteht darin, IT-Umgebungen und Anwendungsportfolios in Richtung umweltfreundlicherer, nachhaltigerer Designs neu zu gestalten. Ein solcher Ansatz steigert nicht nur die Kosteneffizienz, sondern trägt auch zu umfassenderen Nachhaltigkeitszielen des Unternehmens bei.

Kohlenstoffemissionen durch digitale Technologie verstehen

Alle Geschäftsanwendungen, die IBM erstellt und ausführt, egal ob für externe oder interne Kunden, verfügen über eine COXNUMX-Kosten, was vor allem auf den Stromverbrauch zurückzuführen ist. Unabhängig von der Technologie, die IBM zur Entwicklung dieser Anwendungen oder Dienste verwendet hat, ist für deren Betrieb Hardware erforderlich, die Strom verbraucht.
Die durch Netzstrom verursachten Kohlendioxidemissionen (CO2) variieren je nach Erzeugungsmethode. Fossile Brennstoffe wie Kohle und Gas emittieren erhebliche Mengen Kohlenstoff, während erneuerbare Quellen wie Wind oder Sonne vernachlässigbare Mengen ausstoßen. Somit trägt jedes verbrauchte Kilowatt (kW) Strom direkt dazu bei, dass eine bestimmte Menge CO2-Äquivalent (CO2e) in die Atmosphäre freigesetzt wird.

Daher führt die Reduzierung des Stromverbrauchs direkt zu geringeren CO2-Emissionen.

CO2-Fußabdruck in der Praxis

Rechenleistung, Speicher und Netzwerk sind die wesentlichen technischen Ressourcen, die beim Erstellen von Anwendungen und Diensten Energie verbrauchen. Ihre Tätigkeit erfordert eine aktive Kühlung und Verwaltung der Rechenzentrumsräume, in denen sie betrieben werden. Als Hüter nachhaltiger IT-Praktiken müssen wir darüber nachdenken, wie wir den Ressourcenverbrauch durch unsere täglichen Aktivitäten reduzieren können.

Rechenzentren beziehen ihren Strom aus dem Netz, das ihre Betriebsregion versorgt. Dieser Strom betreibt verschiedene IT-Geräte wie Server, Netzwerk-Switches und Speicher, die wiederum Anwendungen und Dienste für Kunden unterstützen. Dieser Strom betreibt auch Nebensysteme wie Heizung, Lüftung und Klimaanlage oder Kühlung, die für die Aufrechterhaltung einer Umgebung, in der die Hardware innerhalb der Betriebsgrenzen bleibt, unerlässlich sind.

Ein Weg zur Dekarbonisierung

Modernisierung von Anwendungen wird immer wichtiger, wenn es darum geht, Innovationen voranzutreiben und Unternehmen zu transformieren. IBM Consulting® wendet das AWS Well-Architected-Framework an, um eine benutzerdefinierte Linse für Nachhaltigkeit zu erstellen und Workload-Bewertungen für Anwendungen sowohl vor Ort als auch in der AWS Cloud durchzuführen. Weitere wichtige Szenarien und Einstiegspunkte von IBM Consulting® Custom Lens for Sustainability finden Sie im Blogbeitrag: Nachhaltige App-Modernisierung mit AWS Cloud.

In diesem Blogbeitrag befassen wir uns ausführlich mit der Analyse, um die Auswirkungen einer monolithischen Anwendung, die auf AWS läuft, auf die CO2-Emissionen zu bewerten, Empfehlungen umzusetzen und sie aus einer Nachhaltigkeitsperspektive zu analysieren.

Green IT Analyzer: Eine umfassende IT-Dekarbonisierungsplattform

Die Green IT Analyzer-Plattform ermöglicht es Kunden, ihre traditionelle IT in eine energieeffizientere, nachhaltigere Green IT umzuwandeln. Als zentrale Anlaufstelle misst, berichtet, erstellt es Baselines und bietet eine einheitliche Dashboard-Ansicht des CO2-Fußabdrucks in der gesamten Hybrid-Cloud-Umgebung – einschließlich privater Rechenzentren, öffentlicher Cloud und Benutzergeräten. Die Plattform kann den CO2-Fußabdruck des IT-Bestands sowohl auf granularer Ebene als auch auf der Ebene virtueller Maschinen (VM) messen. Es hilft dabei, Energie- oder Kohlenstoff-Hotspots zu identifizieren, um eine Optimierungs-Roadmap zu entwickeln. Die verwendete CO2-Bewertungstechnik stimmt mit überein Treibhausgas (THG) Grundsätze für den Bereich der Informations- und Kommunikationstechnologie.

Standortbasierte Methodik

Um die CO2-Emissionen von IT-Workloads zu verstehen, müssen Sie mit mehreren Schlüsselkonzepten und Kennzahlen vertraut sein. Hier ist eine allgemeine Übersicht:

• CO2-Fußabdruck (CFP): Das Konzept des CO2-Fußabdrucks steht im Mittelpunkt unserer Analyse. CFP stellt die Gesamtmenge an CO dar₂ und äquivalente Treibhausgasemissionen, die mit der Stromversorgung eines Rechenzentrums verbunden sind, ausgehend von einer Basismessung des CFP größer oder gleich Null. Dies ist eine entscheidende Kennzahl zur Messung der Umweltauswirkungen des Rechenzentrumsbetriebs.
• Stromverbrauchseffektivität (PUE): Eine weitere wichtige Kennzahl ist die Effektivität des Stromverbrauchs. PUE misst die Energieeffizienz eines Rechenzentrums und wird berechnet, indem die Gesamtenergie der Anlage durch die von der IT-Ausrüstung verbrauchte Energie dividiert wird. Diese Aufteilung ergibt ein Verhältnis, das die Effizienz angibt: Ein PUE nahe 1 (eins) bedeutet eine hohe Effizienz, während höhere Werte auf eine größere Energieverschwendung hinweisen.
  Formel: PUE = (Gesamtenergie der Anlage)/(von IT-Geräten verbrauchte Energie)
• Kohlenstoffintensität (CI): Zuletzt betrachten wir die Kohlenstoffintensität. CI misst die Kohlenstoffemissionen in Gramm pro Kilowattstunde (g/kWh) der Netzstromerzeugung, die das Rechenzentrum mit Strom versorgt. Diese Kennzahl variiert je nach Energiequelle. Kohlebetriebene Netze können einen CI von mehr als 1,000 g/kWh haben, während Netze, die mit erneuerbaren Quellen wie Wind und Sonne betrieben werden, einen CI haben sollten, der näher bei Null liegt. (Solarmodule verfügen über einen gewissen Anteil an CFP, sind aber im Vergleich zu fossilen Brennstoffen weitaus geringer.)

Betrachten wir eine große Kundenherausforderung. Jede Organisation ist bestrebt, Netto-Null-Emissionen zu erreichen, und die IT spielt eine entscheidende Rolle bei der Umsetzung der Nachhaltigkeitsagenda. Dies kann die Reduzierung des CO2-Fußabdrucks des IT-Bereichs selbst umfassen – was insbesondere für Finanzkunden mit hohen IT-bedingten Emissionen relevant ist – oder die Schaffung einer nachhaltigen Plattform, die auf grüner IT läuft.

Ein Schwerpunkt liegt auf älteren monolithischen Anwendungen, die typischerweise auf VM-basierten Plattformen in lokalen Rechenzentren oder öffentlichen Clouds laufen. Es stellt sich eine entscheidende Frage: Wie können wir den IT-Ressourcenverbrauch dieser älteren monolithischen Anwendungen reduzieren, die im Allgemeinen 20–30 % des gesamten IT-Portfolios ausmachen? Es ist energieeffizienter, von VM-basierten monolithischen Anwendungen zu einer energieeffizienteren, Microservice-basierten Architektur überzugehen, die auf einer Containerplattform ausgeführt wird. Es ist jedoch wichtig, jeden Fall einzeln zu bewerten, da ein einheitlicher Ansatz nicht immer effektiv ist.

Diese Kriterien können zur Auswahl von Kandidaten für die Anwendungstransformation verwendet werden:

• Bewerbungen mit mehr als 70% -80% CPU-Auslastung

• Anwendungen erleben saisonale Spitzen bei Transaktionen, etwa rund um Heiligabend, Diwali und andere Feiertage

• Bewerbungen mit tägliche Spitzen bei Transaktionen zu bestimmten Zeiten, z. B. beim Onboarding einer Fluggesellschaft am frühen Morgen oder in der Nacht

• Einige Geschäftskomponenten innerhalb monolithischer Anwendungen weisen Nutzungsspitzen auf

Ist-Zustandsanalyse monolithischer Apps

Betrachten Sie das Beispiel einer einfachen E-Store-Anwendung, die auf AWS in einer Elastic Compute Cloud (EC2)-VM ausgeführt wird. Diese Anwendung, ein e-CART, unterliegt saisonalen Arbeitslasten und wurde (Lift-and-Shift) von vor Ort auf eine AWS EC2-Instanz umgehostet. Monolithische Anwendungen wie diese bündeln alle Geschäftsfunktionen in einer einzigen einsetzbaren Einheit.

In der folgenden Tabelle werden die wichtigsten Merkmale von E-Store-Legacy-Anwendungen beschrieben.

Die CO2-Emissionen einer Arbeitslast stehen in direktem Zusammenhang mit dem Verbrauch von Ressourcen wie Computer, Speicher und Netzwerk, wobei die Computertechnologie häufig den größten Beitrag leistet. Dies variiert je nach Arbeitsbelastungsmerkmalen; In der Medien- oder Streaming-Branche beispielsweise verbrauchen die Datenübertragung über das Netzwerk und die Speicherung großer unstrukturierter Datensätze viel Energie.

Das Diagramm zeigt das Auslastungsmuster der CPU, wenn minimale Benutzeraktivität in der monolithischen Anwendung stattfindet, die in einer einzelnen EC2-Instanz ausgeführt wird.

Wir haben die Green IT Analyzer-Plattform verwendet, um eine CO2-Bilanzierung des Ist-Zustands der monolithischen Anwendung durchzuführen und sie mit dem Zielzustand derselben Anwendung zu vergleichen, als sie in eine Microservice-Architektur umgestaltet wurde, die darauf ausgeführt wird Amazon Elastic Kubernetes Services (EKS) Plattform.

Schritt 1: Umfassende COXNUMX-Fußabdruckanalyse monolithischer Anwendungen

Zunächst konzentrieren wir uns auf die Untersuchung des aktuellen CO2-Fußabdrucks einer monolithischen Arbeitslast unter verschiedenen Betriebsbedingungen. Dies liefert uns eine Grundlage für die Identifizierung von Verbesserungsmöglichkeiten.

Berechnen wir den geschätzten CO45-Fußabdruck für unsere monolithische Arbeitslast, wenn wir minimale Benutzertransaktionen und XNUMX % der CPU-Auslastung haben:

• PUE von USA Ost 1d AZ: 1.2
• CI: 415.755 Gramm CO2/kWh

A. Geschätzte CO2-Berechnung, wenn keine Benutzeraktivität stattfindet:

• Energieverbrauch: 9.76 g/W bei 45 % Auslastung
• Stunden für die gleiche Arbeitsbelastung: 300 Stunden
• Geschätzte CO300-Emissionen für XNUMX Stunden = PUE × CI × verbrauchte Energie durch Arbeitsbelastung
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 Gramm CO2e

B. Geschätzte CO500-Emissionen bei gleichzeitigen XNUMX Benutzern:

In einem Szenario, in dem Spitzentransaktionen gemäß nichtfunktionalen Anforderungen (NFR) erstellt wurden, um die Fähigkeit des Systems zu testen, tägliche Spitzen zu unterstützen, stieg die CPU-Auslastung bei gleichzeitiger Benutzeraktivität auf 80 %. Diese Situation löste einen automatischen Skalierungsregelsatz aus, der bei 80 % CPU-Auslastung aktiviert wurde. Die Regel stellt zusätzliche VMs bereit, um sicherzustellen, dass die Auslastung jeder VM unter 60 % bleibt. Der Load Balancer verteilt die Last dann effizient auf die vorhandenen und neuen VMs.

Durch die automatische Skalierung der neuen EC2-Instanzen wurde eine zusätzliche t2.large VM verfügbar, was zu einem Rückgang der durchschnittlichen Auslastung auf 40 % führte.

• Geschätzte CO300-Emissionen für dieses Szenario, wobei beide identischen VMs XNUMX Stunden lang laufen = PUE × CI × durch Arbeitslast verbrauchte Energie
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 Gramm CO2e

Schritt 2: Nachhaltigkeitsempfehlungen umsetzen

In diesem Schritt werden eine Reihe von Nachhaltigkeitsempfehlungen und deren praktische Umsetzung für die monolithische Anwendung untersucht. Als Leitfaden für diese Empfehlungen verwenden wir die Bewertung der benutzerdefinierten Linse für Nachhaltigkeit.

Zunächst erwägen wir die Zerlegung monolithischer Anwendungen in aktionsbasierte reaktive Mikrodienste. Dieser Ansatz ist auf das saisonale Verhalten und die unterschiedlichen Nutzungsmuster der Anwendung zugeschnitten, was besonders in Spitzenzeiten wie Feiertagen nützlich ist, wenn der Datenverkehr stark ansteigt und ein Schwerpunkt auf Browsing-Artefakten gegenüber Backend-Transaktionen zu beobachten ist.

Zweitens sieht der Plan vor, den Energieverbrauch zu senken, indem die Stapelverarbeitung während der Leerlaufzeiten geplant wird, insbesondere wenn das Netz des Rechenzentrums mit grüner Energie betrieben wird. Dieser Ansatz zielt darauf ab, Strom zu sparen, indem die Dauer lang laufender Transaktionen minimiert wird.

Schließlich betont die Strategie, wie wichtig es ist, eine flexible Plattform wie AWS EKS oder Red Hat® OpenShift® on AWS (ROSA) zu wählen, die in der Lage ist, Ressourcen basierend auf dem Netzwerkverkehr dynamisch zu skalieren. Eine solche Plattformwahl trägt dazu bei, eine optimierte Ressourcenzuweisung sicherzustellen und ist für das Hosten der aktionsbasierten reaktiven Mikrodienste von Vorteil.

Zusammenfassend umfassen die vorgeschlagenen Strategien eine an Nutzungsmustern ausgerichtete Zerlegung von Mikrodiensten, eine energiebewusste Transaktionsplanung und eine flexible Plattformauswahl zur Verbesserung der Anwendungseffizienz und Ressourcennutzung.

Die in Microservices umgestaltete Anwendung ist im Bild dargestellt:

Berechnen wir nun den CO2-Ausstoß nach der Umwandlung der monolithischen Anwendung in eine auf Microservices basierende Architektur nach nachhaltigen Designprinzipien und der Umgestaltung der Anwendung im Rahmen einer nachhaltigen Modernisierung.

A. Geschätzte CO2-Bilanzierung ohne oder mit wenigen Belastungen:

• Worker-Knoten: 2 × t2.medium
• Auslastung: 10 % (wenn die Anwendung nicht belastet wird)
• Energieverbrauch: 6 g/W bei 5 % Auslastung
• PUE (1.2) und CI (415.755 Gramm CO).₂/kWh) bleiben gleich, da wir weiterhin dieselbe Verfügbarkeitszone nutzen.
• Öffnungszeiten: 300
• Geschätzte CO300-Emissionen für XNUMX Stunden = PUE × CI × Energieverbrauch pro Arbeitslast
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 Gramm CO₂e

Beobachtungen: Wenn das System nicht ausgelastet ist, ist eine Anwendung, die auf einer VM ausgeführt wird, CO2-effizienter als Mikrodienste, die auf einem EKS-Cluster ausgeführt werden.

B. Geschätzte CO2-Bilanzierung bei Spitzenlast:

Ähnlich wie beim Lasttest monolithischer Anwendungen haben wir 500 Benutzer eingebunden und gleichzeitige Transaktionen ausgelöst, um die NFR-Anforderungen in den von uns erstellten Microservices zu erfüllen.

• Worker-Knoten: 2 × t2.medium
• Erhöhte Auslastung durch Auslastung: 10 % bis 20 %
• Energieverbrauch: 7.4 g/W bei 20 % Auslastung
• PUE und CI bleiben gleich.
• Öffnungszeiten: 300
• Geschätzte CO300-Emissionen für XNUMX Stunden = PUE × CI × Energieverbrauch pro Arbeitslast
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 Gramm CO₂e

Hier erfolgte eine automatische Skalierung von Pods für UI-Dienste, für die Skalierung von Warenkorbdiensten waren jedoch keine weiteren Ressourcen erforderlich. Bei monolithischen Anwendungen ist eine Skalierung der gesamten Plattform erforderlich, unabhängig davon, welche Geschäftsfunktionen oder Dienste mehr Ressourcen erfordern, was zu einer höheren Auslastung von 20 % führt.

Beobachtungen: Vergleichen wir beide Szenarien.

1. Wenn das System im Leerlauf ist oder über die gesamte Uhr hinweg ein konstantes Lastprofil aufweist: Wenn fast keine Last vorhanden ist, verbrauchen monolithische Anwendungen weniger Ressourcen und emittieren fast weniger 18% weniger CO2 als auf Microservices basierende Anwendungen, die im EKS-Cluster gehostet werden.
2. Wenn das System unter Volllast oder wechselnder Last steht: Wenn das System voll ausgelastet ist, gibt es eine 24% Reduktion von CO₂ -Emissionen auf der Kubernetes-Plattform im Vergleich zu einer VM-basierten Arbeitslast. Dies liegt an der Verwendung von weniger Kernen und einer geringeren Auslastung. Wir können mehr Arbeitslasten im selben Cluster verschieben und mehr Kerne von anderen Anwendungen freigeben, um größere Vorteile zu erzielen.

Dieses Szenario ist ein Beispiel dafür, wie IBM^® Die individuelle Linsenbewertung für die Arbeitslast „Sustainability on AWS“ hilft dabei, Ihren nachhaltigen Modernisierungspfad zu entwerfen und den gesamten CO2-Fußabdruck Ihres IT-Bestands zu reduzieren.

Aktionsleitfaden

Für Unternehmen, die Wert auf Nachhaltigkeit legen, sind verantwortungsvolle Datenverarbeitung und grüne IT nicht nur von entscheidender Bedeutung; sie sind durchaus machbar. IT-Führungskräfte können diese Ziele erreichen, indem sie umweltfreundliche Aktivitäten verfolgen, die IT-Strategie, -Betrieb und -Plattformen umfassen.

• Machen Sie Ihre IT-Plattformen umweltfreundlicher: Verwenden Sie Refactoring, um Anwendungen in die öffentliche Cloud zu migrieren. Die Migration von Arbeitslasten in die öffentliche Cloud, ohne sie für diese Umgebung zu optimieren, kann die Betriebskosten erhöhen und die Nachhaltigkeit verringern. Verbessern Sie stattdessen die Workloads, um sie cloudnativer zu gestalten, indem Sie Anwendungen basierend auf Faktoren wie Lebenszyklus, Aktualisierungs- und Bereitstellungshäufigkeit und Geschäftskritikalität umgestalten.
• Optimierung der ungenutzten VM-Kapazität und anderer ungenutzter Cloud-Ressourcen: Ermöglichen Sie die Beobachtbarkeit auf Infrastrukturebene, um inaktive VMs in Ihrem gesamten IT-Bereich zu identifizieren. Implementieren Sie eine regelbasierte Automatisierung, um Korrekturmaßnahmen zu ergreifen, z. B. das Löschen inaktiver VMs und zugehöriger Ressourcen, die keine Geschäftsfunktionen mehr erfüllen. Optimieren Sie außerdem die VM-Größe basierend auf dem Netzwerkverkehr durch automatische Skalierung.
• Ressourcen bei Bedarf erstellen: Obwohl Cloud-Ressourcen elastisch sind, erzielen Sie begrenzte Effizienzvorteile, wenn Sie Arbeitslasten auf festen Ressourcen bereitstellen, die unabhängig von der Nutzung kontinuierlich ausgeführt werden. Identifizieren Sie Möglichkeiten zum Bereitstellen und Löschen von Ressourcen nach Bedarf, z. B. durch die Verwendung von VM-Planung oder elastischen Funktionen innerhalb von Cloud-Diensten.
• Containerisierung von Arbeitslasten: Durch die Verwendung einer Containerplattform anstelle einer herkömmlichen VM-Umgebung können Sie die jährlichen Infrastrukturkosten um bis zu reduzieren 75%. Containerplattformen ermöglichen eine effiziente Planung von Containern in einem Cluster von VMs basierend auf deren Ressourcenanforderungen.
• Modernisieren Sie Ihre monolithischen Anwendungen auf eine auf Microservices basierende Architektur: Wählen Sie reaktive Microservices entsprechend Ihren Anforderungen aus: reaktive Microservices für ereignisbasierte Aufrufe zur Optimierung der Ressourcennutzung, ereignisgesteuerte Microservices für asynchrone Aufrufe oder serverlose Microservices für die bedarfsgerechte Ausführung einer einzelnen Funktion.

Das IBM Consulting Green IT Transformation Framework, Custom Lens for Sustainability und die Green IT Analyzer-Plattform unterstützen Kunden gemeinsam auf ihrem Weg zur Dekarbonisierung. Beide Frameworks helfen dabei, Arbeitslasten zu bewerten, Optimierungshebel zu identifizieren, die den Energieverbrauch senken können, und eine Roadmap für die Anwendungsmodernisierung zu erstellen, mit der Sie Ihre Nachhaltigkeitsziele erreichen können.

Erfahren Sie mehr über IBM Consulting Services für AWS Cloud.