Säästva moderniseerimise kiirendamine rohelise IT-analüsaatoriga AWS-is – IBMi ajaveebi

Ettevõtted võtavad üha enam omaks andmemahuka töökoormuse, sealhulgas suure jõudlusega andmetöötluse, tehisintellekti (AI) ja masinõppe (ML). Need tehnoloogiad juhivad innovatsiooni oma hübriid-, mitmepilvereisidel, keskendudes samal ajal vastupidavusele, jõudlusele, turvalisusele ja vastavusele. Samuti püüavad ettevõtted seda uuendust tasakaalustada kasvavate keskkonna-, sotsiaal- ja juhtimiseeskirjadega (ESG). Enamiku organisatsioonide jaoks on IT-toimingud ja moderniseerimine osa ESG eesmärgist ning vastavalt hiljutine Foundry uuring, umbes 60% organisatsioonidest otsib rohetehnoloogia valdkondadele spetsialiseerunud teenusepakkujaid.

Kuna süsinikdioksiidi heitkoguste aruandlus muutub kogu maailmas tavaliseks, on IBM pühendunud aitama oma kliente teha teadlikke otsuseid, mis aitavad rahuldada nende energiavajadust ja sellega seotud süsinikdioksiidi mõju, vähendades samal ajal kulusid. Jätkusuutlikumate IT-ettevõtete ehitamiseks on IBM teinud koostööd Amazon Web Servicesiga (AWS), et hõlbustada jätkusuutlikke pilve ajakohastamise teekondi.

Kuna ettevõtted kiirendavad oma IT moderniseerimist, et kiirendada digitaalset ümberkujundamist ja saada ärieelist, avaneb märkimisväärne võimalus. See võimalus hõlmab IT-keskkondade ja rakenduste portfellide ümberkujundamist rohelisema ja jätkusuutlikuma disaini suunas. Selline lähenemisviis mitte ainult ei suurenda kulutõhusust, vaid aitab kaasa ka laiemate ettevõtte jätkusuutlikkuse eesmärkide saavutamisele.

Digitehnoloogia süsinikuheite mõistmine

Kõik ärirakendused, mida IBM loob ja käitab nii välis- kui ka siseklientide jaoks, on kaasas a süsiniku hind, mis on eelkõige tingitud elektritarbimisest. Sõltumata tehnoloogiast, mida IBM nende rakenduste või teenuste arendamiseks kasutas, nõuab nende käitamine energiat tarbivat riistvara.
Võrguelektri poolt toodetud süsinikdioksiidi (CO2) heitkogused sõltuvad tootmismeetoditest. Fossiilsed kütused, nagu kivisüsi ja gaas, eraldavad märkimisväärses koguses süsinikku, samas kui taastuvad allikad, nagu tuul või päike, eraldavad vähesel määral. Seega aitab iga tarbitud elektrienergia kilovatt (kW) otseselt kaasa teatud CO2 ekvivalendi (CO2e) atmosfääri paiskamisele.

Seetõttu vähendab elektritarbimise vähendamine otseselt süsinikdioksiidi heitkoguseid.

Süsiniku jalajälg praktikas

Arvutus, salvestamine ja võrgundus on olulised tehnoloogilised ressursid, mis tarbivad rakenduste ja teenuste loomise protsessis energiat. Nende tegevus nõuab nende andmekeskuste ruumide aktiivset jahutamist ja haldamist, kus nad tegutsevad. Jätkusuutlike IT-tavade hoidjatena peame mõtlema, kuidas saaksime igapäevaste tegevustega ressursside tarbimist vähendada.

Andmekeskused ammutavad voolu võrgust, mis varustab nende tööpiirkonda. See toide töötab mitmesuguste IT-seadmetega, nagu serverid, võrgulülitid ja salvestusruum, mis omakorda toetavad rakendusi ja teenuseid klientidele. See toide töötab ka abisüsteemidega, nagu küte, ventilatsioon ja kliimaseade või jahutus, mis on hädavajalikud keskkonna säilitamiseks, mis hoiab riistvara tööpiirangutes.

Tee CO2-heite vähendamiseks

Rakenduste moderniseerimine muutub innovatsiooni edendamisel ja ettevõtete ümberkujundamisel keskseks. IBM Consulting® rakendab AWS-i hästiarhitekteeritud raamistikku, et luua jätkusuutlikkuse jaoks kohandatud objektiiv, et teostada rakenduste töökoormuse hindamisi nii ruumides kui ka AWS-i pilves. IBM Consulting® Custom Lens for Sustainability muude peamiste stsenaariumide ja sisenemispunktide kohta lugemiseks vaadake ajaveebi postitust: Rakenduste jätkusuutlik moderniseerimine AWS-i pilve abil.

Selles ajaveebi postituses käsitleme süvaanalüüsi, et hinnata, rakendada soovitusi ja analüüsida AWS-is töötava monoliitse rakenduse süsinikdioksiidi heitkoguste mõju jätkusuutlikkuse objektiivi kaudu.

Roheline IT-analüsaator: kõikehõlmav IT dekarboniseerimisplatvorm

Green IT Analyzeri platvorm võimaldab klientidel muuta oma traditsioonilise IT energiatõhusamaks ja säästvamaks roheliseks IT-ks. Toimides ühtse teeninduspunktina, see mõõdab, esitab aruandeid, loob lähtealused ja annab ühtse armatuurlaua vaate süsiniku jalajäljest hübriidpilvekeskkonnas, sealhulgas privaatsetes andmekeskustes, avalikus pilves ja kasutajaseadmetes. Platvorm suudab mõõta IT-objekti süsiniku jalajälge nii granuleeritud kui ka virtuaalse masina (VM) tasemel. See aitab tuvastada energia või süsiniku levialasid, et töötada välja optimeerimise tegevuskava. Süsinikdioksiidi hindamise tehnika, mida see kasutab, ühtib sellega kasvuhoonegaas (GHG) info- ja kommunikatsioonitehnoloogia sektori põhimõtted.

Asukohapõhine metoodika

IT töökoormusest tuleneva süsinikuheite mõistmine nõuab mitme põhimõiste ja mõõdiku tundmist. Siin on kõrgetasemeline ülevaade:

• Süsiniku jalajälg (CFP): Süsiniku jalajälje kontseptsioon on meie analüüsis kesksel kohal. CFP esindab CO koguhulka₂ ja samaväärsed kasvuhoonegaaside heitkogused, mis on seotud andmekeskuse toitega, alustades CFP algtaseme mõõtmisest, mis on suurem või võrdne nulliga. See on ülioluline mõõdik andmekeskuse toimimise keskkonnamõju hindamisel.
• Energiakasutuse efektiivsus (PUE): Teine kriitiline mõõdik on energiakasutuse tõhusus. PUE mõõdab andmekeskuse energiatõhusust, mis arvutatakse rajatise koguenergia jagamisel IT-seadmete tarbitud energiaga. See jaotus annab suhtarvu, mis näitab tõhusust: 1-le (ühele) lähedane PUE tähendab suurt tõhusust, samas kui suuremad väärtused viitavad suuremale energiaraiskamisele.
  Valem: PUE = (rajatise koguenergia)/(IT-seadmete tarbitud energia)
• Süsiniku intensiivsus (CI): Lõpuks võtame arvesse süsiniku intensiivsust. CI mõõdab andmekeskuse toitevõrgu elektritootmise süsinikdioksiidi heitkoguseid grammides kilovatt-tunni kohta (g/kWh). See mõõdik varieerub sõltuvalt energiaallikast. Kivisöel töötavate võrkude CI võib olla suurem kui 1,000 g/kWh, samas kui taastuvatest allikatest (nt tuule- ja päikeseenergia) toitega võrkude CI peaks olema nullile lähemal. (Päikesepaneelidel on osa CFP-st, kuid võrreldes fossiilkütustega palju vähem.)

Vaatleme suurt kliendi väljakutset. Iga organisatsioon on pühendunud nullheitmete saavutamisele ja IT-l on jätkusuutlikkuse tegevuskava saavutamisel ülitähtis roll. See võib hõlmata IT-maja enda süsinikujalajälje vähendamist – see on eriti oluline suurte IT-põhiste heitkogustega finantsklientide jaoks – või säästva platvormi loomist, mis töötab rohelisel IT-l.

Peamine fookusvaldkond on vanemad monoliitsed rakendused, mis töötavad tavaliselt VM-põhistel platvormidel kas kohapealsetes andmekeskustes või avalikes pilvedes. Tekib ülioluline küsimus: kuidas saaksime vähendada IT-ressursside tarbimist nende vanemate monoliitsete rakenduste puhul, mis üldiselt omavad 20–30% kogu IT-portfellist? Energiasäästlikum on liikuda VM-põhistelt monoliitsetelt rakendustelt energiasäästlikuma mikroteenusepõhise arhitektuuri poole, mis töötab konteinerplatvormil. Siiski on oluline hinnata iga juhtumit eraldi, kuna kõigile sobiv lähenemisviis ei ole alati tõhus.

Neid kriteeriume saab kasutada rakenduse teisenduskandidaatide valimiseks:

• Rakendused, millel on rohkem kui 70% –80% Protsessori kasutamine

• Kogevad rakendused hooajalised naelu tehingutes, näiteks jõululaupäeva, Diwali ja muude riiklike pühade ajal

• Rakendused rakendusega tehingute igapäevased hüpped kindlatel kellaaegadel, näiteks varahommikul või õhtul lennuki pardaleminekul

• Mõned monoliitsete rakenduste ärikomponendid, millel on kasutuse naelu

Monoliitsete rakenduste oleku analüüs

Vaatleme näidet lihtsast e-poe rakendusest, mis töötab AWS-is Elastic Compute Cloud (EC2) VM-is. See rakendus, e-CART, kogeb hooajalist töökoormust ja on ümber hostitud (lift-and-shift) ruumides AWS EC2 eksemplari. Monoliitsed rakendused, nagu see, koondavad kõik ärifunktsioonid ühte juurutatavasse üksusesse.

Järgmine tabel kirjeldab e-poe pärandrakenduste põhiomadusi.

Töökoormuse süsinikuheitmed on otseselt seotud selliste ressursside tarbimisega nagu andmetöötlus, salvestusruum ja võrgud, kusjuures andmetöötlus on sageli kõige olulisem panus. See varieerub sõltuvalt töökoormuse omadustest; näiteks meedias või voogedastustööstuses kulutab andmeedastus võrgu kaudu ja suurte struktureerimata andmekogumite salvestamine märkimisväärselt energiat.

Graafik näitab protsessori kasutusmustrit, kui ühes EC2 eksemplaris töötavas monoliitses rakenduses toimub minimaalne kasutaja tegevus.

Kasutasime platvormi Green IT Analyzer, et viia läbi monoliitse rakenduse praeguse oleku süsinikuarvestus, võrreldes seda sama rakenduse sihtolekuga, kui see on ümber kujundatud mikroteenuse arhitektuuriks, mis töötab Amazon Elastic Kubernetes Services (EKS) platvormi.

1. samm: monoliitsete rakenduste põhjalik süsiniku jalajälje analüüs

Esiteks keskendume monoliitse töökoormuse praeguse süsiniku jalajälje uurimisele erinevates töötingimustes. See annab meile lähtealuse parandamist vajavate valdkondade väljaselgitamiseks.

Arvutame oma monoliitse töökoormuse hinnangulise süsiniku jalajälje, kui meil on minimaalselt kasutajatehinguid ja 45% protsessori kasutusest:

• USA idaosa PUE 1d AZ: 1.2
• CI: 415.755 grammi CO2/kWh

A. Prognoositav süsiniku arvutamine, kui kasutaja tegevus puudub:

• Tarbitud energia: 9.76 g/W @ 45% kasutuse juures
• Töötunnid sama töökoormusega: 300 tundi
• Hinnanguline süsinikuheide 300 tunni jooksul = PUE × CI × töökoormusega kulutatud energia
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 grammi CO2e

B. Hinnanguline süsinikuheide 500 samaaegse kasutajaga:

Stsenaariumi korral, kus tipptasemel tehingud loodi vastavalt mittefunktsionaalsetele nõuetele (NFR), et testida süsteemi võimet toetada igapäevaseid tippe, tõusis protsessori kasutamine samaaegse kasutajategevuse ajal 80%-ni. See olukord käivitas automaatse skaleerimise reegli, mis aktiveeriti 80% protsessori kasutuse juures. Reegel näeb ette lisa-VM-id, mis aitavad tagada, et iga VM-i koormus jääb alla 60%. Seejärel jaotab koormuse tasakaalustaja koormuse tõhusalt nii olemasolevate kui ka uute VM-ide vahel.

Tänu uute EC2 eksemplaride automaatsele skaleerimisele sai kättesaadavaks täiendav t2.large VM, mis tõi kaasa keskmise kasutuse languse 40%-ni.

• Selle stsenaariumi hinnanguline süsinikdioksiidi heitkogus, kus mõlemad identsed VM-id töötavad 300 tundi = PUE × CI × töökoormusega kulutatud energia
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 grammi CO2e

2. samm: jätkusuutlikkuse soovituste rakendamine

Selles etapis uuritakse mitmesuguseid jätkusuutlikkuse soovitusi ja nende praktilist rakendamist monoliitse rakenduse jaoks. Nende soovituste juhendamiseks kasutame kohandatud objektiivi jätkusuutlikkuse hindamist.

Esiteks kaalume monoliitsete rakenduste lagundamist tegevuspõhisteks reaktiivseteks mikroteenusteks. See lähenemine on kohandatud rakenduse hooajalise käitumise ja erinevate kasutusmustritega, mis on eriti kasulik tippperioodidel, näiteks pidulikel aastaaegadel, kui liiklus suureneb ja keskendutakse artefaktide sirvimisele taustatehingutega võrreldes.

Teiseks hõlmab plaan energiatarbimise vähendamist, ajastades paketttöötluse jõudeoleku perioodidel, eriti kui andmekeskuse võrk töötab rohelisel energial. Selle lähenemisviisi eesmärk on säästa energiat, vähendades pikaajaliste tehingute kestust.

Lõpuks rõhutab strateegia paindliku platvormi, näiteks AWS EKS või Red Hat® OpenShift® on AWS (ROSA) valimise tähtsust, mis on võimeline võrguliikluse alusel ressursse dünaamiliselt skaleerima. Selline platvormivalik aitab tagada ressursside optimeeritud jaotamise ja on kasulik tegevuspõhiste reaktiivsete mikroteenuste majutamiseks.

Kokkuvõttes hõlmavad pakutud strateegiad mikroteenuste lagundamist, mis on kooskõlas kasutusharjumustega, energiateadliku tehingute ajakava ja paindliku platvormi valiku, et suurendada rakenduste tõhusust ja ressursside kasutamist.

Mikroteenusteks ümber kujundatud rakendus on näidatud pildil:

Nüüd arvutame süsinikdioksiidi heitkogused pärast monoliitse rakenduse muutmist mikroteenustepõhiseks arhitektuuriks, järgides säästva disaini põhimõtteid, samal ajal kui rakendust säästva moderniseerimise all muudetakse.

A. Hinnanguline süsiniku arvestus ilma koormuseta või vähese koormusega:

• Töötaja sõlm: 2 × t2.keskmine
• Kasutus: 10% (kui rakendusel pole koormust)
• Tarbitud energia: 6 g/W 5% kasutuse juures
• PUE (1.2) ja CI (415.755 grammi CO₂/kWh) jäävad samaks, kuna kasutame jätkuvalt sama kättesaadavustsooni.
• Tööaeg: 300 XNUMX
• Hinnanguline süsinikuheide 300 tunni jooksul = PUE × CI × töökoormusega kulutatud energia
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 grammi CO₂e

Märkused: Kui süsteemil pole koormust, on VM-is töötav rakendus süsinikusäästlikum kui EKS-klastris töötavad mikroteenused.

B. Hinnanguline süsiniku arvestus tippkoormuse ajal:

Sarnaselt monoliitsete rakenduste koormustestimisele kaasasime 500 kasutajat ja käivitasime samaaegsed tehingud, et täita meie loodud mikroteenustes NFR-i nõudeid.

• Töötaja sõlm: 2 × t2.keskmine
• Suurenenud kasutamine koormusest: 10% kuni 20%
• Tarbitud energia: 7.4 g/W 20% kasutuse juures
• PUE ja CI jäävad samaks.
• Tööaeg: 300 XNUMX
• Hinnanguline süsinikuheide 300 tunni jooksul = PUE × CI × töökoormusega kulutatud energia
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 grammi CO₂e

Siin toimus kasutajaliidese teenuste puhul kaustade automaatne skaleerimine, kuid ostukorviteenused ei vajanud suurendamiseks rohkem ressursse. Monoliitsetes rakendustes on kogu platvormi suurendamine vajalik sõltumata sellest, millised ärifunktsioonid või teenused nõuavad rohkem ressursse, mis toob kaasa 20% suurema kasutuse.

Märkused: Võrdleme mõlemat stsenaariumi.

1. Kui süsteem on jõude või sellel on kogu kellaajal stabiilne koormusprofiil: Kui koormust peaaegu pole, tarbivad monoliitsed rakendused vähem ressursse ja tekitavad peaaegu emissiooni 18% vähem süsinikku kui EKS-klastris hostitud mikroteenustel põhinevad rakendused.
2. Kui süsteem on täiskoormusel või muutuva koormusega: Kui süsteem on täiskoormusel, on a 24% CO vähenemine₂ heitkogused Kubernetese platvormil võrreldes VM-põhise töökoormusega. Selle põhjuseks on vähem tuumade kasutamine ja väiksem kasutus. Saame teisaldada rohkem töökoormusi samas klastris ja vabastada teistest rakendustest rohkem tuumasid, et saada suuremaid eeliseid.

See stsenaarium on näide sellest, kuidas IBM^® Kohandatud objektiivi jätkusuutlikkuse hindamine AWS-i töökoormusel aitab kavandada teie jätkusuutlikku moderniseerimist ja vähendada teie IT-objekti süsiniku jalajälge.

Tegevusjuhend

Jätkusuutlikkust väärtustavate organisatsioonide jaoks pole vastutustundlik andmetöötlus ja roheline IT vaid elutähtsad; need on täiesti teostatavad. IT-juhid saavad need eesmärgid saavutada, tehes keskkonnasõbralikke tegevusi, mis hõlmavad IT-strateegiat, toiminguid ja platvorme.

• Oma IT-platvormide rohelisemaks muutmine: kasutage rakenduste avalikku pilve üleviimiseks ümbertegemist. Töökoormuste üleviimine avalikku pilve ilma neid selle keskkonna jaoks optimeerimata võib suurendada tegevuskulusid ja vähendada jätkusuutlikkust. Selle asemel suurendage töökoormust pilvepõhiseks, muutes rakendused ümber selliste tegurite alusel nagu nende elutsükkel, värskendamise ja juurutamise sagedus ning ärikriitilisus.
• VM-i jõudeoleku ja muude kasutamata pilveressursside optimeerimine: lubage infrastruktuuri tasemel vaadeldavus, et tuvastada jõudeolevaid virtuaalseid masinaid kogu teie IT-varas. Rakendage reeglitel põhinevat automatiseerimist, et võtta parandusmeetmeid, näiteks kustutada jõudeolevad virtuaalsed masinad ja nendega seotud vahendid, mis enam ärifunktsioone ei teeninda. Lisaks optimeerige automaatse skaleerimise abil VM-i suuruse määramist võrguliikluse alusel.
• Vajadusel ressursside loomine: Kuigi pilveressursid on elastsed, saate piiratud tõhususe eeliseid, kui juurutate töökoormuse püsiressurssidele, mis töötavad pidevalt, olenemata kasutusest. Tuvastage vajaduse korral ressursside varustamise ja kustutamise võimalused, näiteks VM-i ajastamise või pilveteenuste elastsete funktsioonide kasutamine.
• Töökoormuste mahutamine: kasutades traditsioonilise VM-keskkonna asemel konteinerplatvormi, saate vähendada iga-aastaseid infrastruktuurikulusid kuni 75%. Konteinerite platvormid võimaldavad konteinerite tõhusat ajastamist VM-i klastris nende ressursinõuete alusel.
• Oma monoliitsete rakenduste moderniseerimine mikroteenustepõhiseks arhitektuuriks: Valige oma vajadustest lähtuvalt reaktiivsed mikroteenused: reaktiivsed mikroteenused sündmusepõhiseks kutsumiseks, et optimeerida ressursside kasutamist, sündmustepõhised mikroteenused asünkroonseks kutsumiseks või serverita mikroteenused ühe funktsiooni vajaduspõhiseks täitmiseks.

IBM Consulting Green IT Transformation raamistik, Custom Lens for Sustainability ja Green IT Analyzer platvorm aitavad ühiselt kliente nende dekarboniseerimise teekonnal. Mõlemad raamistikud aitavad hinnata töökoormust, tuvastada optimeerimishoobasid, mis võivad vähendada energiatarbimist, ja luua rakenduste moderniseerimise tegevuskava, mis võimaldab teil saavutada oma jätkusuutlikkuseesmärke.

Vaadake lisateavet AWS Cloudi IBM Consulting teenuste kohta.