Mempercepat modernisasi berkelanjutan dengan Green IT Analyzer di AWS – IBM Blog

Dunia usaha semakin banyak yang menerima beban kerja intensif data, termasuk komputasi kinerja tinggi, kecerdasan buatan (AI), dan pembelajaran mesin (ML). Teknologi-teknologi ini mendorong inovasi pada perjalanan hybrid dan multicloud mereka sambil berfokus pada ketahanan, kinerja, keamanan, dan kepatuhan. Perusahaan juga berupaya untuk menyeimbangkan inovasi ini dengan peraturan lingkungan, sosial, dan tata kelola (ESG) yang semakin berkembang. Bagi sebagian besar organisasi, operasi dan modernisasi TI merupakan bagian dari tujuan LST mereka, dan menurutnya survei Foundry baru-baru ini, sekitar 60% organisasi mencari penyedia layanan yang berspesialisasi dalam bidang teknologi ramah lingkungan.

Ketika pelaporan emisi karbon menjadi hal yang umum di seluruh dunia, IBM berkomitmen untuk membantu kliennya dalam membuat keputusan yang tepat yang dapat membantu mengatasi permintaan energi mereka dan dampak karbon terkait sekaligus mengurangi biaya. Untuk membantu membangun kawasan TI yang lebih berkelanjutan, IBM telah bermitra dengan Amazon Web Services (AWS) untuk memfasilitasi perjalanan modernisasi cloud yang berkelanjutan.

Ketika perusahaan mempercepat modernisasi TI mereka untuk mempercepat transformasi digital dan memperoleh keuntungan bisnis, sebuah peluang besar muncul. Peluang ini melibatkan perancangan ulang lingkungan TI dan portofolio aplikasi menuju desain yang lebih ramah lingkungan dan berkelanjutan. Pendekatan seperti ini tidak hanya mendorong efisiensi biaya namun juga berkontribusi terhadap tujuan keberlanjutan perusahaan yang lebih luas.

Memahami emisi karbon dari teknologi digital

Semua aplikasi bisnis yang dibangun dan dijalankan oleh IBM, baik untuk pelanggan eksternal maupun internal, dilengkapi dengan a biaya karbon, yang terutama disebabkan oleh konsumsi listrik. Terlepas dari teknologi yang digunakan IBM untuk mengembangkan aplikasi atau layanan ini, pengoperasiannya memerlukan perangkat keras yang mengonsumsi daya.
Emisi karbon dioksida (CO2) yang dihasilkan oleh jaringan listrik bervariasi berdasarkan metode pembangkitannya. Bahan bakar fosil seperti batu bara dan gas mengeluarkan karbon dalam jumlah besar, sedangkan sumber terbarukan seperti angin atau matahari mengeluarkan karbon dalam jumlah yang dapat diabaikan. Dengan demikian, setiap kilowatt (kW) listrik yang dikonsumsi secara langsung berkontribusi terhadap sejumlah setara CO2 (CO2e) yang dilepaskan ke atmosfer.

Oleh karena itu, pengurangan konsumsi listrik secara langsung akan menurunkan emisi karbon.

Jejak karbon dalam praktiknya

Komputasi, penyimpanan, dan jaringan adalah sumber daya teknologi penting yang menghabiskan energi dalam proses membangun aplikasi dan layanan. Aktivitas mereka memerlukan pendinginan aktif dan pengelolaan ruang pusat data tempat mereka beroperasi. Sebagai pemelihara praktik TI berkelanjutan, kita harus mempertimbangkan bagaimana kita dapat mengurangi konsumsi sumber daya melalui aktivitas sehari-hari.

Pusat data mengambil daya dari jaringan yang memasok wilayah operasional mereka. Kekuatan ini menjalankan berbagai peralatan TI seperti server, switch jaringan, dan penyimpanan, yang pada gilirannya mendukung aplikasi dan layanan bagi pelanggan. Daya ini juga mengoperasikan sistem tambahan seperti pemanas, ventilasi, dan pendingin udara atau pendingin, yang penting untuk menjaga lingkungan yang menjaga perangkat keras tetap dalam batas operasional.

Sebuah jalan menuju dekarbonisasi

Modernisasi aplikasi menjadi sangat penting untuk mendorong inovasi dan mentransformasi bisnis. IBM Consulting® menerapkan kerangka kerja AWS Well-Architected untuk menciptakan Lensa Kustom untuk Keberlanjutan guna melakukan penilaian beban kerja untuk aplikasi baik di lokasi maupun di AWS Cloud. Untuk membaca tentang skenario penting lainnya dan titik masuk IBM Consulting® Custom Lens for Sustainability, lihat postingan blog: Modernisasi Aplikasi Berkelanjutan Menggunakan AWS Cloud.

Dalam postingan blog ini, kami mempelajari analisis mendalam untuk menilai, menerapkan rekomendasi, dan menganalisis dampak emisi karbon dari aplikasi monolitik yang berjalan di AWS melalui lensa keberlanjutan.

Green IT Analyzer: Platform dekarbonisasi TI yang komprehensif

Platform Green IT Analyzer memungkinkan klien untuk mengubah TI tradisional mereka menjadi TI ramah lingkungan yang lebih hemat energi dan berkelanjutan. Berfungsi sebagai one-stop shop, perusahaan ini mengukur, melaporkan, membuat garis dasar, dan menyediakan tampilan dasbor terpadu mengenai jejak karbon di seluruh lingkungan cloud hybrid—termasuk pusat data pribadi, cloud publik, dan perangkat pengguna. Platform ini dapat mengukur jejak karbon sektor TI pada tingkat granular dan mesin virtual (VM). Hal ini membantu mengidentifikasi titik panas energi atau karbon untuk mengembangkan peta jalan optimalisasi. Teknik penilaian karbon yang digunakan sejalan dengan hal tersebut gas rumah kaca (GRK) prinsip-prinsip di bidang teknologi informasi dan komunikasi.

Metodologi berbasis lokasi

Memahami emisi karbon dari beban kerja TI memerlukan pemahaman terhadap beberapa konsep dan metrik utama. Berikut ikhtisar tingkat tinggi:

• Jejak karbon (CFP): Konsep jejak karbon merupakan inti analisis kami. CFP mewakili jumlah total CO₂ dan emisi GRK setara yang terkait dengan penyediaan listrik pada pusat data, dimulai dari pengukuran dasar CFP yang lebih besar atau sama dengan nol. Ini adalah metrik penting untuk mengukur dampak lingkungan dari pengoperasian pusat data.
• Efektivitas penggunaan daya (PUE): Metrik penting lainnya adalah efektivitas penggunaan daya. PUE mengukur efisiensi energi pusat data, dihitung dengan membagi total energi fasilitas dengan energi yang dikonsumsi oleh peralatan TI. Pembagian ini menghasilkan rasio yang menunjukkan efisiensi: PUE yang mendekati 1 (satu) berarti efisiensi tinggi, sedangkan nilai yang lebih tinggi menunjukkan pemborosan energi yang lebih besar.
  Rumus: PUE = (total energi fasilitas)/(energi yang dikonsumsi oleh peralatan IT)
• Intensitas karbon (CI): Terakhir, kami mempertimbangkan intensitas karbon. CI mengukur emisi karbon dalam gram per kilowatt-jam (g/kWh) dari jaringan pembangkit listrik yang menggerakkan pusat data. Metrik ini bervariasi berdasarkan sumber energi. Jaringan listrik bertenaga batu bara dapat memiliki CI lebih besar dari 1,000 g/kWh, sedangkan jaringan listrik yang menggunakan sumber terbarukan seperti angin dan matahari harus memiliki CI mendekati nol. (Panel surya memiliki beberapa perwujudan CFP tetapi jumlahnya jauh lebih sedikit dibandingkan dengan bahan bakar fosil.)

Mari kita pertimbangkan tantangan klien yang besar. Setiap organisasi berkomitmen untuk mencapai emisi nol bersih, dan TI memainkan peran penting dalam mencapai agenda keberlanjutan. Hal ini dapat mencakup pengurangan jejak karbon dari sektor TI itu sendiri—terutama yang relevan bagi pelanggan keuangan dengan emisi berbasis TI yang tinggi—atau menciptakan platform berkelanjutan yang menggunakan TI ramah lingkungan.

Aplikasi monolitik lama, yang biasanya berjalan pada platform berbasis VM di pusat data lokal atau cloud publik, merupakan area fokus utama. Sebuah pertanyaan penting muncul: bagaimana kita dapat mengurangi konsumsi sumber daya TI dari aplikasi monolitik lama ini, yang umumnya mencakup 20–30% dari keseluruhan portofolio TI? Akan lebih hemat energi jika beralih dari aplikasi monolitik berbasis VM ke arsitektur berbasis layanan mikro yang lebih hemat energi dan berjalan pada platform container. Namun, penting untuk mengevaluasi setiap kasus satu per satu, karena pendekatan yang bersifat universal tidak selalu efektif.

Kriteria ini dapat digunakan untuk memilih kandidat transformasi aplikasi:

• Aplikasi dengan lebih dari 70% –80% Utilisasi CPU

• Aplikasi mengalami lonjakan musiman dalam bertransaksi, seperti sekitar malam Natal, Diwali dan hari libur lainnya

• Aplikasi dengan lonjakan transaksi harian pada waktu tertentu, misalnya saat naik pesawat di pagi atau malam hari

• Beberapa komponen bisnis dalam aplikasi monolitik yang menunjukkan lonjakan penggunaan

Analisis status aplikasi monolitik sebagaimana adanya

Pertimbangkan contoh aplikasi e-Store sederhana yang berjalan di AWS di VM Elastic Compute Cloud (EC2). Aplikasi ini, sebuah e-CART, mengalami beban kerja musiman dan telah dihosting ulang (lift-and-shift) dari lokasi ke instans AWS EC2. Aplikasi monolitik seperti ini mengemas semua fungsi bisnis ke dalam satu unit yang dapat diterapkan.

Tabel berikut menjelaskan karakteristik utama aplikasi lama e-Store.

Emisi karbon dari suatu beban kerja berhubungan langsung dengan konsumsi sumber daya seperti komputasi, penyimpanan, dan jaringan, dimana komputasi sering kali menjadi kontributor paling signifikan. Hal ini bervariasi berdasarkan karakteristik beban kerja; misalnya, dalam industri media atau streaming, transmisi data melalui jaringan dan penyimpanan kumpulan data besar yang tidak terstruktur menghabiskan banyak energi.

Grafik menunjukkan pola pemanfaatan CPU ketika aktivitas pengguna minimal terjadi pada aplikasi monolitik yang berjalan dalam satu instans EC2.

Kami menggunakan platform Green IT Analyzer untuk melakukan penghitungan karbon pada keadaan aplikasi monolitik apa adanya, membandingkannya dengan keadaan target aplikasi yang sama ketika dirancang ulang menjadi arsitektur layanan mikro yang berjalan pada Layanan Amazon Elastic Kubernetes (EKS) platform.

Langkah 1: Analisis jejak karbon komprehensif pada aplikasi monolitik

Pertama, kami fokus pada pemeriksaan jejak karbon saat ini dari beban kerja monolitik dalam berbagai kondisi pengoperasian. Hal ini memberikan kita dasar untuk mengidentifikasi area yang perlu ditingkatkan.

Mari kita hitung perkiraan jejak karbon untuk beban kerja monolitik ketika kita memiliki transaksi pengguna minimal dan penggunaan CPU sebesar 45%:

• PUE AZ 1 hari timur AS: 1.2
• CI: 415.755 gram CO2/kWh

A. Perhitungan perkiraan karbon ketika tidak ada aktivitas pengguna:

• Energi yang dikonsumsi: 9.76 g/W @ pemanfaatan 45%.
• Jam menjalankan beban kerja yang sama: 300 jam
• Perkiraan emisi karbon selama 300 jam = PUE × CI × energi yang dikonsumsi berdasarkan beban kerja
• = [(1.2 × 415.755 × 9.76) × 300] 1,000 = 1,460.79 gram CO2e

B. Perkiraan emisi karbon dengan 500 pengguna secara bersamaan:

Dalam skenario di mana transaksi tingkat puncak dibuat sesuai persyaratan non-fungsional (NFR) untuk menguji kemampuan sistem dalam mendukung puncak harian, pemanfaatan CPU melonjak hingga 80% selama aktivitas pengguna secara bersamaan. Situasi ini memicu kumpulan aturan penskalaan otomatis untuk diaktifkan pada penggunaan CPU 80%. Aturan ini menyediakan VM tambahan untuk membantu memastikan bahwa beban pada setiap VM tetap di bawah 60%. Penyeimbang beban kemudian mendistribusikan beban secara efisien antara VM yang sudah ada dan yang baru.

Karena penskalaan otomatis instans EC2 baru, VM t2.large tambahan tersedia, yang menyebabkan penurunan pemanfaatan rata-rata hingga 40%.

• Perkiraan emisi karbon untuk skenario ini, dengan kedua VM identik berjalan selama 300 jam = PUE × CI × energi yang dikonsumsi oleh beban kerja
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} 1,000 = 2,921.59 gram CO2e

Langkah 2: Menerapkan rekomendasi keberlanjutan

Langkah ini mengeksplorasi serangkaian rekomendasi keberlanjutan dan implementasi praktisnya untuk penerapan monolitik. Kami menggunakan penilaian Lensa Kustom untuk Keberlanjutan untuk memandu rekomendasi ini.

Pertama, kami mempertimbangkan untuk mendekomposisi aplikasi monolitik menjadi layanan mikro reaktif berbasis tindakan. Pendekatan ini disesuaikan dengan perilaku musiman aplikasi dan pola penggunaan yang bervariasi, yang sangat berguna selama periode puncak seperti musim perayaan ketika lalu lintas melonjak dan fokus pada penelusuran artefak melalui transaksi backend diamati.

Kedua, rencana tersebut melibatkan pengurangan konsumsi energi dengan menjadwalkan pemrosesan batch selama periode tidak aktif, terutama ketika jaringan pusat data beroperasi dengan energi ramah lingkungan. Pendekatan ini bertujuan untuk menghemat daya dengan meminimalkan durasi transaksi jangka panjang.

Terakhir, strategi ini menekankan pentingnya memilih platform yang fleksibel, seperti AWS EKS atau Red Hat® OpenShift® on AWS (ROSA), yang mampu menskalakan sumber daya secara dinamis berdasarkan lalu lintas jaringan. Pilihan platform seperti itu membantu memastikan alokasi sumber daya yang optimal dan bermanfaat untuk menghosting layanan mikro reaktif berbasis tindakan.

Singkatnya, strategi yang diusulkan mencakup dekomposisi layanan mikro yang selaras dengan pola penggunaan, penjadwalan transaksi yang hemat energi, dan pilihan platform yang fleksibel untuk meningkatkan efisiensi aplikasi dan pemanfaatan sumber daya.

Aplikasi yang difaktorkan ulang menjadi layanan mikro ditunjukkan pada gambar:

Sekarang mari kita hitung emisi karbon setelah mentransformasikan aplikasi monolitik menjadi arsitektur berbasis layanan mikro dengan mengikuti prinsip desain berkelanjutan sambil melakukan pemfaktoran ulang aplikasi di bawah payung modernisasi berkelanjutan.

A. Perkiraan penghitungan karbon tanpa atau sedikit muatan:

• Node pekerja: 2 × t2.medium
• Pemanfaatan: 10% (saat tidak ada beban pada aplikasi)
• Energi yang dikonsumsi: 6 g/W pada pemanfaatan 5%.
• PUE (1.2) dan CI (415.755 gram CO₂/kWh) tetap sama karena kami terus menggunakan zona ketersediaan yang sama.
• Jam: 300
• Perkiraan emisi karbon selama 300 jam = PUE × CI × energi yang dikonsumsi oleh beban kerja
• = [(1.2 × 415.755 × 6) × 300] 1,000 = 1,796 gram CO₂e

Pengamatan: Ketika tidak ada beban pada sistem, aplikasi yang berjalan di VM lebih hemat karbon dibandingkan layanan mikro yang berjalan di cluster EKS.

B. Perkiraan penghitungan karbon selama beban puncak:

Mirip dengan pengujian beban aplikasi monolitik, kami melakukan orientasi pada 500 pengguna dan memicu transaksi bersamaan untuk memenuhi persyaratan NFR dalam layanan mikro yang kami bangun.

• Node pekerja: 2 × t2.medium
• Peningkatan pemanfaatan karena beban: 10% hingga 20%
• Energi yang dikonsumsi: 7.4 g/W pada pemanfaatan 20%.
• PUE dan CI tetap sama.
• Jam: 300
• Perkiraan emisi karbon selama 300 jam = PUE × CI × energi yang dikonsumsi oleh beban kerja
• = [(1.2 × 415.755 × 7.4) × 300] 1,000 = 2,215.14 gram CO₂e

Di sini, penskalaan otomatis pod terjadi untuk layanan UI, namun layanan keranjang tidak memerlukan lebih banyak sumber daya untuk ditingkatkan. Dalam aplikasi monolitik, peningkatan keseluruhan platform diperlukan terlepas dari fungsi atau layanan bisnis mana yang memerlukan lebih banyak sumber daya, sehingga menghasilkan peningkatan pemanfaatan sebesar 20%.

Pengamatan: Mari kita bandingkan kedua skenario tersebut.

1. Saat sistem dalam keadaan idle atau memiliki profil beban yang stabil sepanjang waktu: Ketika hampir tidak ada beban, aplikasi monolitik mengkonsumsi lebih sedikit sumber daya dan menghasilkan emisi yang hampir sama 18% lebih sedikit karbon dibandingkan aplikasi berbasis layanan mikro yang dihosting di cluster EKS.
2. Saat sistem berada pada beban penuh atau beban bervariasi: Saat sistem berada pada beban penuh, terdapat a 24% pengurangan CO₂ emisi pada platform Kubernetes dibandingkan dengan beban kerja berbasis VM. Hal ini disebabkan oleh penggunaan core yang lebih sedikit dan pemanfaatan yang lebih rendah. Kita dapat memindahkan lebih banyak beban kerja dalam cluster yang sama dan membebaskan lebih banyak core dari aplikasi lain untuk mendapatkan manfaat yang lebih signifikan.

Skenario ini adalah contoh bagaimana IBM^® Penilaian Lensa Kustom untuk Keberlanjutan pada beban kerja AWS membantu merancang jalur modernisasi berkelanjutan dan mengurangi total jejak karbon di kawasan TI Anda.

Panduan tindakan

Bagi organisasi yang menghargai keberlanjutan, komputasi yang bertanggung jawab dan TI ramah lingkungan tidak hanya penting; hal-hal tersebut sepenuhnya mungkin dilakukan. Para pemimpin TI dapat mencapai tujuan ini dengan melakukan aktivitas ramah lingkungan yang mencakup strategi, operasi, dan platform TI.

• Menghijaukan platform TI Anda: Gunakan pemfaktoran ulang untuk memigrasikan aplikasi ke cloud publik. Memigrasikan beban kerja ke cloud publik tanpa mengoptimalkannya untuk lingkungan ini dapat meningkatkan biaya pengoperasian dan mengurangi keberlanjutan. Sebaliknya, tingkatkan beban kerja menjadi lebih cloud-native dengan melakukan pemfaktoran ulang aplikasi berdasarkan faktor-faktor seperti siklus hidup aplikasi, frekuensi pembaruan dan penerapan, serta kepentingan bisnis.
• Mengoptimalkan kapasitas VM yang menganggur dan sumber daya cloud lainnya yang tidak digunakan: Aktifkan observabilitas tingkat infrastruktur untuk mengidentifikasi VM yang menganggur di seluruh kawasan TI Anda. Menerapkan otomatisasi berbasis aturan untuk mengambil tindakan perbaikan, seperti menghapus VM yang menganggur dan sumber daya terkait yang tidak lagi menjalankan fungsi bisnis. Selain itu, optimalkan ukuran VM berdasarkan lalu lintas jaringan melalui penskalaan otomatis.
• Menciptakan sumber daya bila diperlukan: Meskipun sumber daya cloud bersifat elastis, Anda memperoleh manfaat efisiensi terbatas jika Anda menerapkan beban kerja ke sumber daya tetap yang berjalan terus-menerus, berapa pun penggunaannya. Identifikasi peluang untuk menyediakan dan menghapus sumber daya sesuai kebutuhan, seperti menggunakan penjadwalan VM atau fitur elastis dalam layanan cloud.
• Mengkontainerisasi beban kerja: Dengan menggunakan platform kontainer dibandingkan lingkungan VM tradisional, Anda dapat mengurangi biaya infrastruktur tahunan hingga 75%. Platform kontainer memungkinkan penjadwalan kontainer yang efisien di seluruh cluster VM berdasarkan kebutuhan sumber dayanya.
• Memodernisasi aplikasi monolitik Anda ke arsitektur berbasis layanan mikro: Pilih layanan mikro reaktif berdasarkan kebutuhan Anda: layanan mikro reaktif untuk pemanggilan berbasis peristiwa untuk mengoptimalkan pemanfaatan sumber daya, layanan mikro berbasis peristiwa untuk pemanggilan asinkron, atau layanan mikro tanpa server untuk eksekusi fungsi tunggal berdasarkan kebutuhan.

Kerangka kerja IBM Consulting Green IT Transformation, Custom Lens for Sustainability, dan platform Green IT Analyzer secara kolektif membantu klien dalam perjalanan dekarbonisasi mereka. Kedua kerangka kerja tersebut membantu menilai beban kerja, mengidentifikasi faktor pengoptimalan yang dapat menurunkan konsumsi energi, dan membuat peta jalan modernisasi aplikasi yang memungkinkan Anda mencapai tujuan keberlanjutan.

Pelajari selengkapnya tentang layanan IBM Consulting untuk AWS Cloud.