오른쪽 크기 조정 vm 웨어 환경 기계 학습

최고의 분석가, 오늘날의 가상 데이터 센터는 많은 80%로 overprovisioned-연간 수천 달러의 수만 낭비 하는 문제에 따라. 가상 환경 과하게의 위험 긴급 하 고 즉시 있습니다. IT 관리자는 가상 인프라를 제대로 구축에 관련 된 과제의 다양 한 얼굴. 그들은 가동 중지 시간을 방지 하 고, 최종 사용자의 생산성에 대 한 높은 성능을 제공 하 고, 고가용성을 보장 하 고 다양 한 다른 서비스 요구 사항 충족 예산 범위 내에서 유지 해야 합니다. 그것은 종종 그들의 두려움의 응용 프로그램 성능 문제 문제에서 하드웨어를 던지고 하 고 아래에 제공의 어떤 가능성 든 지 피하고 다룹니다.  그러나,이 전략 운전 비용 지출 및 IT의 소중한 시간을 배출.  그리고 더 나쁜의 경제를 비교 하는 시간이 온다 때 온-프레미스 호스팅 vs 클라우드, 자원을 효율적으로 사용 하지 때 온-프레미스 인프라의 비용 크게 증가 될.  이 계획을 클라우드로 이동 하는 때 가난한 결정을 이어질 수 있습니다.

모든 놀이에 이러한 위험, 어떻게 IT 팀 알 그들의 vm 웨어 환경 최적화 때?

이해 하기 간단 하는 정확한 정보에 액세스 하는 것은 필수적 이다.입니다.  오른쪽 크기 조정 응용 프로그램 워크 로드의 첫 번째 단계 그들은 시간이 지남에 소비 자원과 작업의 패턴을 이해 하 고.  그러나, 대부분의 도구 리소스 최적화 추천 때 단순한 접근을.  그들은 가상 컴퓨터에 대 한 통계의 단순 평균을 사용합니다.  이 접근은 정확한 정보를 제공 하지 않습니다. 봉우리와 사용의 계곡과 자원의 상호 관계 그들을 다시 구성 해야 하는 경우 다른 응용 프로그램에 대 한 예기치 못한 결과 가져올.  올바른 정보를 가져오고 오른쪽-크기 조정에 대 한 올바른 결정, 당신은 SIOS Iq 같은 솔루션이 필요 합니다.  SIOS iQ 적용 기계 그들을 다치게 하지 시간이 지남에 최적화 작업을 수 있도록 정확 하 게 추천 하는 인프라 상호 개체의 행동의 패턴을 배울 수 학습.  지능형 분석 박동 할 때마다 평균.

오른쪽 크기 조정 전략을 향한 두 번째 단계는 문제가 발생 하는 경우 성능 문제를 다루는 또는 심지어 첫 번째 장소에서 방지 한 두려움을 제거 됩니다.  즉, 자신감 빠르게 식별 하 고 대신 단순히 그것 하드웨어 문제를 해결 하는 데 필요한 정확한 정보를가지고 그것을 바라는 데.

오늘날의 도구는 매우 정확 합니다. 그들은 그래프와 통계 주요 질문에 명확한 답변 없이 미로 통해 지도. IT 팀은 일반적으로 작동 하 고 별도 사일로-스토리지, 네트워크, 응용 프로그램 및 호스트 각 그것의 자신의 도구와 환경 관리. 모든 인프라 구성 요소 간의 관계를 이해 하려면 많은 수동 작업 및 파고.  또한,이 도구는 정보를 제공 하지 않습니다, 그리고 그들은 오직 marginally 정확한 데이터 제공. 그리고 그들은 그 부정확 한 데이터 작업을 많이 할 필요. 그들은 임계값 기반 때문입니다. 그것은 그들은 측정-CPU 사용률, 메모리 사용률, 네트워크 대기 시간, 등 하 고 싶은 각 통계에 대 한 개별 임계값을 설정 하는… 단일 환경 설정 및 모니터링 하 고 지속적으로 개별 임계값의 수천을 조정 해야 합니다. 환경 변경 될 때마다와 같은 VM 생성 작업은 이동 또는 새 때, 임계값 재조정 될 필요가 있다. 임계값을 초과 하는 경우 이러한 도구는 종종 경고의 수천을 만들, 중요 한 정보를 매장 없이 루트 "경고 발생"에 원인 식별 또는 해상도 권장.

심지어 더 중요 한 것은, 이러한 경고는 단일 리소스에 대해 단일 통계의 측정에서 발생, 때문에 그것은 의미와 중요성을 해석 하는 있다.  궁극적으로 해석의 정확도 관리자의 경험과 기술에 남아 -그리고 행동의 쉬운 과정-제공 하는 시스템은 변화 하 고 너무 빨리 성장 하 고 단순히 그것 지킬 수 없는; 과정에 시간과 돈을 낭비. 또한, 문제의 실제 원인은 종종 완벽 하 게 해결 됩니다.

IT 팀 전체 인프라의 집계, 분석 된 보기를 제공 하는 분석을 학습 하는 고급 기계를 활용 하는 스마트 도구가 필요 합니다. SIOS iQ 같은 솔루션 프로비저닝 최적화, 근본적인 문제를 특성화 식별 하 고 가상 환경에서 문제를 우선순위에 도움이 됩니다. SIOS iQ 임계값을 사용 하지 않습니다. 그것은 자동으로 시간이 지남에 따라 사용자의 환경에 관련 된 구성 요소 간의 동작의 동적 패턴을 분석합니다. 그것은 자동으로 다양 한 낭비 자원 식별 (vmdk, 스냅숏 폐기물 불량, 유휴 Vm). 그것은 또한 것이 좋습니다 변경 오른쪽-크기 모든 이상-그리고 아래-구축 Vm.

행동의 변칙 패턴을 감지 하면 문제를 해결 하는 문제에 의해 영향을 하 고 권장 되는 솔루션 구성 요소 문제의 근본 원인의 완전 한 분석을 제공 합니다. 그것은 뿐만 아니라 vCPU와 vMem, Vm, 최적의 구축 하는 것을 권장 하지만 또한 권장 구성을 제공할 수 있는 비용 절감에 대 한 상세한 분석을 제공 합니다. SIOS iQ에 대 한 자세한 내용은 저축 및 투자 수익 계산기.

여기에 세 가지 기계 학습 분석 과하게 하지 않도록 도울 수 있다:

1. 성능 저하의 원인을 이해: 자동으로 그리고 지속적으로 리소스 사용 패턴에서 관찰 하 여 실시간, 기계 학습 분석 이상-및 소형 Vm 식별할 수 및 권장 구성 설정을 오른쪽 크기 성능을 위해 VM. 경우에 변경, 기계 학습 동적으로 권고를 업데이트할 수 있습니다.
2. IT 팀 리소스 크기 조정에 대 한 의존을 감소: 애플 리 케이 션 소유자 자주 요청 하는 많은 스토리지 용량, 가능한 vm 웨어 관리자 저장소 가능한 제한 하려는. 기계 학습 분석 리소스 크기 조정 추측을 운동 하 고는 손가락을 가리키는 자주 일어나는 기업 가운데 그것 팀 문제가 있을 때 제거.
3. IT 리소스를 사용 하지 않는 또는 낭비 제거: SIOS iQ는 절약을 제공할 것입니다 및 이상 제공 된 Vm을 포함 하 여 낭비 자원의 투자 수익 분석 악성 Vmdk, 사용 하지 않는 Vm 및 스냅숏 낭비. 그것은 또한 그들을 제거에 대 한 권장 사항을 제공 합니다 하 고 CapEx 및 Opex에 저장 하는 관련된 비용을 계산 합니다.
4. 클러스터 호스트 실패를 견딜 수 있는지 여부 확인: 기계 학습 분석, IT 전문가 수 오른쪽 크기 쉽게 CPU와 저장소 SQL Server 또는 최종 사용자 생산성을 위험에 퍼 팅 없이. IT 팀 조직의 호스트의 용량으로 더 깊은 이해 하 고 오류 또는 다른 문제는 클러스터 참을 수 있는지 알고.

오른쪽 크기 조정 방법에 대 한 기계 학습 VMware 환경 자원과 시간을 절약할 수 있습니다 자세한 내용을 보려면, 체크 아웃 우리의 세미나: "SQL 서버 vm 웨어 환경 크기 조정 하는 오른쪽으로 큰 저장 합니다."

이것은 어떻게 AIOps 변화 그것은 성능 최적화를 강조 하는 2 부분 시리즈에서 두 번째 게시물입니다. 제 1 부 AIOps의 기본 원칙을 설명 했다. 이 시리즈의 원래 텍스트 정보 관리에 대 한 기사에 등장.  여기 우리 AIOps에 추세를 운전 하는 비즈니스 요구 사항을 보면.

기업 AIOps를 왜 필요 합니까?

IT 전문가 가상화 된 환경으로 더 그들의 비즈니스 중요 한 응용 프로그램을 이동합니다. 그 결과, 응용 프로그램 성능 문제의 근본 원인을 찾는 그 어느 때 보다 더 복잡 하다.  IT 관리자는 VM 응용 프로그램, 저장 장치, 네트워크 장치 및 서비스의 복잡 한 웹에서 문제를 찾을 수 있다. 그것은 항상 이해할 수 없는 방식으로 연결 된 이러한 구성 요소.

종종, 구성 요소는 VMware 또는 다른 가상 환경 상호 의존적 이며 좌우. IT 관리자 작업을 이동 하거나 하나의 구성 요소를 변경 하면, 그들은 그들의 지식 없이도 여러 가지 다른 구성 요소에 문제가 발생할. 구성 요소에에서 있는 경우 다른 소위 사일로 (네트워크, 인프라, 애플리케이션, 스토리지, 등), IT 전문가 문제의 실제 원인을 알아내는 더 많은 문제가 있다.

너무 많은 도구 성능 문제의 근본 원인을 찾는 데 필요한

IT 성능 문제는 근본 원인 연관의 과정이 어려운, 불가능 한 IT 지도자입니다.  최근 SIOS 보고서에 따르면 IT 전문가의 78% 사용 하는 여러 도구 vm 웨어의 응용 프로그램 성능 문제의 원인을 식별. 예를 들어 응용 프로그램 모니터링, 보고 및 인프라 분석 도구를 사용 하는 그들은.

종종, 문제에 직면, 그것 조립 대표 팀 각 IT 사일로 또는 전문 분야에서. 각 팀 구성원이 사용 하 여 그의 또는 그녀의 자신의 진단 도구 및 문제에 그들의 자신의 격납고 특정 관점을 보인다. 팀 구성원이 자신의 개인의 결과 비교 하는 다음, 일반적인 요소를 식별 하는 분석. 자주,이 과정은 매우 수동. 그들은 같은 시간 프레임에 여러 가지 분석에 표시 하는 인프라에 변화를 보세요. 결과적으로, IT 부서에서는 수동 작업 및 부정확 한 재판 및 오류 비효율성에 점점 더 그들의 예산 낭비 하고있다.

이 문제를 해결 하 고 시간 낭비를 줄이기 위해, 그들은 AIOPs 접근을 사용 하는. AIOps 인공 지능 (즉, 기계 학습, 깊은 학습) 문제 해결을 자동화 하기 위해 적용 됩니다. AIOPs 트렌드 보다 전체적인 데이터 기반 접근을 개별 자질 (CPU 사용률, 대기 시간, 등)를 측정 하는 전통적인 임계값 기반 접근 방식에서 중요 한 변화입니다. 따라서 IT 관리자 실시간 인프라 사일로 걸쳐 데이터를 분석 하려면 분석 도구를 사용 하는. 그들은 고급 깊은 학습 및 분석 도구를 배울 시간이 지남에 상호 의존적인 구성 요소 사이의 행동의 패턴을 학습 하는 기계를 사용 하는.  결과적으로, 그들은 자동으로 문제를 나타낼 수 있습니다 구성 요소 간의 동작을 확인할 수 있습니다. 더 중요 한 것은, 그들은 자동으로 문제를 해결 하려면 특정 단계를 추천.

AIOps에 대 한 다음은?

가상 IT 환경 데이터의 거 대 한 볼륨 및 복잡성의 전례 없는 수준을 만들 수 있습니다. 결과적으로, IT 관리자가 관리할 수 없습니다 이러한 환경 효과적으로 전통적인, 수동 방법. 다음 몇 년 동안, IT 직업 급속 하 게 이동 합니다 전통적인 컴퓨터 과학 접근에서 "데이터 과학" 현대 AIOPs 접근. 그것은 팀, 대 한 기계 학습 기반 분석 솔루션을 포용 하 고 효율적이 고 효과적으로 문제를 해결 하기 위해 사용 하는 방법을 이해 하는 것이 즉. 마지막으로, 경영진은 그들의 비즈니스에 대 한 오른쪽 AIOps 플랫폼을 식별 하기 위해 IT 부서와 함께 작동 해야 합니다.

읽기 파트 1

이 2 부분 시리즈의 첫 번째 게시물입니다. 우리는 어떻게 AIOps은 변경 성능 최적화 강조. 이 시리즈의 원래 텍스트 정보 관리에 대 한 기사에 등장.

앞으로 2 년 동안 회사 인지 시스템 도구에 31.3 십억 달러를 지출 설정 됩니다. 오늘, 회사 다양 한 분야에서에서 문제를 해결 하기 위해 이러한 기술 (즉, 데이터 분석 및 기계 학습)에 따라 도구를 사용 하는. 예를 들어 회사 인공 지능 (AI)를 사용 하는-전원 고객 서비스 로봇 및 운송 경로 데이터 과학자 디자인. 아이러니 하 게도, 정보 기술 (IT) 부서 하지 아직 완전히 활용 기계 학습 기반된 분석의 힘-그것.

조사는 vm 웨어에 더 중요 한 애플 리 케이 션을 보여준다

그러나, IT 환경이 점점 더 복잡 해지고 있기 때문에 바뀌고 있다. 그들은 실제 서버에서 가상 환경에 움직이고 있다. SIOS 기술에서 최근 연구, IT 팀의 81%는 vm 웨어 환경에서 비즈니스 중요 한 응용 프로그램을 실행 됩니다.

가상 환경 Vm, 응용 프로그램, 스토리지와 네트워크는 매우 상호와 끊임없이 변화 등 구성 요소 구성 되어 있습니다. 관리 하 고 이러한 환경 최적화, IT 관리자는 거 대 한 양의 데이터를 분석할 수 있다. 그들은 구성 요소 사이의 행동의 패턴을 배웁니다. 이 정확 하 게 가상 환경에서 문제의 근본 원인에 응용 프로그램 서비스 문제를 연관 수 있습니다.  그 결과, 새로운 필드가 나왔다-AIOps.

AIOps는 무엇입니까?

AIOps (알고리즘 IT 운영 플랫폼) 가트너 IT 작업 분석의 다음 단계를 설명 하기 위해 사용 하는 새로운 용어입니다. 이러한 플랫폼 작업에 성능 문제를 찾아내기의 과정을 자동화 기계 학습과 깊은 학습 기술을 사용 합니다.

바로 지금, Gartner 추정만 5 %의 자리에 있는 AIOps 플랫폼. 그러나, 더 많은 기업이 채택할 것 이다 이러한 플랫폼 앞으로 2 년 동안 25%로 그 숫자를 가져. 중요 한 것은, AIOps 기계 지능을 가진 인간의 지능을 대체합니다. 그것은 가상 IT 환경 내에서 상호 작용을 밝혀 내. 따라서, 그들은 수 인프라 문제를 폭로, 응용 프로그램 작업 문제에 연관 그리고 솔루션을 추천.

AIOps 플랫폼은 이러한 환경 비정상적인 동작을 식별 하는 기간 동안 동작 하는 방법을 이해 하는 학습 하는 기계를 사용 합니다. 또한, 그것은 발견 하 고 응용 프로그램 성능 문제가 되기 전에 잠재적인 위협을 중지 AIOps 플랫폼을 사용할 수도 있습니다.

이것은 검토 과제 얼굴 최적화 응용 프로그램 성능 및 vm 웨어 환경에서 다른 문제에 팀 2 부분 시리즈에서 두 번째 블로그 게시물입니다. 이 시리즈의 원래 텍스트 데이터 정보에 대 한 기사에 등장.  

이 시리즈의 한 부분에서 우리는 IT 팀 현재 사용 하는 여러 도구 VMware에서 응용 프로그램 성능 문제를 이해 하는 것 발견. 읽어보고 IT 팀은 가상 환경에 직면 하 고 다른 문제에 대해 자세히 알아보기

응용 프로그램 성능 문제 시간 및 자원에 멀리 먹고 있다

IT 전문가 VMware 환경 응용 프로그램을 모니터링 도구 컨설팅은, 하는 동안 중요 한 시간으로 똑 딱 거리는. 그것은 직원 제한 된 작은 기업에 대 한이 일상적인 작업에 상당한 지연이 발생할 수 있습니다. IT 팀은 시간 쫓는 가양성 낭비 되지 않은 진정한 그들의 응용 프로그램 성능 문제의 근본 원인을 환경 분야에 그들의 에너지를 초점을 감당할 수 없습니다. 또한, 모니터링 도구, 어렵게 경고 의미와 잠재적인 응용 프로그램 성능 문제를 해결 하기 위해 진단 가치가 정확 하 게 그들의 vm 웨어 환경에서 경고로 침수는 많은 IT 팀.

이러한 중단은 중요 한, 응용 프로그램 성능 문제 매달 마다 직면 하는 우리의 최근 설문 조사 발견 그것의 절반 이상이 전문가 고려. 또한, 44%는 그들이 걸리는 3 개 이상 시간 그들은 발생으로 응용 프로그램 성능 문제를 해결 하려면 표시. 전반적으로, 그것은 분명 IT 팀 자주 vm 웨어 환경에서 문제를 직면 하 고 그들은 중요 한 인력 및 이러한 문제를 해결 하는 자원을 낭비 하 고.

응용 프로그램 성능 문제의 원인을 신비에 남아 있다.

도 불구 하 고 도구를 사용할 수의 광범위 한 양의 시간 해결 비즈니스 크리티컬 응용 프로그램 성능 문제, IT 전문가 남아 불확 실한 그들은 이러한 문제를 정면 공격할 수 있다. IT 전문가 조사의 20%만 그들은 응용 프로그램 성능 문제를 해결 하려면 구현 전략은 100% 정확 하 게 처음으로 믿습니다. 더욱 놀라운 7% 것 특성 응용 프로그램 성능 문제 해결 방법으로 "교육 추측." 그리고 전반적으로, 그것은 드문 그것은 성능 문제를 위해 완벽 한 솔루션을 구현 하기 위해 팀-그들은 자주 조정 또는 심지어 완전 한 재작업의 수준이 필요로.

다음 무엇입니까?

물리적 서버와 가상 환경에 비즈니스에 중요 한 데이터 이동으로이 추세는 네트워크 장치, 저장 장치 및 서비스 것만 더 복잡 한 성장 예측 가능한 미래, 그리고 VM 응용 프로그램 간의 관계에 대 한 계속 됩니다. 많은 cio 들은 그들의 인프라를 이해 하 고 관계 사이 존재 하는 다른 그것은 분야를 최적화 배울 수 있도록 기계 학습 솔루션을 돌고 있다. 결과적으로, IT 전문가가 사용 하는 코어 접근 데이터 과학 중심의 접근 방식에 전통적인 컴퓨터 과학 접근에서 변화는. 우리는 또한 작년에 "AIOps" 또는 알고리즘 IT 운영 플랫폼의 증가 보았다. 가트너에 기계 학습 응용 프로그램을 설명 하기 위해 만들어낸 용어, 가트너의 5 %만 현재 자리에 있는 AIOps 플랫폼을 견적 한다. 그러나, 그 숫자는 점점 더 복잡 하 고 관리 하기 어려운 되는 대로 다음 2 년에서 25%로 버섯 예정 이다.

Vm 웨어 환경에서 응용 프로그램 성능 최적화를 읽기도 1 부

이것은 vm 웨어 성능 최적화에 얼굴 팀 과제를 강조 하는 2 부분 시리즈에서 첫 번째 게시물입니다. 이 시리즈의 원래 텍스트 데이터 정보에 대 한 기사에 등장.

때 가상 컴퓨팅 처음 인기, 중요 한 응용 프로그램을 실제 서버에 유지 했다 하는 동안 사전 프로덕션 환경에서 비즈니스 중요 한 응용 프로그램에 주로 사용 되었다. 그러나, 그것은 예 열 가상화, (비용 절감된, 민첩성 증가, 등) 많은 혜택을 인식 하 고 더 비즈니스에 중요 한 이동 및 가상 환경에 응용 프로그램 데이터베이스. 우리가 실시 하는 518 IT 전문가의 최근 조사에서 우리는 응답자의 81% 지금 실행 하는 vm 웨어 환경에서 SQL Server, Oracle 또는 SAP를 포함 하 여 그들의 비즈니스 크리티컬 응용 프로그램 발견.

Vm 웨어 성능이 더 중요 한 응용 프로그램 가상화로 중요 한 됩니다.

다양 한 혜택을 확인 하 고는, 가상화 된 환경 IT 전문가 위한 도전의 새로운 세트를 소개 합니다. IT 팀 찾기 및 특히 그 비즈니스 크리티컬 응용 프로그램에 영향을 줄 수 vm 웨어 성능 문제 해결 작업에 대 한 많은 그들은 도구, 시간 및 전략에 관련 된 같은 성가신 검문소를 때 리고 있다 찾으십시오.

IT 전문가 VMware 환경의 전체적인 관점을 얻기 위해 여러 도구가 필요 합니다.

설문 조사 결과 따르면 IT 전문가의 78% 포함 하 여 응용 프로그램 모니터링, 보고 및 인프라 분석-원인을 하-여러 도구를 사용 하는
중요 한 응용 프로그램에 대 한 vm 웨어 성능 문제. 더욱, IT 전문가의 10% 그들의 Vm과 vm 웨어 성능에 영향을 주는 문제를 이해 하는 것 이상의 7 가지 도구를 사용 하는. Vm 웨어 성능 및 가용성 최적화 하는 것은 매우 복잡 한, 그리고 이러한 환경의 동적 특성 대부분의 표준 성능 문제를 해결 하기 위해 고도의 도구가 필요.

문제가 바로 발생 때마다 여러 보고 도구에 의존 대부분 IT 팀에 대 한 지속 되지 않습니다. 이것이 응용 프로그램, 네트워크, 스토리지 및 컴퓨팅 등 여러 그것 분야 또는 "사일로"의 보기 필요 응용 프로그램 성능 문제를 해결 하는 사실 때문에 분할. 대규모 조직에서는 의미 때마다 문제가 발생, 함께와 서 그들의 연구 결과 그리고 응용 프로그램 팀의 도구에서 분석 결과 비교 하 여 각 분야 필요 대표 스토리지 팀 또는 네트워크 팀의 도구 보다 다소 다른 원인을 가리킨 수 있습니다. 여러 도구와 각 사일로 평가 하는 팀의 현재 전략 모든 관련 데이터를 찾는 그것을 조립 하 고 무엇이 잘못 됐는지 그리고 문제가 발생할 변경 내용 분석의 수동, 재판 및 오류 작업을 단풍.

우리가 시간과 문제, 잠복 VMware 성능 문제의 근본 원인을 찾는 데에 낭비 하는 리소스와 관련 된 문제를 설명 하겠습니다,이 시리즈의 2 부에 대 한 지켜 봐.

응용 프로그램 성능 vm 웨어 환경-부 II 최적화 검문소를 읽으십시오