האצת מודרניזציה בת קיימא עם Green IT Analyzer ב-AWS - בלוג IBM

עסקים מאמצים יותר ויותר עומסי עבודה עתירי נתונים, כולל מחשוב בעל ביצועים גבוהים, בינה מלאכותית (AI) ולמידת מכונה (ML). טכנולוגיות אלו מניבות חדשנות במסעות ההיברידית, מרובי העננים, תוך התמקדות בחוסן, ביצועים, אבטחה ותאימות. חברות גם שואפות לאזן בין חדשנות זו לבין תקנות סביבתיות, חברתיות וממשל (ESG) הולכות וגדלות. עבור רוב הארגונים, תפעול IT ומודרניזציה מהווים חלק ממטרת ה-ESG שלהם, ובהתאם סקר יציקה שנערך לאחרונה, כ-60% מהארגונים מחפשים נותני שירות המתמחים בתחומי טכנולוגיה ירוקה.

ככל שדיווח על פליטת פחמן הופך נפוץ ברחבי העולם, IBM מחויבת לסייע ללקוחותיה בקבלת החלטות מושכלות שיכולות לסייע במתן מענה לדרישות האנרגיה שלהם והשפעת הפחמן הנלווית תוך הפחתת עלויות. כדי לסייע בבניית אחוזות IT ברות קיימא יותר, IBM שיתפה פעולה עם Amazon Web Services (AWS) כדי לאפשר מסעות מודרניזציה בענן בר קיימא.

כאשר חברות עוקבות במהירות אחר מודרניזציית ה-IT שלהן כדי להאיץ את הטרנספורמציה הדיגיטלית ולהשיג יתרון עסקי, נוצרת הזדמנות משמעותית. הזדמנות זו כוללת תכנון מחדש של סביבות IT ותיקי יישומים לקראת עיצובים ירוקים וברי קיימא יותר. גישה כזו לא רק מניעה יעילות בעלויות אלא גם תורמת ליעדי קיימות ארגוניים רחבים יותר.

הבנת פליטת פחמן מטכנולוגיה דיגיטלית

כל האפליקציות העסקיות ש-IBM בונה ומפעילה, בין אם עבור לקוחות חיצוניים או פנימיים, מגיעות עם א עלות פחמן, אשר נובע בעיקר מצריכת חשמל. ללא קשר לטכנולוגיה שבה השתמשה IBM לפיתוח יישומים או שירותים אלה, הפעלתם דורשת חומרה שצורכת חשמל.
פליטת הפחמן הדו חמצני (CO2) המיוצר על ידי חשמל ברשת משתנות בהתאם לשיטות הייצור. דלקים מאובנים כמו פחם וגז פולטים כמויות משמעותיות של פחמן, בעוד שמקורות מתחדשים כמו רוח או שמש פולטים כמויות זניחות. לפיכך, כל קילוואט (kW) של חשמל שנצרך תורם ישירות לכמות מסוימת של שווה ערך CO2 (CO2e) המשתחררת לאטמוספירה.

לכן, הפחתת צריכת החשמל מובילה ישירות לפליטת פחמן נמוכה יותר.

טביעת רגל פחמן בפועל

מחשוב, אחסון ורשת הם המשאבים הטכנולוגיים החיוניים שצורכים אנרגיה בתהליך בניית יישומים ושירותים. הפעילות שלהם דורשת קירור וניהול אקטיביים של חללי הדאטה סנטרים שבהם הם פועלים. כשומרים של שיטות IT בר קיימא, עלינו לשקול כיצד נוכל לצמצם את צריכת המשאבים באמצעות הפעילויות היומיומיות שלנו.

מרכזי נתונים שואבים חשמל מהרשת המספקת את האזור התפעולי שלהם. כוח זה מפעיל ציוד IT שונים כגון שרתים, מתגי רשת ואחסון, אשר בתורם תומכים ביישומים ושירותים עבור לקוחות. כוח זה מפעיל גם מערכות נלוות כגון חימום, אוורור ומיזוג אוויר או קירור, החיוניים לשמירה על סביבה השומרת על החומרה בגבולות התפעול.

דרך קדימה לדה-קרבוניזציה

מודרניזציה של יישומים הופך להיות מרכזי להנעת חדשנות ושינוי עסקים. IBM Consulting® מיישמת את המסגרת ה-AWS Architected Well ליצירת עדשה מותאמת אישית לקיימות לביצוע הערכות עומס עבודה עבור יישומים הן במתחם והן ב-AWS Cloud. כדי לקרוא על תרחישי מפתח אחרים ונקודות כניסה של IBM Consulting® Custom Lens for Sustainability, עיין בפוסט בבלוג: מודרניזציה בת קיימא של אפליקציות באמצעות AWS Cloud.

בפוסט זה בבלוג, אנו מתעמקים בניתוח מעמיק כדי להעריך, ליישם המלצות ולנתח את השפעות פליטת הפחמן של יישום מונוליטי הפועל על AWS דרך עדשת קיימות.

Green IT Analyzer: פלטפורמת IT מקיפה לשחרור פחמן

פלטפורמת Green IT Analyzer מאפשרת ללקוחות להפוך את ה-IT המסורתי שלהם ל-IT ירוק בר-קיימא חסכוני יותר באנרגיה. הוא משמש כחנות אחת, הוא מודד, מדווח, יוצר קווי בסיס ומספק תצוגה אחידה של לוח המחוונים של טביעת הרגל הפחמנית על פני סביבת הענן ההיברידית - כולל מרכזי נתונים פרטיים, ענן ציבורי ומכשירי משתמשים. הפלטפורמה יכולה למדוד את טביעת הרגל הפחמנית של אחוזת ה-IT הן ברמת גרנול והן ברמת מכונה וירטואלית (VM). זה עוזר לזהות נקודות חמות של אנרגיה או פחמן כדי לפתח מפת דרכים לאופטימיזציה. טכניקת הערכת הפחמן שהיא משתמשת בה מתאימה גז חממה (GHG) עקרונות למגזר טכנולוגיות המידע והתקשורת.

מתודולוגיה מבוססת מיקום

הבנת פליטת הפחמן מעומסי העבודה של IT דורשת היכרות עם מספר מושגי מפתח ומדדים. הנה סקירה ברמה גבוהה:

• טביעת רגל פחמן (CFP): הרעיון של טביעת רגל פחמנית הוא מרכזי בניתוח שלנו. CFP מייצג את הכמות הכוללת של CO₂ ופליטות גזי חממה מקבילות הקשורות להפעלת מרכז נתונים, החל ממדידה בסיסית של CFP גדולה או שווה לאפס. זהו מדד מכריע לאמוד את ההשפעה הסביבתית של פעילות מרכזי הנתונים.
• יעילות צריכת חשמל (PUE): מדד קריטי נוסף הוא יעילות השימוש בחשמל. PUE מודד את יעילות האנרגיה של מרכז נתונים, מחושב על ידי חלוקת האנרגיה הכוללת של המתקן באנרגיה הנצרכת על ידי ציוד IT. חלוקה זו מניבה יחס שמעיד על יעילות: PUE קרוב ל-1 (אחד) מסמל יעילות גבוהה, בעוד שערכים גבוהים יותר מרמזים על בזבוז אנרגיה גדול יותר.
  נוסחה: PUE = (אנרגיית מתקן כוללת)/(אנרגיה הנצרכת על ידי ציוד IT)
• עוצמת פחמן (CI): לבסוף, אנו רואים את עוצמת הפחמן. CI מודד את פליטת הפחמן בגרמים לקילו-וואט-שעה (g/kWh) של ייצור חשמל ברשת המניעה את מרכז הנתונים. מדד זה משתנה בהתאם למקור האנרגיה. לרשתות המונעות פחם יכולות להיות CI שגדול מ-1,000 גרם/קוט"ש בעוד שרשתות המופעלות על ידי מקורות מתחדשים כמו רוח ושמש צריכות להיות בעלות CI קרוב יותר לאפס. (לפאנלים סולאריים יש כמה CFP מגולמים אבל יש להם הרבה פחות בהשוואה לדלק מאובנים.)

בואו ניקח בחשבון אתגר לקוח מרכזי. כל ארגון מחויב להשיג פליטות אפס נטו, ו-IT ממלא תפקיד מכריע בהשגת סדר היום של הקיימות. זה יכול להיות כרוך בהפחתת טביעת הרגל הפחמנית של אחוזת ה-IT עצמה - רלוונטית במיוחד עבור לקוחות פיננסיים עם פליטות גבוהות מונעות IT - או יצירת פלטפורמה בת קיימא הפועלת על IT ירוק.

יישומים מונוליטיים ישנים יותר, שפועלים בדרך כלל על פלטפורמות מבוססות VM במרכזי נתונים מקומיים או בעננים ציבוריים, הם תחום מיקוד מרכזי. נשאלת שאלה מכרעת: כיצד נוכל להפחית את צריכת משאבי ה-IT מיישומים מונוליטיים ישנים אלה, שבדרך כלל מחזיקים ב-20-30% מתיק ה-IT כולו? זה חסכוני יותר באנרגיה לעבור מיישומים מונוליטיים מבוססי VM לכיוון ארכיטקטורה מבוססת מיקרו-שירות יעילה יותר באנרגיה הפועלת על פלטפורמת מיכל. עם זאת, חיוני להעריך כל מקרה לגופו, מכיוון שגישה מתאימה לכולם אינה תמיד יעילה.

ניתן להשתמש בקריטריונים אלה לבחירת מועמדים לשינוי יישומים:

• יישומים עם יותר מ 70% –80% ניצול CPU

• יישומים חווים קוצים עונתיים בעסקאות, כמו ערב חג המולד, דיוואלי וחגים אחרים

• יישומים עם עליות יומיות בעסקאות בזמנים ספציפיים, כגון עליית חברת תעופה בשעות הבוקר המוקדמות או הלילה

• חלק מהרכיבים העסקיים בתוך יישומים מונוליטיים שמציגים עליות שימוש

ניתוח מצב כפי שהוא של אפליקציות מונוליטיות

שקול את הדוגמה של אפליקציה פשוטה של ​​חנות אלקטרונית הפועלת על AWS ב-VM של Elastic Compute Cloud (EC2). אפליקציה זו, e-CART, חווה עומסי עבודה עונתיים ואורחה מחדש (הרמה והעברה) מהמקום למופע של AWS EC2. יישומים מונוליטיים כמו זה מארזים את כל הפונקציות העסקיות ליחידה ניתנת לפריסה אחת.

הטבלה הבאה מתארת ​​את המאפיינים העיקריים של יישומי e-Store מדור קודם.

פליטת הפחמן של עומס עבודה קשורה ישירות לצריכת משאבים כגון מחשוב, אחסון ורשת, כאשר מחשוב הוא לרוב התורם המשמעותי ביותר. זה משתנה בהתאם למאפייני עומס העבודה; למשל, בתעשיית המדיה או הסטרימינג, העברת נתונים דרך הרשת ואחסון מערכי נתונים לא מובנים גדולים צורכים אנרגיה ניכרת.

הגרף מציג את דפוס הניצול של ה-CPU כאשר פעילות משתמש מינימלית מתרחשת באפליקציה המונוליטית הפועלת במופע EC2 בודד.

השתמשנו בפלטפורמת Green IT Analyzer כדי לנהל חשבונאות פחמן של המצב כפי שהוא של היישום המונוליטי, תוך השוואה למצב היעד של אותו יישום כאשר הוא נבנה מחדש לתוך ארכיטקטורת שירות מיקרו הפועלת על Amazon Elastic Kubernetes Services (EKS) פלטפורמה.

שלב 1: ניתוח טביעת רגל פחמנית מקיפה של יישומים מונוליטיים

ראשית, אנו מתמקדים בבחינת טביעת הרגל הפחמנית הנוכחית של עומס עבודה מונוליטי בתנאי הפעלה שונים. זה מספק לנו קו בסיס לזיהוי תחומים לשיפור.

בואו נחשב את טביעת הרגל הפחמנית המשוערת עבור עומס העבודה המונוליטי שלנו כאשר יש לנו עסקאות משתמש מינימליות ו-45% מניצול המעבד:

• PUE של ארה"ב מזרח 1d AZ: 1.2
• CI: 415.755 גרם CO2/kWh

א. חישוב פחמן משוער כאשר אין פעילות משתמש:

• צריכת אנרגיה: 9.76 גרם/W @ 45% ניצול
• שעות ריצה באותו עומס עבודה: 300 שעות
• פליטת פחמן משוערת למשך 300 שעות = PUE × CI × אנרגיה הנצרכת בעומס העבודה
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 גרם CO2e

ב. פליטת פחמן משוערת עם 500 משתמשים במקביל:

בתרחיש שבו נוצרו עסקאות ברמת שיא לפי דרישות לא פונקציונליות (NFR) כדי לבדוק את יכולת המערכת לתמוך בפסגות יומיות, ניצול ה-CPU זינק ל-80% במהלך פעילות המשתמש במקביל. מצב זה הפעיל כלל קנה מידה אוטומטי שהוגדר להפעלה ב-80% ניצול מעבד. הכלל קובע מכשירי VM נוספים כדי להבטיח שהעומס על כל VM יישאר מתחת ל-60%. מאזן העומס מחלק את העומס ביעילות בין ה-VM הקיימים והחדשים.

עקב השינוי האוטומטי של מופעי ה-EC2 החדשים, הפך זמין VM נוסף t2.large, מה שהוביל לירידה בניצול הממוצע ל-40%.

• פליטת פחמן משוערת עבור תרחיש זה, כאשר שני ה-VMs זהים פועלים למשך 300 שעות = PUE × CI × אנרגיה הנצרכת בעומס העבודה
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 גרם של CO2e

שלב 2: יישום המלצות קיימות

שלב זה בוחן מגוון המלצות בנושא קיימות ויישומה המעשי עבור היישום המונוליטי. אנו משתמשים בהערכת העדשה המותאמת לקיימות כדי להנחות את ההמלצות הללו.

ראשית, אנו שוקלים פירוק יישומים מונוליטיים למיקרו-שירותים ריאקטיביים מבוססי פעולה. גישה זו מותאמת להתנהגות העונתית של האפליקציה ולדפוסי השימוש המשתנים, וזה שימושי במיוחד בתקופות שיא כגון עונות חג כאשר נצפתה עליית תנועה והתמקדות בגלישה בחפצים על פני עסקאות עורפיות.

שנית, התוכנית כוללת הפחתת צריכת האנרגיה על ידי תזמון עיבוד אצווה בתקופות סרק, במיוחד כאשר רשת הדאטה סנטר פועלת על אנרגיה ירוקה. גישה זו שואפת לחסוך בכוח על ידי מזעור משך הזמן של עסקאות ארוכות טווח.

לבסוף, האסטרטגיה מדגישה את החשיבות של בחירת פלטפורמה גמישה, כגון AWS EKS או Red Hat® OpenShift® on AWS (ROSA), המסוגלת לבצע קנה מידה דינמי של משאבים על בסיס תעבורת רשת. בחירת פלטפורמה כזו מסייעת להבטיח הקצאת משאבים אופטימלית ומועילה לאירוח המיקרו-שירותים הריאקטיביים מבוססי הפעולה.

לסיכום, האסטרטגיות המוצעות כוללות פירוק מיקרו-שירותים בהתאמה לדפוסי שימוש, תזמון עסקאות מודע לאנרגיה ובחירה בפלטפורמה גמישה לשיפור יעילות האפליקציה וניצול המשאבים.

היישום ששובר למיקרו-שירותים מוצג בתמונה:

כעת הבה נחשב את פליטת הפחמן לאחר הפיכת היישום המונוליטי לארכיטקטורה מבוססת מיקרו-שירותים בהתאם לעקרונות עיצוב בר-קיימא תוך עיבוד מחדש של היישום תחת המטריה של מודרניזציה בת-קיימא.

A. חשבונאות פחמן משוערת ללא עומסים או מעטים:

• צומת עובד: 2 × t2.medium
• ניצול: 10% (כאשר אין עומס על האפליקציה)
• צריכת אנרגיה: 6 גרם/W ב-5% ניצול
• PUE (1.2) ו-CI (415.755 גרם CO₂/kWh) נשארים זהים כי אנחנו ממשיכים להשתמש באותו אזור זמינות.
• שעות פעילות: 300
• פליטת פחמן משוערת למשך 300 שעות = PUE × CI × אנרגיה הנצרכת על ידי עומס עבודה
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 גרם CO₂e

תוכן: כאשר אין עומס על המערכת, אפליקציה הפועלת על VM יעילה יותר בפחמן משירותי מיקרו הפועלים על אשכול EKS.

B. חשבונאות פחמן משוערת במהלך עומס שיא:

בדומה לבדיקת עומס של יישומים מונוליטיים, הכנסנו 500 משתמשים והפעלנו עסקאות במקביל כדי לעמוד בדרישות ה-NFR בשירותי המיקרו שבנינו.

• צומת עובד: 2 × t2.medium
• ניצול מוגבר עקב עומס: 10% עד 20%
• צריכת אנרגיה: 7.4 גרם/W ב-20% ניצול
• PUE ו-CI נשארים אותו הדבר.
• שעות פעילות: 300
• פליטת פחמן משוערת למשך 300 שעות = PUE × CI × אנרגיה הנצרכת על ידי עומס עבודה
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 גרם CO₂e

כאן, קנה מידה אוטומטי של פודים התרחש עבור שירותי ממשק משתמש, אבל שירותי עגלה לא דרשו יותר משאבים כדי להגדיל את הגודל. ביישומים מונוליטיים, יש צורך להרחיב את הפלטפורמה כולה ללא קשר לפונקציות או שירותים עסקיים דורשים יותר משאבים, מה שמוביל לניצול מוגבר של 20%.

תוכן: בואו נשווה את שני התרחישים.

1. כאשר המערכת לא פועלת או בעלת פרופיל עומס קבוע לאורך כל השעון: כשאין כמעט עומס, יישומים מונוליטיים צורכים פחות משאבים ופולטות כמעט 18% פחות פחמן מיישומים מבוססי שירותים מיקרו המתארחים באשכול EKS.
2. כאשר המערכת בעומס מלא או עומס משתנה: כאשר המערכת בעומס מלא, יש א 24% הפחתת CO₂ פליטות בפלטפורמת Kubernetes בהשוואה לעומס עבודה מבוסס VM. זה נובע משימוש בפחות ליבות וניצול נמוך יותר. אנחנו יכולים להעביר יותר עומסי עבודה באותו אשכול ולפנות יותר ליבות מיישומים אחרים כדי לקבל יתרונות משמעותיים יותר.

תרחיש זה הוא דוגמה לאופן שבו IBM^® הערכת עדשות מותאמת אישית לקיימות על עומס העבודה של AWS עוזרת לעצב את נתיב המודרניזציה בר-קיימא שלך ולהפחית את טביעת הרגל הפחמנית הכוללת של אחוזת ה-IT שלך.

מדריך פעולה

עבור ארגונים שמעריכים קיימות, מחשוב אחראי ו-IT ירוק אינם רק חיוניים; הם ברי ביצוע לחלוטין. מנהיגי IT יכולים להשיג יעדים אלה על ידי ביצוע פעילויות ידידותיות לסביבה המקיפות אסטרטגיית IT, תפעול ופלטפורמות.

• ירק את פלטפורמות ה-IT שלך: השתמש ב-refactoring כדי להעביר יישומים לענן הציבורי. העברת עומסי עבודה לענן הציבורי מבלי לייעל אותם לסביבה זו יכולה להגדיל את עלויות התפעול ולהפחית את הקיימות. במקום זאת, שפר את עומסי העבודה כך שיהיו יותר מקוריים בענן על ידי עיבוד מחדש של יישומים בהתבסס על גורמים כמו מחזור החיים שלהם, תדירות העדכונים והפריסה והקריטיות העסקית שלהם.
• אופטימיזציה של קיבולת VM סרק ומשאבי ענן אחרים שאינם בשימוש: אפשר צפייה ברמת התשתית כדי לזהות מחשבי VM לא פעילים ברחבי ה-IT שלך. הטמעת אוטומציה מבוססת כללים כדי לבצע פעולות מתקנות, כגון מחיקת VMs סרק ומשאבים משויכים שאינם משרתים עוד פונקציות עסקיות. בנוסף, בצע אופטימיזציה של גודל VM בהתבסס על תעבורת רשת באמצעות קנה מידה אוטומטי.
• יצירת משאבים בעת הצורך: למרות שמשאבי ענן הם אלסטיים, אתה מקבל יתרונות מוגבלים ביעילות אם אתה פורס עומסי עבודה למשאבים קבועים הפועלים ברציפות, ללא קשר לשימוש. זהה הזדמנויות להקצאה ומחיקה של משאבים לפי הצורך, כגון שימוש בתזמון VM או תכונות אלסטיות בתוך שירותי ענן.
• מיכלי עומסי עבודה: על ידי שימוש בפלטפורמת קונטיינר במקום בסביבת VM מסורתית, תוכל להפחית את עלויות התשתית השנתיות בשיעור של עד 75%. פלטפורמות קונטיינר מאפשרות תזמון יעיל של קונטיינרים על פני אשכול של מחשבי VM בהתבסס על דרישות המשאבים שלהם.
• מודרניזציה של האפליקציות המונוליטיות שלך לארכיטקטורה מבוססת שירותים מיקרו: בחר מיקרו-שירותים ריאקטיביים על סמך הצרכים שלך: מיקרו-שירותים תגובתיים להפעלת הפעלה מבוססת אירועים למיטוב ניצול המשאבים, מיקרו-שירותים מונעי אירועים להפעלה אסינכרונית, או מיקרו-שירותים ללא שרת לביצוע מבוסס-צרכים של פונקציה אחת.

המסגרת של IBM Consulting Green IT Transformation, Custom Lens for Sustainability ופלטפורמת Green IT Analyzer עוזרים ללקוחות ביחד במסע הפחמן שלהם. שתי המסגרות עוזרות להעריך עומסי עבודה, לזהות מנופי אופטימיזציה שיכולים להפחית את צריכת האנרגיה וליצור מפת דרכים מודרניזציה של יישומים המאפשרת לך להשיג את יעדי הקיימות שלך.

למידע נוסף על שירותי ייעוץ של IBM עבור AWS Cloud.