Workload
In der Datenverarbeitung ist ein Workload normalerweise jedes Programm oder jede Anwendung, die auf einem beliebigen Computer läuft. Ein Workload kann ein einfacher Wecker oder eine Kontakt-App auf einem Smartphone sein, oder eine komplexe Unternehmensanwendung, die auf einem oder mehreren Servern gehostet wird, mit Tausenden von Client-(Benutzer-)Systemen, die über ein riesiges Netzwerk verbunden sind und mit den Anwendungsservern interagieren.
Meistens ist von Workloads jedoch eher die Rede, wenn es um die Last geht, die eine Anwendung einem Server auferlegt. Workloads bezeichnen die Zeit und Rechenressourcen, die erforderlich sind, um eine bestimmte Aufgabe auszuführen oder eine Ausgabe aus bereitgestellten Eingaben zu erzeugen. Ein kleiner Workload erfordert relativ geringe Rechenressourcen, wie Prozessoren und Speicher-E/A (Eingabe/Ausgabe). Ein großer Workload erfordert erhebliche Mengen an Computerressourcen.
Workloads variieren stark, abhängig von der Komplexität und dem beabsichtigten Zweck der Anwendung. Beispielsweise misst eine Webserveranwendung die Last anhand der Anzahl der Webseiten, die der Server pro Sekunde liefert, während andere Anwendungen die Last anhand der Anzahl der Transaktionen messen, die pro Sekunde mit einer bestimmten Anzahl Netzwerkbenutzer gleichzeitig stattfinden. Standardisierte Metriken für die Auslastung einer Anwendung werden als Benchmarks bezeichnet.
Arten von Workloads
Workloads werden erstellt, um unzählige verschiedene Aufgaben auf unzählige verschiedene Arten auszuführen, sodass es schwierig ist, alle Workloads in einen einzigen Satz einheitlicher Kriterien zu klassifizieren. Als ein Beispiel können Workloads als statisch oder dynamisch klassifiziert werden. Ein statischer Workload ist immer aktiv und läuft, wie beispielsweise ein Betriebssystem (OS), E-Mail-System, Enterprise Resource Planning (ERP), Customer Relationship Management (CRM) und viele andere Anwendungen, die für den Betrieb von zentraler Bedeutung sind. Ein dynamischer Workload ist kurzlebig und existiert nur, solange man ihn benötigt. Ein Beispiel dafür wären temporäre Instanzen, die zum Testen von Software oder Anwendungen verwendet werden, die das Team nur einmal zum Monatsende für die Abrechnung benutzt.
Workloads aus der Mainframe-Ära werden oft als Transaktions- oder Batch-Workloads bezeichnet. Transaktionale Workloads tauschen und verarbeiten kontinuierlich Daten, zum Beispiel für Auftragserfassungssysteme oder Bank-/Buchhaltungssysteme und sind häufig ein Beispiel für statische Workloads. Batch-Workloads tauschen und verarbeiten Daten bei Bedarf, zum Beispiel für monatliche Abrechnungssysteme, und verwenden in der Regel dynamische Workloads. Ein dritter traditioneller Workload-Typ, Echtzeitsoftware, legt Wert auf hohen Durchsatz und niedrige Latenzzeiten für den Betrieb kritischer Infrastruktur, wie medizinischer, militärischer und industrieller Systeme.
Mit der nehmenden Diversifikation der Software und Bereitstellungsmodelle haben sich auch Workloads ausdifferenziert. Analytische Workloads werten beispielsweise große Datenmengen aus, um Trends zu finden, Vorhersagen zu treffen und Anpassungen der Geschäftsabläufe und -beziehungen voranzutreiben. Solche Workloads bilden die Grundlage für fortschrittliche Anwendungen im Bereich Big Data und maschinelles Lernen.
High-Performance-Computing (HPC)-Workloads erfordern in der Regel eine große Menge an Prozessor- und Speicherressourcen, um anspruchsvolle Rechenaufgaben in kurzer oder sogar Echtzeit zu erledigen.
Datenbank-Workloads haben sich zu einem eigenständigen Workload-Typ entwickelt, da fast jede Unternehmensanwendung auf eine Datenbank innerhalb der Unternehmensinfrastruktur angewiesen ist. Datenbank-Workloads sind optimiert, um die Geschwindigkeit der Suche zu maximieren. Ein Engpass in der Datenbank kann mehrere Anwendungen im Unternehmen zeitgleich ausbremsen.
Das Aufkommen von Cloud Computing im letzten Jahrzehnt ließ noch mehr Workload-Typen dazu kommen, darunter Software as a Service (SaaS), Microservices und serverloses Computing.
Workloads platzieren
Das Platzieren von Workloads ist ein wesentlicher Bestandteil des Workload-Managements. Eine der wichtigsten Entscheidungen ist dabei heute die Wahl zwischen dem Rechenzentrum On-Premises und in der Cloud.
Traditionell laufen Workloads im Unternehmensrechenzentrum, das Server, Speicher, Netzwerke, Dienste und andere Infrastruktur für den Betrieb der Workloads enthält. Cloud Computing ist eine neuere, praktikable Alternative für das Hosten von Workloads. Die Herausforderung für jedes Unternehmen besteht darin, genau zu entscheiden, welche Infrastruktur zum jeweiligen Workload passt. Heutzutage können die meisten Workloads erfolgreich in der Public Cloud laufen, und Anwendungen werden zunehmend so konzipiert und entwickelt, dass sie nativ und ausschließlich in einer Public Cloud gehostet werden können.
Bei besonders anspruchsvollen Workloads kann es in der Public Cloud zu Schwierigkeiten kommen. Einige erfordern einen leistungsstarken Netzwerkspeicher oder einen hohen Durchsatz. Datenbankcluster funktionieren beispielsweise nur gut, wenn sie einen hohen Durchsatz und eine geringe Latenz haben. Sie sind dann eher nicht für die Public Cloud geeignet und Unternehmen müssen sie entweder im Rechenzentrum hosten, oder spezielle Datenbankdienste vom Cloud-Anbieter einsetzen.
Abgesehen von technischen Gründen, können auch Business Continuity (BC) und gesetzliche Vorgaben dafür sprechen, Workloads On-Premises zu behalten. Cloud-Kunden haben in der Regel keine genaueren Informationen zur Hardware und weiteren Infrastruktur des Anbieters. Es kann daher notwendig sein, sensible Workloads im lokalen Rechenzentrum zu behalten, so dass das Unternehmen seine eigene Infrastruktur kontrollieren und die erforderlichen Audits und Kontrollen implementieren kann.
Einige Unternehmen implementieren eine Hybrid-Cloud-Strategie, die lokale Private-Cloud- und Public-Cloud-Dienste kombiniert. Dies bietet Flexibilität, um Workloads auszuführen und Daten dort zu verwalten, wo es am sinnvollsten ist, aus Gründen, die von Kosten über Sicherheit bis hin zu Governance und Compliance reichen.
Vor- und Nachteile von Cloud-Workloads
Unternehmen stellen Workloads in der Public Cloud bereit, um eine Reihe potenzieller Vorteile zu nutzen, darunter:
- Kunden bezahlen Public-Cloud-Ressourcen und -Dienste nach Bedarf oder nach Verbrauch; meistens monatlich. Dieses Kostenmodell ermöglicht es Unternehmen, viele Kapitalkosten zu sparen, die mit dem Bau und der Wartung eines lokalen Rechenzentrums verbunden sind.
- Skalierbarkeit. Public-Cloud-Anbieter unterstützen eine Vielzahl von Ressourcen. Benutzer können Workloads ganz einfach nach Bedarf hoch- und herunterskalieren, um fast jede Anforderung zu erfüllen.
- Unternehmen können Workloads in einer oder mehreren Public-Cloud-Regionen bereitstellen, um die Workload-Performance (geringere Latenz) für wichtige Kundenbereiche zu optimieren, die für eine lokale Workload möglicherweise zu weit entfernt sind.
- Internationale Regulationen. Internationale Unternehmen unterliegen in verschiedenen Ländern der Welt unterschiedlichen Datenschutzbestimmungen. Durch das Hosten von Workloads in Rechenzentren am jeweiligen Standort, können Unternehmen leichter verschiedene Richtlinien umsetzen.
Das Unterbringen von Workloads in der Public Cloud hat jedoch auch Nachteile:
- Fehlende Transparenz. Benutzer können die verwendeten Ressourcen und Dienste sehen, aber sie haben keinen Einblick in die zugrundeliegende mandantenfähige Infrastruktur des Cloud-Anbieters, geschweige denn die Kontrolle darüber. Dies macht es für ein Unternehmen unmöglich, regulatorische Anforderungen für Workloads in der Public Cloud zu validieren oder zu prüfen.
- Ausfälle. Benutzer sind vollständig davon abhängig, dass der Anbieter Ausfälle innerhalb der Service Level Agreements (SLA) behebt.
- Abhängigkeit. Cloud-Anbieter treffen wie alle Unternehmen im Laufe der Zeit Geschäftsentscheidungen, die nicht allen Kunden gefallen werden. Sie nehmen alte Dienste aus dem Portfolio und starten neue Angebote – sie können sogar bankrott gehen. Cloud-Kunden benötigen immer einen Workload-Failover-Plan für den Ernstfall.
Vor- und Nachteile von Workloads On-Premises
Viele Unternehmen bauen und warten weiterhin traditionelle (wenn auch reduzierte) lokale Rechenzentren. Dafür gibt es einige Gründe:
- Transparenz und Compliance. Als Betreiber des Rechenzentrums hat ein Unternehmen vollständige Kontrolle und Transparenz über Hardware, Betriebssysteme und anderer Elemente des Software-Stacks. Lokale Rechenzentren sind das bevorzugte Bereitstellungsziel für geschäftskritische oder anspruchsvolle Workloads, die für die Bereitstellung in der Public Cloud aus verschiedenen Gründen nicht geeignet sind
- Das Unternehmen hat Zugriff auf alle Protokolldateien und kann alle Aktivitäten innerhalb des lokalen Rechenzentrums aufzeichnen und prüfen. IT-Teams können präventive Schritte unternehmen, um die Infrastruktur sicher zu halten.
Der Betrieb von Workloads On-Premises bring jedoch auch einige Herausforderungen mit sich:
- Rechenzentren sind ein teurer Spaß, insbesondere wenn Unternehmen ein hohes Maß an Ausfallsicherheit bereitstellen müssen, um die Anforderungen geschäftskritischer Workloads zu erfüllen. Unternehmen müssen mit hohen Einstiegskosten für Bau und Ausstattung sowie laufende Betriebskosten für Wartung und Energieversorgung rechnen, unabhängig wie gut ausgelastet ihre Infrastruktur am Ende ist.
- Das Unternehmen ist auch vollständig für Sicherheitsmaßnahmen wie Backups, Snapshots und das Implementieren von Hochverfügbarkeitsinfrastrukturen verantwortlich. Diese Technologien sind für das Aufrechterhalten des Geschäfts unerlässlich und oft an gesetzliche Auflagen geknüpft. Um die Daten zu sichern und kritische Workloads intern am Laufen zu halten, sind klare Richtlinien, geeignete Tools und kompetente Mitarbeiter erforderlich.
Workload-Management-Tools
Für das Management von Workloads gibt es zahlreiche Softwareprodukte. Sie erstellen Berichte über die Verfügbarkeit, den Zustand und die Leistung wichtiger Workloads in lokalen oder Cloud-Umgebungen. Administratoren stellen mit solchen Werkzeugen fest, ob eine Anwendung online ist, welche Ressourcen sie belegt und wie ihre Leistung in bestimmten Situationen abschneidet. Einige Tools können sowohl lokale Workloads als auch Workloads in großen Public Clouds in derselben Umgebung abbilden.
Es gibt viele Tools für das Workload-Management. Diese fallen häufig in die Kategorien Anwendungsleistungsüberwachung oder Anwendungsleistungsmanagement.
Außerdem haben die meisten Cloud-Anbieter Produkte im Portfolio, die Berichte über die Ressourcenbelegung und Auslastung der Dienste erstellen sowie über den Zustand und die Leistung von Anwendungen, die in der Cloud-Umgebung laufen.
