Akselererer bærekraftig modernisering med Green IT Analyzer på AWS – IBM Blog

Bedrifter omfavner i økende grad dataintensive arbeidsbelastninger, inkludert høyytelses databehandling, kunstig intelligens (AI) og maskinlæring (ML). Disse teknologiene driver innovasjon på deres hybrid-, multicloud-reiser mens de fokuserer på motstandskraft, ytelse, sikkerhet og samsvar. Bedrifter streber også etter å balansere denne innovasjonen med voksende miljø-, sosial- og styringsbestemmelser (ESG). For de fleste organisasjoner utgjør IT-drift og modernisering en del av deres ESG-målsetting, og iht en fersk Foundry-undersøkelse60 % av organisasjonene søker tjenesteleverandører som spesialiserer seg på grønne teknologiområder.

Etter hvert som rapportering av karbonutslipp blir vanlig over hele verden, er IBM forpliktet til å hjelpe sine kunder med å ta informerte beslutninger som kan bidra til å møte deres energibehov og tilhørende karbonpåvirkning, samtidig som kostnadene reduseres. For å hjelpe til med å bygge mer bærekraftige IT-eiendommer, har IBM inngått samarbeid med Amazon Web Services (AWS) for å legge til rette for bærekraftige skymoderniseringsreiser.

Ettersom bedrifter fremskynder IT-moderniseringen sin for å akselerere digital transformasjon og oppnå forretningsfordeler, dukker det opp en betydelig mulighet. Denne muligheten innebærer å ombygge IT-miljøer og applikasjonsporteføljer mot grønnere, mer bærekraftig design. En slik tilnærming driver ikke bare kostnadseffektivitet, men bidrar også til bredere bedriftens bærekraftsmål.

Forstå karbonutslipp fra digital teknologi

Alle forretningsapplikasjoner som IBM bygger og kjører, enten for eksterne eller interne kunder, leveres med en karbonkostnad, som først og fremst skyldes strømforbruk. Uavhengig av teknologien som IBM brukte til å utvikle disse applikasjonene eller tjenestene, krever driften av dem maskinvare som bruker strøm.
Utslippene av karbondioksid (CO2) produsert av nettelektrisitet varierer basert på produksjonsmetodene. Fossilt brensel som kull og gass slipper ut betydelige mengder karbon, mens fornybare kilder som vind eller sol slipper ut ubetydelige mengder. Dermed bidrar hver kilowatt (kW) elektrisitet som forbrukes direkte til en bestemt mengde CO2-ekvivalent (CO2e) som slippes ut i atmosfæren.

Derfor fører reduksjon av strømforbruket direkte til lavere karbonutslipp.

Karbonfotavtrykk i praksis

Databehandling, lagring og nettverk er de essensielle teknologiske ressursene som bruker energi i prosessen med å bygge applikasjoner og tjenester. Aktiviteten deres krever aktiv kjøling og styring av datasenterplassene de opererer i. Som forvaltere av bærekraftig IT-praksis må vi vurdere hvordan vi kan redusere ressursforbruket gjennom våre daglige aktiviteter.

Datasentre henter strøm fra nettet som forsyner deres operasjonelle region. Denne kraften driver ulike IT-utstyr som servere, nettverkssvitsjer og lagring, som igjen støtter applikasjoner og tjenester for kundene. Denne kraften driver også tilleggssystemer som oppvarming, ventilasjon og klimaanlegg eller kjøling, som er avgjørende for å opprettholde et miljø som holder maskinvaren innenfor operasjonelle grenser.

En vei videre til avkarbonisering

Modernisere applikasjoner er i ferd med å bli sentral for å drive innovasjon og transformere virksomheter. IBM Consulting® bruker AWS Well-Architected-rammeverket for å lage en Custom Lens for Sustainability for å utføre arbeidsbelastningsvurderinger for applikasjoner både i lokalene og på AWS Cloud. For å lese om andre nøkkelscenarier og inngangspunkter for IBM Consulting® Custom Lens for Sustainability, sjekk ut blogginnlegget: Bærekraftig appmodernisering ved hjelp av AWS Cloud.

I dette blogginnlegget fordyper vi oss i en dybdeanalyse for å vurdere, implementere anbefalinger om og analysere karbonutslippseffektene av en monolittisk applikasjon som kjører på AWS gjennom en bærekraftslinse.

Green IT Analyzer: En omfattende IT-dekarboniseringsplattform

Green IT Analyzer-plattformen gjør det mulig for kunder å transformere sin tradisjonelle IT til mer energieffektiv, bærekraftig grønn IT. Den fungerer som en one-stop-shop, måler, rapporterer, skaper grunnlinjer og gir en enhetlig oversikt over karbonavtrykket på tvers av hybridskymiljøet – inkludert private datasentre, offentlige skyer og brukerenheter. Plattformen kan måle karbonavtrykket til IT-eiendommen på både granulært og virtuell maskinnivå (VM). Det hjelper med å identifisere energi- eller karbon-hotspots for å utvikle et optimaliseringsveikart. Karbonvurderingsteknikken den bruker stemmer overens med drivhusgass (GHG) prinsipper for informasjons- og kommunikasjonsteknologisektoren.

Stedsbasert metodikk

Å forstå karbonutslippene fra IT-arbeidsbelastninger krever kjennskap til flere nøkkelbegreper og beregninger. Her er en oversikt på høyt nivå:

• Karbonfotavtrykk (CFP): Konseptet karbonfotavtrykk er sentralt i vår analyse. CFP representerer den totale mengden CO₂ og tilsvarende klimagassutslipp knyttet til å drive et datasenter, med utgangspunkt i en grunnlinjemåling av CFP større enn eller lik null. Det er en avgjørende beregning for å måle miljøpåvirkningen av datasenterdrift.
• Effektivitet ved strømforbruk (PUE): En annen kritisk beregning er effektiviteten i strømforbruket. PUE måler energieffektiviteten til et datasenter, beregnet ved å dele den totale energien i anlegget med energien som forbrukes av IT-utstyr. Denne inndelingen gir et forhold som indikerer effektivitet: en PUE nær 1 (en) betyr høy effektivitet, mens høyere verdier antyder større energisvinn.
  Formel: PUE = (total anleggsenergi)/(energi forbrukt av IT-utstyr)
• Karbonintensitet (CI): Til slutt vurderer vi karbonintensitet. CI måler karbonutslippene i gram per kilowatt-time (g/kWh) kraftproduksjon i nett som driver datasenteret. Denne beregningen varierer basert på energikilden. Kulldrevne nett kan ha en CI som er større enn 1,000 g/kWh mens nett drevet av fornybare kilder som vind og sol bør ha en CI nærmere null. (Solcellepaneler har noe innebygd CFP, men har mye mindre sammenlignet med fossilt brensel.)

La oss vurdere en stor klientutfordring. Hver organisasjon er forpliktet til å oppnå netto-nullutslipp, og IT spiller en avgjørende rolle for å oppnå bærekraftsagendaen. Dette kan innebære å redusere karbonavtrykket til selve IT-eiendommen – spesielt relevant for finanskunder med høye IT-drevne utslipp – eller skape en bærekraftig plattform som kjører på grønn IT.

Eldre monolittiske applikasjoner, som vanligvis kjører på VM-baserte plattformer i enten lokale datasentre eller offentlige skyer, er et sentralt fokusområde. Et avgjørende spørsmål dukker opp: hvordan kan vi redusere IT-ressursforbruket fra disse eldre monolittiske applikasjonene, som vanligvis har 20–30 % av hele IT-porteføljen? Det er mer energieffektivt å gå fra VM-baserte monolittiske applikasjoner til en mer energieffektiv, mikrotjenestebasert arkitektur som kjører på en containerplattform. Det er imidlertid viktig å vurdere hver sak individuelt, siden en tilnærming som passer alle ikke alltid er effektiv.

Disse kriteriene kan brukes til å velge kandidater for søknadstransformasjon:

• Søknader med mer enn 70% -80% CPU utnyttelse

• Applikasjoner opplever sesongmessige topper i transaksjoner, som rundt julaften, Diwali og andre helligdager

• Søknader med daglige topper i transaksjoner på bestemte tidspunkter, for eksempel ombordstigning av flyselskap tidlig om morgenen eller kvelden

• Noen forretningskomponenter innen monolittiske applikasjoner som viser brukstopper

Som den er tilstandsanalyse av monolittiske apper

Tenk på eksemplet med en enkel e-Store-applikasjon som kjører på AWS i en Elastic Compute Cloud (EC2) VM. Denne applikasjonen, en e-CART, opplever sesongmessige arbeidsbelastninger og har blitt revertert (løft-og-skift) fra lokale til en AWS EC2-instans. Monolittiske applikasjoner som denne pakker alle forretningsfunksjoner i én enkelt distribuerbar enhet.

Tabellen nedenfor beskriver nøkkelegenskapene til eldre e-Store-applikasjoner.

Karbonutslippene fra en arbeidsbelastning er direkte knyttet til forbruket av ressurser som databehandling, lagring og nettverk, med databehandling som ofte er den viktigste bidragsyteren. Dette varierer basert på arbeidsbelastningsegenskaper; for eksempel i medie- eller strømmeindustrien bruker dataoverføring over nettverket og lagring av store ustrukturerte datasett betydelig energi.

Grafen viser bruksmønsteret til CPUen når minimal brukeraktivitet skjer på den monolittiske applikasjonen som kjører i en enkelt EC2-forekomst.

Vi brukte Green IT Analyzer-plattformen til å gjennomføre en karbonregnskap for den monolittiske applikasjonens status som den er, og sammenlignet den med måltilstanden til den samme applikasjonen når den ble ombygget til en mikrotjenestearkitektur som kjører på Amazon Elastic Kubernetes Services (EKS) plattform.

Trinn 1: Omfattende karbonfotavtrykkanalyse av monolittiske applikasjoner

Først fokuserer vi på å undersøke det nåværende karbonavtrykket til en monolittisk arbeidsbelastning under ulike driftsforhold. Dette gir oss en baseline for å identifisere områder for forbedring.

La oss beregne det estimerte karbonavtrykket for vår monolittiske arbeidsbelastning når vi har minimale brukertransaksjoner og 45 % av CPU-utnyttelsen:

• PUE for USA øst 1d AZ: 1.2
• CI: 415.755 gram CO2/kWh

A. Estimert karbonberegning når det ikke er noen brukeraktivitet:

• Energiforbruk: 9.76 g/W @ 45 % utnyttelse
• Timer med samme arbeidsmengde: 300 timer
• Estimert karbonutslipp i 300 timer = PUE × CI × energi forbrukt av arbeidsbelastning
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 gram CO2e

B. Estimert karbonutslipp med samtidige 500 brukere:

I et scenario der transaksjoner på toppnivå ble opprettet i henhold til ikke-funksjonelle krav (NFR) for å teste systemets evne til å støtte daglige topper, økte CPU-utnyttelsen til 80 % under samtidig brukeraktivitet. Denne situasjonen utløste en automatisk skaleringsregel satt til å aktiveres ved 80 % CPU-utnyttelse. Regelen gir ekstra VM-er for å sikre at belastningen på hver VM forblir under 60 %. Lastbalanseren fordeler deretter lasten effektivt mellom både eksisterende og nye VM-er.

På grunn av automatisk skalering av de nye EC2-forekomstene ble en ekstra t2.large VM tilgjengelig, noe som førte til et fall i gjennomsnittlig utnyttelse til 40 %.

• Estimerte karbonutslipp for dette scenariet, med begge identiske VM-er som kjører i 300 timer = PUE × CI × energi forbrukt av arbeidsbelastning
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 gram CO2e

Trinn 2: Implementering av anbefalinger om bærekraft

Dette trinnet utforsker en rekke bærekraftanbefalinger og deres praktiske implementering for den monolittiske applikasjonen. Vi bruker Custom Lens-vurderingen for bærekraft for å veilede disse anbefalingene.

Først vurderer vi å dekomponere monolittiske applikasjoner til handlingsbaserte reaktive mikrotjenester. Denne tilnærmingen er skreddersydd for applikasjonens sesongmessige oppførsel og varierende bruksmønstre, noe som er spesielt nyttig i høye perioder som høytider, når trafikken øker og et fokus på å surfe på artefakter over backend-transaksjoner observeres.

For det andre innebærer planen å redusere energiforbruket ved å planlegge batchbehandling i inaktive perioder, spesielt når datasenternettet opererer på grønn energi. Denne tilnærmingen tar sikte på å spare strøm ved å minimere varigheten av langvarige transaksjoner.

Til slutt understreker strategien viktigheten av å velge en fleksibel plattform, slik som AWS EKS eller Red Hat® OpenShift® på AWS (ROSA), som er i stand til å dynamisk skalere ressurser basert på nettverkstrafikk. Et slikt plattformvalg bidrar til å sikre optimalisert ressursallokering og er gunstig for å være vert for de handlingsbaserte reaktive mikrotjenestene.

Oppsummert inkluderer de foreslåtte strategiene mikrotjenestedekomponering tilpasset bruksmønstre, energibevisst transaksjonsplanlegging og et fleksibelt plattformvalg for å forbedre applikasjonseffektiviteten og ressursutnyttelsen.

Applikasjonen omdannet til mikrotjenester vises på bildet:

La oss nå beregne karbonutslippet etter å ha transformert den monolittiske applikasjonen til mikrotjenestebasert arkitektur etter bærekraftige designprinsipper, mens applikasjonen omstruktureres under paraplyen bærekraftig modernisering.

A. Estimert karbonregnskap med ingen eller få belastninger:

• Arbeidsnode: 2 × t2.medium
• Utnyttelse: 10 % (når det ikke er noen belastning på applikasjonen)
• Energiforbruk: 6 g/W ved 5 % utnyttelse
• PUE (1.2) og CI (415.755 gram CO₂/kWh) forblir den samme fordi vi fortsetter å bruke den samme tilgjengelighetssonen.
• Timer: 300 XNUMX
• Estimert karbonutslipp i 300 timer = PUE × CI × energi forbrukt av arbeidsbelastning
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 gram CO₂e

Observasjoner: Når det ikke er noen belastning på systemet, er en applikasjon som kjører på en VM mer karboneffektiv enn mikrotjenester som kjører på en EKS-klynge.

B. Estimert karbonregnskap under toppbelastning:

I likhet med belastningstesting av monolittiske applikasjoner, satte vi inn 500 brukere og utløste samtidige transaksjoner for å oppfylle NFR-kravene i mikrotjenestene vi bygde.

• Arbeidsnode: 2 × t2.medium
• Økt utnyttelse på grunn av belastning: 10 % til 20 %
• Energiforbruk: 7.4 g/W ved 20 % utnyttelse
• PUE og CI forblir de samme.
• Timer: 300 XNUMX
• Estimert karbonutslipp i 300 timer = PUE × CI × energi forbrukt av arbeidsbelastning
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 gram CO₂e

Her skjedde autoskalering av pods for UI-tjenester, men handlekurvtjenester krevde ikke flere ressurser for å skalere opp. I monolitiske applikasjoner er oppskalering av hele plattformen nødvendig uavhengig av hvilke forretningsfunksjoner eller tjenester som krever mer ressurser, noe som fører til økt utnyttelse på 20 %.

Observasjoner: La oss sammenligne begge scenariene.

1. Når systemet er inaktivt eller har en jevn belastningsprofil over hele klokken: Når det nesten ikke er noen belastning, bruker monolittiske applikasjoner færre ressurser og slipper ut nesten 18% mindre karbon enn mikrotjenestebaserte applikasjoner som er vert i EKS-klyngen.
2. Når systemet er på full belastning eller varierende belastning: Når systemet er på full last, er det en 24% reduksjon i CO₂ utslipp på Kubernetes-plattformen sammenlignet med en VM-basert arbeidsbelastning. Dette skyldes bruk av færre kjerner og lavere utnyttelse. Vi kan flytte flere arbeidsmengder i samme klynge og frigjøre flere kjerner fra andre applikasjoner for å få flere betydelige fordeler.

Dette scenariet er et eksempel på hvordan IBM^® Tilpasset linsevurdering for bærekraft på AWS-arbeidsmengde hjelper deg med å utforme din bærekraftige moderniseringsvei og redusere det totale karbonavtrykket til IT-eiendommen din.

Handlingsveiledning

For organisasjoner som verdsetter bærekraft, er ansvarlig databehandling og grønn IT ikke bare avgjørende; de er fullt gjennomførbare. IT-ledere kan nå disse målene ved å drive miljøvennlige aktiviteter som omfatter IT-strategi, drift og plattformer.

• Grønner IT-plattformene dine: Bruk refactoring for å migrere applikasjoner til den offentlige skyen. Å migrere arbeidsbelastninger til den offentlige skyen uten å optimalisere dem for dette miljøet kan øke driftskostnadene og redusere bærekraften. Forbedre i stedet arbeidsbelastninger for å være mer skybaserte ved å omstrukturere applikasjoner basert på faktorer som livssyklus, oppdaterings- og distribusjonsfrekvens og forretningskritikk.
• Optimalisering av ledig VM-kapasitet og andre ubrukte skyressurser: Aktiver observerbarhet på infrastrukturnivå for å identifisere inaktive VM-er på tvers av IT-området ditt. Implementer regelbasert automatisering for å iverksette korrigerende handlinger, for eksempel å slette inaktive VM-er og tilknyttede ressurser som ikke lenger tjener forretningsfunksjoner. Optimaliser i tillegg VM-størrelse basert på nettverkstrafikk gjennom automatisk skalering.
• Opprette ressurser ved behov: Selv om skyressurser er elastiske, oppnår du begrensede effektivitetsfordeler hvis du distribuerer arbeidsbelastninger til faste ressurser som kjører kontinuerlig, uavhengig av bruk. Identifiser muligheter for å klargjøre og slette ressurser etter behov, for eksempel bruk av VM-planlegging eller elastiske funksjoner i skytjenester.
• Containerisering av arbeidsmengder: Ved å bruke en containerplattform i stedet for et tradisjonelt VM-miljø, kan du redusere årlige infrastrukturkostnader med opptil 75%. Containerplattformer tillater effektiv planlegging av containere på tvers av en klynge av VM-er basert på ressurskravene deres.
• Modernisere dine monolittiske applikasjoner til mikrotjenester-basert arkitektur: Velg reaktive mikrotjenester basert på dine behov: reaktive mikrotjenester for hendelsesbasert påkalling for å optimalisere ressursutnyttelsen, hendelsesdrevne mikrotjenester for asynkron påkalling, eller serverløse mikrotjenester for behovsbasert utførelse av en enkelt funksjon.

IBM Consulting Green IT Transformation-rammeverket, Custom Lens for Sustainability og Green IT Analyzer-plattformen hjelper samlet kunder på deres avkarboniseringsreise. Begge rammeverkene hjelper deg med å vurdere arbeidsbelastninger, identifisere optimaliseringsspaker som kan redusere energiforbruket, og lage et veikart for applikasjonsmodernisering som gjør at du kan nå dine bærekraftsmål.

Lær mer om IBM Consulting Services for AWS Cloud.