Accélérer la modernisation durable avec Green IT Analyzer sur AWS – IBM Blog

Les entreprises adoptent de plus en plus de charges de travail gourmandes en données, notamment le calcul haute performance, l'intelligence artificielle (IA) et l'apprentissage automatique (ML). Ces technologies stimulent l'innovation dans leurs parcours hybrides et multicloud tout en se concentrant sur la résilience, les performances, la sécurité et la conformité. Les entreprises s’efforcent également d’équilibrer cette innovation avec des réglementations environnementales, sociales et de gouvernance (ESG) croissantes. Pour la plupart des organisations, les opérations informatiques et la modernisation font partie de leur objectif ESG et, selon une enquête récente de Foundry, environ 60 % des organisations recherchent des prestataires de services spécialisés dans les domaines des technologies vertes.

Alors que les rapports sur les émissions de carbone deviennent courants dans le monde entier, IBM s'engage à aider ses clients à prendre des décisions éclairées qui peuvent les aider à répondre à leurs demandes énergétiques et à l'impact carbone associé tout en réduisant les coûts. Pour aider à créer des parcs informatiques plus durables, IBM s'est associé à Amazon Web Services (AWS) pour faciliter les parcours de modernisation du cloud durable.

Alors que les entreprises accélèrent leur modernisation informatique pour accélérer leur transformation numérique et obtenir un avantage commercial, une opportunité importante apparaît. Cette opportunité implique la réarchitecture des environnements informatiques et des portefeuilles d'applications vers des conceptions plus écologiques et plus durables. Une telle approche génère non seulement des économies de coûts, mais contribue également aux objectifs plus larges de développement durable de l’entreprise.

Comprendre les émissions carbone du numérique

Toutes les applications métier qu'IBM crée et exécute, que ce soit pour des clients externes ou internes, sont accompagnées d'un coût carbone, qui est principalement dû à la consommation d’électricité. Quelle que soit la technologie utilisée par IBM pour développer ces applications ou services, leur fonctionnement nécessite un matériel consommateur d'énergie.
Les émissions de dioxyde de carbone (CO2) produites par le réseau électrique varient en fonction des méthodes de production. Les combustibles fossiles tels que le charbon et le gaz émettent des quantités importantes de carbone, tandis que les sources renouvelables telles que l’énergie éolienne ou solaire en émettent des quantités négligeables. Ainsi, chaque kilowatt (kW) d’électricité consommé contribue directement à une quantité spécifique d’équivalent CO2 (CO2e) rejetée dans l’atmosphère.

Par conséquent, réduire la consommation d’électricité entraîne directement une diminution des émissions de carbone.

L'empreinte carbone en pratique

Le calcul, le stockage et la mise en réseau sont les ressources technologiques essentielles qui consomment de l'énergie lors du processus de création d'applications et de services. Leur activité nécessite un refroidissement et une gestion actifs des espaces des centres de données dans lesquels ils opèrent. En tant que gardiens de pratiques informatiques durables, nous devons réfléchir à la manière dont nous pouvons réduire la consommation de ressources dans nos activités quotidiennes.

Les centres de données tirent leur énergie du réseau qui alimente leur région opérationnelle. Cette puissance fait fonctionner divers équipements informatiques tels que des serveurs, des commutateurs réseau et du stockage, qui à leur tour prennent en charge les applications et les services destinés aux clients. Cette puissance fait également fonctionner des systèmes auxiliaires tels que le chauffage, la ventilation et la climatisation ou le refroidissement, qui sont essentiels au maintien d'un environnement qui maintient le matériel dans les limites opérationnelles.

Une voie à suivre vers la décarbonisation

Moderniser les applications devient essentiel pour stimuler l’innovation et transformer les entreprises. IBM Consulting® applique le cadre AWS Well-Architected pour créer une optique personnalisée de durabilité afin d'effectuer des évaluations de charge de travail pour les applications sur site et sur le cloud AWS. Pour en savoir plus sur d'autres scénarios clés et points d'entrée d'IBM Consulting® Custom Lens for Sustainability, consultez l'article de blog : Modernisation durable des applications à l'aide du cloud AWS.

Dans cet article de blog, nous approfondissons une analyse approfondie pour évaluer, mettre en œuvre des recommandations et analyser les effets des émissions de carbone d'une application monolithique exécutée sur AWS dans une optique de durabilité.

Green IT Analyzer : une plateforme complète de décarbonation informatique

La plateforme Green IT Analyzer permet aux clients de transformer leur informatique traditionnelle en une informatique verte plus économe en énergie et plus durable. Faisant office de guichet unique, il mesure, rend compte, crée des références et fournit un tableau de bord unifié de l'empreinte carbone dans l'ensemble de l'environnement de cloud hybride, y compris les centres de données privés, le cloud public et les appareils des utilisateurs. La plateforme peut mesurer l'empreinte carbone du parc informatique à la fois au niveau granulaire et au niveau des machines virtuelles (VM). Il permet d’identifier les points chauds énergétiques ou carbone pour élaborer une feuille de route d’optimisation. La technique d’évaluation carbone qu’elle utilise s’aligne sur gaz à effet de serre (GES) principes pour le secteur des technologies de l’information et de la communication.

Méthodologie basée sur la localisation

Comprendre les émissions de carbone des charges de travail informatiques nécessite une familiarité avec plusieurs concepts et indicateurs clés. Voici un aperçu de haut niveau :

• Empreinte carbone (CFP): La notion d’empreinte carbone est au cœur de notre analyse. CFP représente la quantité totale de CO₂ et les émissions de GES équivalentes associées à l’alimentation d’un centre de données, à partir d’une mesure de référence de CFP supérieure ou égale à zéro. Il s’agit d’une mesure cruciale pour évaluer l’impact environnemental des opérations des centres de données.
• Efficacité de la consommation d'énergie (PUE): Une autre mesure critique est l’efficacité de la consommation d’énergie. Le PUE mesure l'efficacité énergétique d'un centre de données, calculée en divisant l'énergie totale de l'installation par l'énergie consommée par l'équipement informatique. Cette division donne un ratio qui indique l'efficacité : un PUE proche de 1 (un) signifie une efficacité élevée, tandis que des valeurs plus élevées suggèrent un gaspillage d'énergie plus important.
  Formule : PUE = (énergie totale de l'installation)/(énergie consommée par l'équipement informatique)
• Intensité carbone (IC): Enfin, nous considérons l’intensité carbone. CI mesure les émissions de carbone en grammes par kilowattheure (g/kWh) de production d'électricité du réseau qui alimente le centre de données. Cette métrique varie en fonction de la source d’énergie. Les réseaux alimentés au charbon peuvent avoir un IC supérieur à 1,000 XNUMX g/kWh, tandis que les réseaux alimentés par des sources renouvelables telles que l’éolien et le solaire devraient avoir un IC plus proche de zéro. (Les panneaux solaires ont un certain CFP incorporé, mais en ont beaucoup moins que les combustibles fossiles.)

Considérons un défi client majeur. Chaque organisation s’engage à atteindre zéro émission nette, et l’informatique joue un rôle crucial dans la réalisation du programme de développement durable. Cela peut impliquer de réduire l’empreinte carbone du parc informatique lui-même (ce qui est particulièrement pertinent pour les clients financiers ayant de fortes émissions liées à l’informatique) ou de créer une plateforme durable fonctionnant sur une informatique verte.

Les applications monolithiques plus anciennes, généralement exécutées sur des plates-formes basées sur des machines virtuelles dans des centres de données sur site ou dans des cloud publics, constituent un domaine d'intérêt clé. Une question cruciale se pose : comment pouvons-nous réduire la consommation de ressources informatiques de ces anciennes applications monolithiques, qui représentent généralement 20 à 30 % de l’ensemble du portefeuille informatique ? Il est plus économe en énergie de passer d’applications monolithiques basées sur des machines virtuelles à une architecture basée sur des microservices, plus économe en énergie, exécutée sur une plate-forme de conteneurs. Cependant, il est essentiel d’évaluer chaque cas individuellement, car une approche universelle n’est pas toujours efficace.

Ces critères peuvent être utilisés pour sélectionner les candidats à la transformation d'applications :

• Applications avec plus de 70% –80% Utilisation de l'UC

• Applications rencontrant pointes saisonnières dans les transactions, comme autour de la veille de Noël, de Diwali et d'autres jours fériés

• Applications avec pics quotidiens de transactions à des heures précises, comme l'embarquement d'une compagnie aérienne tôt le matin ou le soir

• Certains composants métier au sein d'applications monolithiques qui présentent des pics d'utilisation

Analyse de l'état tel quel des applications monolithiques

Prenons l'exemple d'une simple application de boutique en ligne exécutée sur AWS dans une machine virtuelle Elastic Compute Cloud (EC2). Cette application, un e-CART, subit des charges de travail saisonnières et a été réhébergée (lift-and-shift) du site vers une instance AWS EC2. Les applications monolithiques comme celle-ci regroupent toutes les fonctions commerciales dans une seule unité déployable.

Le tableau suivant décrit les principales caractéristiques des applications héritées de la boutique en ligne.

Les émissions de carbone d'une charge de travail sont directement liées à la consommation de ressources telles que l'informatique, le stockage et le réseau, l'informatique étant souvent le contributeur le plus important. Cela varie en fonction des caractéristiques de la charge de travail ; par exemple, dans le secteur des médias ou du streaming, la transmission de données sur le réseau et le stockage de grands ensembles de données non structurées consomment une énergie considérable.

Le graphique montre le modèle d'utilisation du processeur lorsqu'une activité utilisateur minimale se produit sur l'application monolithique exécutée dans une seule instance EC2.

Nous avons utilisé la plateforme Green IT Analyzer pour effectuer une comptabilité carbone de l'état actuel de l'application monolithique, en la comparant à l'état cible de la même application lorsqu'elle est réorganisée dans une architecture de microservices exécutée sur le serveur. Services Amazon Elastic Kubernetes (EKS) plate-forme.

Étape 1 : Analyse complète de l'empreinte carbone des applications monolithiques

Tout d’abord, nous nous concentrons sur l’examen de l’empreinte carbone actuelle d’une charge de travail monolithique dans diverses conditions d’exploitation. Cela nous fournit une base de référence pour identifier les domaines à améliorer.

Calculons l'empreinte carbone estimée de notre charge de travail monolithique lorsque nous avons un minimum de transactions utilisateur et 45 % d'utilisation du processeur :

• PUE de l'est des États-Unis 1j AZ : 1.2
• CI : 415.755 grammes de CO2/kWh

A. Calcul du carbone estimé lorsqu’il n’y a pas d’activité utilisateur :

• Énergie consommée : 9.76 g/W à 45 % d'utilisation
• Heures d'exécution de la même charge de travail : 300 heures
• Émissions de carbone estimées pour 300 heures = PUE × CI × énergie consommée par charge de travail
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 1,460.79 = 2 XNUMX grammes de COXNUMXe

B. Émission de carbone estimée avec 500 utilisateurs simultanés :

Dans un scénario dans lequel des transactions de niveau de pointe étaient créées selon des exigences non fonctionnelles (NFR) pour tester la capacité du système à prendre en charge les pics quotidiens, l'utilisation du processeur a bondi à 80 % pendant l'activité des utilisateurs simultanés. Cette situation a déclenché une règle de mise à l'échelle automatique définie pour s'activer à 80 % d'utilisation du processeur. La règle prévoit des machines virtuelles supplémentaires pour garantir que la charge sur chaque machine virtuelle reste inférieure à 60 %. L'équilibreur de charge répartit ensuite efficacement la charge entre les machines virtuelles existantes et les nouvelles.

En raison de la mise à l'échelle automatique des nouvelles instances EC2, une VM t2.large supplémentaire est devenue disponible, ce qui a entraîné une baisse de l'utilisation moyenne à 40 %.

• Émissions de carbone estimées pour ce scénario, avec les deux VM identiques fonctionnant pendant 300 heures = PUE × CI × énergie consommée par la charge de travail
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 2,921.59 = 2 XNUMX grammes de COXNUMXe

Étape 2 : Mettre en œuvre les recommandations en matière de durabilité

Cette étape explore une gamme de recommandations en matière de durabilité et leur mise en œuvre pratique pour l'application monolithique. Nous utilisons l’évaluation Custom Lens pour la durabilité pour guider ces recommandations.

Premièrement, nous envisageons de décomposer les applications monolithiques en microservices réactifs basés sur des actions. Cette approche est adaptée au comportement saisonnier de l'application et aux différents modèles d'utilisation, ce qui est particulièrement utile pendant les périodes de pointe telles que les périodes de fêtes, lorsque le trafic augmente et que l'accent est mis sur la navigation dans les artefacts sur les transactions back-end.

Deuxièmement, le plan consiste à réduire la consommation d'énergie en planifiant le traitement par lots pendant les périodes d'inactivité, en particulier lorsque le réseau du centre de données fonctionne à l'énergie verte. Cette approche vise à économiser l'énergie en minimisant la durée des transactions de longue durée.

Enfin, la stratégie souligne l'importance de choisir une plate-forme flexible, telle qu'AWS EKS ou Red Hat® OpenShift® on AWS (ROSA), capable de faire évoluer dynamiquement les ressources en fonction du trafic réseau. Un tel choix de plate-forme permet de garantir une allocation optimisée des ressources et est bénéfique pour l'hébergement des microservices réactifs basés sur l'action.

En résumé, les stratégies proposées incluent une décomposition des microservices alignée sur les modèles d'utilisation, une planification des transactions soucieuse de l'énergie et un choix de plate-forme flexible pour améliorer l'efficacité des applications et l'utilisation des ressources.

L'application refactorisée en microservices est présentée dans l'image :

Calculons maintenant les émissions de carbone après avoir transformé l'application monolithique en une architecture basée sur des microservices suivant les principes de conception durable tout en refactorisant l'application sous l'égide d'une modernisation durable.

A. Comptabilité carbone estimée avec peu ou pas de charges :

• Nœud travailleur : 2 × t2.medium
• Utilisation : 10% (quand il n'y a pas de charge sur l'application)
• Énergie consommée : 6 g/W à 5 % d'utilisation
• PUE (1.2) et CI (415.755 grammes de CO₂/kWh) restent les mêmes car nous continuons à utiliser la même zone de disponibilité.
• Heures: 300
• Émissions de carbone estimées pour 300 heures = PUE × CI × énergie consommée par charge de travail
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 XNUMX = 1,796 XNUMX grammes de CO₂e

Observations: Lorsqu'il n'y a aucune charge sur le système, une application exécutée sur une VM est plus économe en carbone que les microservices exécutés sur un cluster EKS.

B. Comptabilisation carbone estimée pendant les pics de charge :

Semblable aux tests de charge des applications monolithiques, nous avons intégré 500 utilisateurs et déclenché des transactions simultanées pour répondre aux exigences NFR dans les microservices que nous avons construits.

• Nœud travailleur : 2 × t2.medium
• Utilisation accrue due à la charge : 10 % à 20 %
• Énergie consommée : 7.4 g/W à 20 % d'utilisation
• Le PUE et le CI restent les mêmes.
• Heures: 300
• Émissions de carbone estimées pour 300 heures = PUE × CI × énergie consommée par charge de travail
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 XNUMX = 2,215.14 XNUMX grammes de CO₂e

Ici, la mise à l'échelle automatique des pods s'est produite pour les services d'interface utilisateur, mais les services de panier ne nécessitaient pas plus de ressources pour évoluer. Dans les applications monolithiques, la mise à l'échelle de l'ensemble de la plate-forme est nécessaire, quels que soient les fonctions ou services commerciaux qui nécessitent le plus de ressources, ce qui entraîne une augmentation de l'utilisation de 20 %.

Observations: Comparons les deux scénarios.

1. Lorsque le système est inactif ou présente un profil de charge stable tout au long de l'horloge: Lorsqu'il n'y a quasiment aucune charge, les applications monolithiques consomment moins de ressources et émettent près de 18% moins de carbone que les applications basées sur des microservices hébergées dans le cluster EKS.
2. Lorsque le système est en pleine charge ou en charge variable: Lorsque le système est en pleine charge, il y a un 24% réduction du CO₂ émissions sur la plateforme Kubernetes par rapport à une charge de travail basée sur une VM. Cela est dû à l’utilisation de moins de cœurs et à une utilisation moindre. Nous pouvons déplacer davantage de charges de travail dans le même cluster et libérer davantage de cœurs d'autres applications pour obtenir des avantages plus significatifs.

Ce scénario est un exemple de la façon dont IBM^® L'évaluation personnalisée de la durabilité sur la charge de travail AWS vous aide à concevoir votre parcours de modernisation durable et à réduire l'empreinte carbone totale de votre parc informatique.

Guide d'action

Pour les organisations qui valorisent le développement durable, l’informatique responsable et l’informatique verte ne sont pas seulement vitales ; ils sont tout à fait réalisables. Les responsables informatiques peuvent atteindre ces objectifs en poursuivant des activités respectueuses de l'environnement qui englobent la stratégie, les opérations et les plates-formes informatiques.

• Écologiser vos plateformes informatiques: Utilisez le refactoring pour migrer les applications vers le cloud public. La migration des charges de travail vers le cloud public sans les optimiser pour cet environnement peut augmenter les coûts d'exploitation et réduire la durabilité. Au lieu de cela, améliorez les charges de travail pour qu'elles soient davantage cloud-natives en refactorisant les applications en fonction de facteurs tels que leur cycle de vie, leur fréquence de mise à jour et de déploiement et leur criticité pour l'entreprise.
• Optimisation de la capacité des machines virtuelles inutilisées et des autres ressources cloud inutilisées: Activez l'observabilité au niveau de l'infrastructure pour identifier les machines virtuelles inactives dans votre parc informatique. Mettez en œuvre une automatisation basée sur des règles pour prendre des mesures correctives, telles que la suppression des machines virtuelles inactives et des ressources associées qui ne servent plus les fonctions commerciales. De plus, optimisez le dimensionnement des machines virtuelles en fonction du trafic réseau grâce à la mise à l’échelle automatique.
• Créer des ressources en cas de besoin : Bien que les ressources cloud soient élastiques, vous bénéficiez d'avantages d'efficacité limités si vous déployez des charges de travail sur des ressources fixes qui s'exécutent en continu, quelle que soit leur utilisation. Identifiez les opportunités de provisionnement et de suppression de ressources selon vos besoins, par exemple en utilisant la planification de machines virtuelles ou des fonctionnalités élastiques au sein des services cloud.
• Conteneuriser les charges de travail: En utilisant une plateforme de conteneurs au lieu d'un environnement de VM traditionnel, vous pouvez réduire les coûts d'infrastructure annuels jusqu'à 75%. Les plates-formes de conteneurs permettent une planification efficace des conteneurs sur un cluster de machines virtuelles en fonction de leurs besoins en ressources.
• Moderniser vos applications monolithiques vers une architecture basée sur des microservices: sélectionnez des microservices réactifs en fonction de vos besoins : microservices réactifs pour un appel basé sur des événements afin d'optimiser l'utilisation des ressources, des microservices basés sur des événements pour un appel asynchrone ou des microservices sans serveur pour l'exécution d'une fonction unique en fonction des besoins.

Le cadre de transformation Green IT d'IBM Consulting, Custom Lens for Sustainability et la plateforme Green IT Analyzer aident collectivement les clients dans leur parcours de décarbonisation. Les deux cadres aident à évaluer les charges de travail, à identifier les leviers d'optimisation qui peuvent réduire la consommation d'énergie et à créer une feuille de route de modernisation des applications qui vous permet d'atteindre vos objectifs de développement durable.

Apprenez-en davantage sur les services de conseil IBM pour AWS Cloud.