Przyspieszenie zrównoważonej modernizacji dzięki Green IT Analyzer na AWS – blog IBM

Firmy w coraz większym stopniu korzystają z obciążeń wymagających dużej ilości danych, w tym obliczeń o wysokiej wydajności, sztucznej inteligencji (AI) i uczenia maszynowego (ML). Technologie te napędzają innowacje w podróżach hybrydowych i wielochmurowych, koncentrując się jednocześnie na odporności, wydajności, bezpieczeństwie i zgodności. Firmy starają się również zrównoważyć tę innowację z rosnącymi przepisami dotyczącymi ochrony środowiska, społeczeństwa i ładu korporacyjnego (ESG). Dla większości organizacji operacje i modernizacja IT stanowią część celów ESG i zgodnie z z niedawnego badania Foundryokoło 60% organizacji poszukuje usługodawców specjalizujących się w obszarach zielonych technologii.

Ponieważ raportowanie emisji gazów cieplarnianych staje się powszechne na całym świecie, IBM stara się pomagać swoim klientom w podejmowaniu świadomych decyzji, które mogą pomóc w zaspokojeniu ich zapotrzebowania na energię i powiązanego wpływu emisji dwutlenku węgla przy jednoczesnej redukcji kosztów. Aby pomóc w budowaniu bardziej zrównoważonych zasobów IT, IBM nawiązał współpracę z Amazon Web Services (AWS), aby ułatwić zrównoważone procesy modernizacji chmury.

W miarę jak firmy przyspieszają modernizację IT w celu przyspieszenia transformacji cyfrowej i uzyskania przewagi biznesowej, pojawia się istotna szansa. Możliwość ta obejmuje przeprojektowanie środowisk IT i portfeli aplikacji w kierunku bardziej ekologicznych i zrównoważonych projektów. Takie podejście nie tylko zwiększa efektywność kosztową, ale także przyczynia się do realizacji szerszych celów zrównoważonego rozwoju firmy.

Zrozumienie emisji dwutlenku węgla powodowanych przez technologię cyfrową

Wszystkie aplikacje biznesowe tworzone i uruchamiane przez IBM dla klientów zewnętrznych i wewnętrznych są dostarczane z pakietem koszt węgla, co wynika przede wszystkim ze zużycia energii elektrycznej. Niezależnie od technologii zastosowanej przez IBM do opracowania tych aplikacji lub usług, ich obsługa wymaga sprzętu zużywającego energię.
Emisje dwutlenku węgla (CO2) wytwarzane przez energię elektryczną z sieci różnią się w zależności od metod wytwarzania. Paliwa kopalne, takie jak węgiel i gaz, emitują znaczne ilości węgla, podczas gdy źródła odnawialne, takie jak wiatr i słońce, emitują znikome ilości. Zatem każdy kilowat (kW) zużytej energii elektrycznej bezpośrednio przyczynia się do powstania określonej ilości ekwiwalentu CO2 (CO2e) uwalnianego do atmosfery.

Dlatego zmniejszenie zużycia energii elektrycznej bezpośrednio prowadzi do niższej emisji gazów cieplarnianych.

Ślad węglowy w praktyce

Obliczenia, pamięć masowa i sieci to podstawowe zasoby technologiczne, które zużywają energię w procesie tworzenia aplikacji i usług. Ich działalność wymaga aktywnego chłodzenia i zarządzania przestrzenią centrum danych, w którym działają. Jako strażnicy zrównoważonych praktyk IT musimy zastanowić się, w jaki sposób możemy zmniejszyć zużycie zasobów poprzez nasze codzienne czynności.

Centra danych czerpią energię z sieci zasilającej obszar ich działania. Ta moc obsługuje różne urządzenia IT, takie jak serwery, przełączniki sieciowe i pamięci masowe, które z kolei obsługują aplikacje i usługi dla klientów. Moc ta zasila również systemy pomocnicze, takie jak ogrzewanie, wentylacja i klimatyzacja lub chłodzenie, które są niezbędne do utrzymania środowiska, które utrzymuje sprzęt w granicach operacyjnych.

Droga do dekarbonizacji

Modernizacja aplikacji staje się kluczowa dla napędzania innowacji i przekształcania przedsiębiorstw. IBM Consulting® stosuje platformę AWS Well-Architected do stworzenia niestandardowego obiektywu na rzecz zrównoważonego rozwoju, umożliwiającego przeprowadzanie ocen obciążenia aplikacji zarówno lokalnie, jak i w chmurze AWS. Aby przeczytać o innych kluczowych scenariuszach i punktach wyjścia dla rozwiązania IBM Consulting® Custom Lens for Sustainability, zapoznaj się z wpisem na blogu: Zrównoważona modernizacja aplikacji przy użyciu chmury AWS.

W tym poście na blogu zagłębiamy się w dogłębną analizę, aby ocenić, wdrożyć zalecenia i przeanalizować wpływ emisji dwutlenku węgla przez monolityczną aplikację działającą na AWS z perspektywy zrównoważonego rozwoju.

Green IT Analyzer: kompleksowa platforma dekarbonizacji IT

Platforma Green IT Analyzer umożliwia klientom przekształcenie tradycyjnego IT w bardziej energooszczędne i zrównoważone zielone IT. Działając jako punkt kompleksowej obsługi, mierzy, raportuje, tworzy wartości bazowe i zapewnia ujednolicony widok śladu węglowego w środowisku chmury hybrydowej, w tym w prywatnych centrach danych, chmurze publicznej i urządzeniach użytkowników. Platforma może mierzyć ślad węglowy infrastruktury IT zarówno na poziomie szczegółowym, jak i na poziomie maszyny wirtualnej (VM). Pomaga zidentyfikować najważniejsze obszary energii lub emisji dwutlenku węgla w celu opracowania planu optymalizacji. Stosowana w nim technika oceny emisji dwutlenku węgla jest zgodna z tym gaz cieplarniany (GHG) zasady dla sektora technologii informacyjno-komunikacyjnych.

Metodologia oparta na lokalizacji

Zrozumienie emisji gazów cieplarnianych wynikających z obciążeń IT wymaga znajomości kilku kluczowych pojęć i wskaźników. Oto przegląd na wysokim poziomie:

• Ślad węglowy (CFP): Koncepcja śladu węglowego ma kluczowe znaczenie dla naszej analizy. CFP reprezentuje całkowitą ilość CO₂ oraz równoważne emisje gazów cieplarnianych związane z zasilaniem centrum danych, począwszy od pomiaru bazowego CFP większego lub równego zero. Jest to kluczowy wskaźnik pozwalający ocenić wpływ działalności centrum danych na środowisko.
• Efektywność wykorzystania energii (PUE): Kolejnym istotnym wskaźnikiem jest efektywność wykorzystania energii. PUE mierzy efektywność energetyczną centrum danych, obliczaną poprzez podzielenie całkowitej energii obiektu przez energię zużywaną przez sprzęt IT. Podział ten daje współczynnik wskazujący efektywność: PUE bliski 1 (jeden) oznacza wysoką efektywność, natomiast wyższe wartości sugerują większe straty energii.
  Wzór: PUE = (całkowita energia obiektu)/(energia zużywana przez sprzęt IT)
• Intensywność emisji dwutlenku węgla (CI): Na koniec bierzemy pod uwagę intensywność emisji dwutlenku węgla. CI mierzy emisję dwutlenku węgla w gramach na kilowatogodzinę (g/kWh) wytwarzaną w sieci, która zasila centrum danych. Wskaźnik ten różni się w zależności od źródła energii. Sieci zasilane węglem mogą mieć współczynnik CI większy niż 1,000 g/kWh, natomiast sieci zasilane ze źródeł odnawialnych, takich jak wiatr i energia słoneczna, powinny mieć współczynnik CI bliższy zera. (Panele słoneczne zawierają pewną ilość CFP, ale mają ich znacznie mniej w porównaniu z paliwami kopalnymi.)

Rozważmy główne wyzwanie klienta. Każda organizacja dąży do osiągnięcia zerowej emisji netto, a dział IT odgrywa kluczową rolę w realizacji planu zrównoważonego rozwoju. Może to obejmować zmniejszenie śladu węglowego samego infrastruktury IT – szczególnie istotne w przypadku klientów finansowych o wysokich emisjach związanych z IT – lub utworzenie zrównoważonej platformy działającej w oparciu o ekologiczne rozwiązania IT.

Głównym obszarem zainteresowania są starsze aplikacje monolityczne, zwykle działające na platformach opartych na maszynach wirtualnych, w lokalnych centrach danych lub w chmurach publicznych. Powstaje kluczowe pytanie: w jaki sposób możemy zmniejszyć zużycie zasobów IT w przypadku starszych, monolitycznych aplikacji, które zazwyczaj zajmują 20–30% całego portfela IT? Bardziej energooszczędne jest przejście z aplikacji monolitycznych opartych na maszynach wirtualnych na bardziej energooszczędną architekturę opartą na mikrousługach działającą na platformie kontenerowej. Należy jednak oceniać każdy przypadek indywidualnie, ponieważ uniwersalne podejście nie zawsze jest skuteczne.

Kryteria te można wykorzystać do wyboru kandydatów do transformacji aplikacji:

• Aplikacje z więcej niż 70% –80% Zużycie procesora

• Doświadczanie aplikacji sezonowe skoki w transakcjach, np. w okolicach Wigilii, Diwali i innych świąt państwowych

• Aplikacje z codzienne skoki transakcji o określonych porach, takich jak wejście na pokład samolotu wcześnie rano lub wieczorem

• Niektóre komponenty biznesowe w aplikacjach monolitycznych, które wykazują skoki użycia

Analiza stanu aplikacji monolitycznych

Rozważmy przykład prostej aplikacji e-Store działającej na platformie AWS na maszynie wirtualnej Elastic Compute Cloud (EC2). Ta aplikacja, e-CART, jest obciążona sezonowo i została przeniesiona (przeniesiona i przeniesiona) z lokalizacji lokalnej do instancji AWS EC2. Aplikacje monolityczne, takie jak ta, łączą wszystkie funkcje biznesowe w jedną, możliwą do wdrożenia jednostkę.

Poniższa tabela opisuje najważniejsze cechy starszych aplikacji e-Sklepu.

Emisje dwutlenku węgla związane z obciążeniem pracą są bezpośrednio powiązane ze zużyciem zasobów, takich jak przetwarzanie danych, pamięć masowa i sieć, przy czym często w największym stopniu przyczyniają się do tego obliczenia. Różni się to w zależności od charakterystyki obciążenia; na przykład w branży mediów lub transmisji strumieniowej transmisja danych w sieci i przechowywanie dużych, nieustrukturyzowanych zbiorów danych zużywa znaczne ilości energii.

Wykres pokazuje wzorzec wykorzystania procesora, gdy minimalna aktywność użytkownika występuje w aplikacji monolitycznej działającej w pojedynczej instancji EC2.

Wykorzystaliśmy platformę Green IT Analyzer do obliczenia emisji dwutlenku węgla w obecnym stanie aplikacji monolitycznej, porównując ją ze stanem docelowym tej samej aplikacji po przebudowie w architekturę mikrousług działającą na platformie Usługi Amazon Elastic Kubernetes (EKS) Platforma.

Krok 1: Kompleksowa analiza śladu węglowego zastosowań monolitycznych

Po pierwsze, skupiamy się na badaniu bieżącego śladu węglowego monolitycznego obciążenia w różnych warunkach pracy. Daje nam to punkt odniesienia do identyfikowania obszarów wymagających poprawy.

Obliczmy szacowany ślad węglowy dla naszego monolitycznego obciążenia, gdy mamy minimalną liczbę transakcji użytkowników i 45% wykorzystania procesora:

• PUE wschodniego USA 1d AZ: 1.2
• CI: 415.755 gramów CO2/kWh

A. Szacunkowe obliczenie emisji dwutlenku węgla przy braku aktywności użytkownika:

• Zużycie energii: 9.76 g/W przy wykorzystaniu 45%.
• Godziny pracy przy tym samym obciążeniu: 300 godzin
• Szacunkowa emisja dwutlenku węgla w ciągu 300 godzin = PUE × CI × energia zużyta przez obciążenie pracą
• = [(1.2 × 415.755 × 9.76) × 300] ÷ 1,000 = 1,460.79 gramów CO2e

B. Szacunkowa emisja dwutlenku węgla przy jednoczesnym 500 użytkownikach:

W scenariuszu, w którym utworzono transakcje na poziomie szczytowym zgodnie z wymaganiami niefunkcjonalnymi (NFR) w celu przetestowania zdolności systemu do obsługi dziennych szczytów, wykorzystanie procesora wzrosło do 80% podczas jednoczesnej aktywności użytkowników. Ta sytuacja spowodowała, że ​​reguła automatycznego skalowania została aktywowana przy wykorzystaniu procesora na poziomie 80%. Reguła zapewnia dodatkowe maszyny wirtualne, aby zapewnić, że obciążenie każdej maszyny wirtualnej pozostanie poniżej 60%. Następnie moduł równoważenia obciążenia skutecznie rozdziela obciążenie pomiędzy istniejące i nowe maszyny wirtualne.

Dzięki automatycznemu skalowaniu nowych instancji EC2 udostępniona została dodatkowa maszyna wirtualna t2.large, co doprowadziło do spadku średniego wykorzystania do 40%.

• Szacunkowa emisja dwutlenku węgla dla tego scenariusza przy obu identycznych maszynach wirtualnych działających przez 300 godzin = PUE × CI × energia zużyta przez obciążenie
• = {[(1.2 × 415.755 × 9.76) × 300] × 2} ÷ 1,000 = 2,921.59 gramów CO2e

Krok 2: Wdrażanie zaleceń dotyczących zrównoważonego rozwoju

Na tym etapie badany jest szereg zaleceń dotyczących zrównoważonego rozwoju i ich praktyczne wdrożenie w przypadku zastosowań monolitycznych. Aby kierować się tymi zaleceniami, korzystamy z oceny soczewek niestandardowych pod kątem zrównoważonego rozwoju.

Po pierwsze, rozważamy rozbicie aplikacji monolitycznych na reaktywne mikrousługi oparte na akcjach. To podejście jest dostosowane do sezonowego zachowania aplikacji i różnych wzorców użytkowania, co jest szczególnie przydatne w okresach szczytu, takich jak okresy świąteczne, kiedy obserwuje się gwałtowny wzrost ruchu i skupianie się na artefaktach przeglądania, a nie na transakcjach zaplecza.

Po drugie, plan zakłada zmniejszenie zużycia energii poprzez planowanie przetwarzania wsadowego w okresach bezczynności, zwłaszcza gdy sieć centrów danych zasilana jest zieloną energią. Podejście to ma na celu oszczędzanie energii poprzez minimalizację czasu trwania długotrwałych transakcji.

Wreszcie strategia podkreśla znaczenie wyboru elastycznej platformy, takiej jak AWS EKS lub Red Hat® OpenShift® na AWS (ROSA), która jest w stanie dynamicznie skalować zasoby w oparciu o ruch sieciowy. Taki wybór platformy pomaga zapewnić optymalną alokację zasobów i jest korzystny w przypadku hostingu reaktywnych mikrousług opartych na akcjach.

Podsumowując, proponowane strategie obejmują rozkład mikrousług dostosowany do wzorców użytkowania, energooszczędne planowanie transakcji oraz elastyczny wybór platformy w celu zwiększenia wydajności aplikacji i wykorzystania zasobów.

Aplikację zrefaktoryzowaną do mikroserwisów pokazano na obrazku:

Obliczmy teraz emisję dwutlenku węgla po przekształceniu aplikacji monolitycznej w architekturę opartą na mikrousługach zgodnie z zasadami zrównoważonego projektowania, jednocześnie refaktoryzując aplikację w ramach zrównoważonej modernizacji.

A. Szacunkowe rozliczanie emisji dwutlenku węgla przy braku lub niewielkiej liczbie ładunków:

• Węzeł roboczy: 2 × t2.medium
• Wykorzystanie: 10% (gdy aplikacja nie jest obciążona)
• Zużycie energii: 6 g/W przy 5% wykorzystaniu
• PUE (1.2) i CI (415.755 gramów CO₂/kWh) pozostają takie same, ponieważ w dalszym ciągu korzystamy z tej samej strefy dostępności.
• Godziny: 300
• Szacunkowa emisja dwutlenku węgla przez 300 godzin = PUE × CI × energia zużyta przez obciążenie pracą
• = [(1.2 × 415.755 × 6) × 300] ÷ 1,000 = 1,796 gramów CO₂e

Uwagi: Gdy system nie jest obciążony, aplikacja działająca na maszynie wirtualnej jest bardziej oszczędna pod względem emisji dwutlenku węgla niż mikrousługi działające w klastrze EKS.

B. Szacunkowe rozliczanie emisji dwutlenku węgla podczas obciążenia szczytowego:

Podobnie jak w przypadku testów obciążenia aplikacji monolitycznych, wdrożyliśmy 500 użytkowników i uruchomiliśmy jednoczesne transakcje, aby spełnić wymagania NFR w zbudowanych przez nas mikrousługach.

• Węzeł roboczy: 2 × t2.medium
• Zwiększone wykorzystanie ze względu na obciążenie: 10% do 20%
• Zużycie energii: 7.4 g/W przy 20% wykorzystaniu
• PUE i CI pozostają takie same.
• Godziny: 300
• Szacunkowa emisja dwutlenku węgla przez 300 godzin = PUE × CI × energia zużyta przez obciążenie pracą
• = [(1.2 × 415.755 × 7.4) × 300] ÷ 1,000 = 2,215.14 gramów CO₂e

W tym przypadku nastąpiło automatyczne skalowanie podów dla usług interfejsu użytkownika, ale usługi koszyka nie wymagały więcej zasobów do skalowania. W aplikacjach monolitycznych konieczne jest skalowanie całej platformy w górę, niezależnie od tego, które funkcje biznesowe lub usługi wymagają więcej zasobów, co prowadzi do zwiększenia wykorzystania o 20%.

Uwagi: Porównajmy oba scenariusze.

1. Gdy system jest bezczynny lub ma stały profil obciążenia przez całą dobę: Gdy obciążenie jest prawie żadne, aplikacje monolityczne zużywają mniej zasobów i prawie emitują 18% mniej emisji dwutlenku węgla niż aplikacje oparte na mikrousługach hostowane w klastrze EKS.
2. Gdy system pracuje pod pełnym obciążeniem lub przy zmiennym obciążeniu: Gdy system jest w pełni obciążony, pojawia się: 24% redukcja CO₂ emisji na platformie Kubernetes w porównaniu z obciążeniem opartym na maszynach wirtualnych. Wynika to z użycia mniejszej liczby rdzeni i mniejszego wykorzystania. Możemy przenieść więcej obciążeń w tym samym klastrze i zwolnić więcej rdzeni z innych aplikacji, aby uzyskać bardziej znaczące korzyści.

Ten scenariusz jest przykładem tego, jak IBM^® Niestandardowa ocena Lens pod kątem zrównoważonego rozwoju obciążeń AWS pomaga zaprojektować ścieżkę zrównoważonej modernizacji i zmniejszyć całkowity ślad węglowy Twojej infrastruktury IT.

Przewodnik po działaniu

Dla organizacji ceniących zrównoważony rozwój odpowiedzialne przetwarzanie danych i zielone IT są nie tylko niezbędne; są całkowicie wykonalne. Liderzy IT mogą osiągnąć te cele, podejmując działania przyjazne dla środowiska, które obejmują strategię, operacje i platformy IT.

• Ekologizacja platform IT: Użyj refaktoryzacji, aby przenieść aplikacje do chmury publicznej. Migracja obciążeń do chmury publicznej bez optymalizacji ich pod kątem tego środowiska może zwiększyć koszty operacyjne i zmniejszyć zrównoważony rozwój. Zamiast tego zwiększ obciążenia tak, aby były bardziej natywne dla chmury, refaktoryzując aplikacje w oparciu o takie czynniki, jak ich cykl życia, częstotliwość aktualizacji i wdrażania oraz krytyczność biznesowa.
• Optymalizacja bezczynnej wydajności maszyny wirtualnej i innych niewykorzystanych zasobów chmury: Włącz możliwość obserwacji na poziomie infrastruktury w celu identyfikacji bezczynnych maszyn wirtualnych w całym majątku IT. Wdrażaj automatyzację opartą na regułach, aby podejmować działania naprawcze, takie jak usuwanie bezczynnych maszyn wirtualnych i powiązanych zasobów, które nie obsługują już funkcji biznesowych. Dodatkowo optymalizuj rozmiar maszyny wirtualnej w oparciu o ruch sieciowy poprzez automatyczne skalowanie.
• Tworzenie zasobów w razie potrzeby: Chociaż zasoby w chmurze są elastyczne, korzyści w zakresie wydajności są ograniczone, jeśli wdrażasz obciążenia w stałych zasobach, które działają nieprzerwanie, niezależnie od użycia. Identyfikuj możliwości udostępniania i usuwania zasobów w razie potrzeby, na przykład przy użyciu planowania maszyn wirtualnych lub elastycznych funkcji w ramach usług w chmurze.
• Konteneryzacja obciążeń: Korzystając z platformy kontenerowej zamiast tradycyjnego środowiska maszyn wirtualnych, możesz obniżyć roczne koszty infrastruktury nawet o 75%. Platformy kontenerowe umożliwiają efektywne planowanie kontenerów w klastrze maszyn wirtualnych w oparciu o ich wymagania dotyczące zasobów.
• Modernizacja aplikacji monolitycznych do architektury opartej na mikrousługach: Wybierz reaktywne mikrousługi w zależności od potrzeb: reaktywne mikrousługi do wywoływania na podstawie zdarzeń w celu optymalizacji wykorzystania zasobów, mikrousługi sterowane zdarzeniami do wywoływania asynchronicznego lub mikrousługi bezserwerowe do wykonywania pojedynczej funkcji w oparciu o potrzeby.

Platforma IBM Consulting Green IT Transformation, Custom Lens for Sustainability i platforma Green IT Analyzer wspólnie pomagają klientom na drodze do dekarbonizacji. Obie platformy pomagają ocenić obciążenie pracą, zidentyfikować dźwignie optymalizacji, które mogą obniżyć zużycie energii, a także stworzyć plan modernizacji aplikacji, który umożliwi osiągnięcie celów w zakresie zrównoważonego rozwoju.

Dowiedz się więcej o usługach IBM Consulting dla AWS Cloud.