Гиперконвергентные решения для ИТ-инфраструктуры: оценка эффективности

28.04.2017

Когда гиперконвергентные решения только начали активно внедряться, главным мотивом компаний, выбирающих эту модель построения инфраструктуры, было стремление к консолидации ресурсов при одновременной экономии и простоте решений. Виртуализируя инфраструктуру, они рассчитывали в первую очередь повысить операционную эффективность, а также сделать инфраструктуру более однородной, при этом не выходя за рамки бюджета. Как показывают последние исследования Enterprise Strategy Group, на практике к выбору гиперконвергентных решений компании по-прежнему подталкивает их относительная простота и стоимость.

Как часто бывает с молодыми технологиями, большинство компаний долгое время не рисковали выносить в гиперконвергентные вычислительные среды критические для бизнеса приложения уровня Tier I, оставляя их работать на базе традиционных серверов. Чаще всего гиперконвергентная инфраструктура становилась полем для экспериментов, а также местом для развертывания приложений невысокого приоритета, например, таких как виртуальные рабочие столы (VDI). Но постепенно ситуация меняется. Опыт, который уже получили компании, позволяет изменить постановку вопроса в отношении гиперконвергентной инфраструктуры с «Может ли она поддерживать требования компании?» на «Насколько хорошо она может их поддерживать?». Большинство этих требований так или иначе связаны с производительностью.

Ключевой критерий: производительность

Традиционно критериями оценки производительности вычислительной инфраструктуры являются скорость обработки данных и пропускная способность каналов. Достигающее миллионов количество операций ввода/вывода в секунду (показатель IOPS — input/output per second) и большая пропускная способность практически гарантируют выбор компаний в пользу решения, которое может продемонстрировать такие результаты. Но в условиях современного ИТ рынка, когда количество сценариев использования гиперконвергентной инфраструктуры растет, требуются различные методики тестирования производительности, которые позволят оценить не только используемую систему хранения данных. Для адекватной оценки гиперконвергентной инфраструктуры требуется эмуляция рабочих процессов, чтобы протестировать работу вычислительной части и памяти вместе. По сути, необходимо найти ответ на три ключевых вопроса:

  1. Как быстро могут работать приложения компании на базе данной инфраструктуры?

  2. Что произойдет, если количество приложений и сама инфраструктура будет расти?

  3. Как поведут себя приложения в случае сбоя?

Скорость

Скорость — аспект производительности, который показывает, как быстро система справляется с рабочими нагрузками. Оценку скорости можно разделить на теоретическую и реальную.

Тестирование теоретической производительности проводится, чтобы определить, как система обрабатывает потенциальные рабочие нагрузки и где именно могут возникнуть узкие места. Обычно для этого берется один ресурс и оценивается максимум его возможностей, и по этой причине тестирование может быть проведено с помощью публичных и хорошо зарекомендовавших инструментов, чья методика задокументирована. В таких измерениях используются три стандартные метрики: IOPS, которую уже упоминали, а также показатели пропускной способности и времени отклика. IOPS является показателем, отражающим количество операций ввода/вывода (I/O), которые могут быть осуществлены системой хранения за заданное время. Пропускная способность отображает количество обрабатываемых данных и измеряется в Мб/с или Гб/с, а время отклика показывает, как быстро осуществляется заданная операция (измеряется в миллисекундах).

Эти три метрики являются базовыми, но помимо них также могут использоваться и дополнительные, включая загрузку CPU и памяти, влияние одновременного запуска процессов (поиск «шумных соседей»), время отклика приложений и прочие. 

picture.pngПрактическая производительность может быть протестирована на базе эмулятора настоящего рабочего окружения с использованием реальных приложений. Для гиперконвергентной инфраструктуры такие тестирования очень важны, поскольку в ней используются различные ресурсы вместе, и их показатели по отдельности никак не отражают возможности их совместного использования. В то же время результаты оценки теоретической производительности могут быть использованы для прогнозирования итога практических тестов.

Проблема с практическими тестами состоит только в том, что их проведение требует гораздо больше времени и усилий для того, чтобы подготовить все необходимые приложения, данные и среду для тестирования. В таких тестах IOPS, пропускная способность и время отклика также остаются базовыми показателями, но гораздо больше понимания потенциала гиперконвергентной инфраструктуры дают специфические метрики.

Продолжение - в блоге на Medium

Назад к разделу "Публикации"