애플리케이션 가상화를 통한 에너지 효율 향상 및 최적화

애플리케이션 가상화를 통한 에너지 효율 향상 및 최적화 이정운 ( juwlee@kr.ibm.com) 한국 IBM 웹스피어 사업부

오늘의 현실 • IT 예산의 70%가 IT 운영에 관한 비용 • 2003년부터 2008년까지 매년 10%씩 증가 • 장애의 약 40% 이상이 operator error로 발생 • 시스템 관리 비용이 2000년 이후 2배로 증가 • 서버 용량의 85-95%가 여유분(1천4백억 달러의 여분 용량) • 서버 처리 용량은 3년마다 2배로 증가 • 18개월마다 데이터 양은 2배로 증가1 • IT 에너지 비용 • 지난 5년간 매년 15%씩 증가 • 5년 이내에 서버 구매 비용과 같아지거나 더 커질 것으로 예측 • 인프라 비용 • 전력 및 냉각 비용이 2000년 이후 2배로 증가 • 네트워크를 통해 데이터에 접근하는 디바이스의 수 2.5년마다 2배로 증가 • 네트워크 bandwidth가 1.5년마다 2배로 증가 • 10G Ethernet 포트는 지난 5년간 3배로 증가 source: IDC, 2008 / IBM and Industry Studies, Customer Interviews

에너지 효율 개선 및 비용 절감을 위한 가상화의 필요성 • 하드웨어적인 냉각 및 전력 분배의 한계 인식 • 데이터 센터, 전원, 냉각, 바닥 공간 선택 등에 대한 비용 수요 증가 • 에너지 비용이 전체 운영 예산에서 차지하는 비중이 점점 증가 • 증가하는 IT 서비스 요구 사항 충족 • 엔터프라이즈 애플리케이션 전략의 기반으로 SOA 사용 • IT 관리가 IT 비용의 상당한 부분을 차지 • 에너지 소비가 늘어남에 따라 이 비용은 급격한 비율로 증가하고 있습니다. • 비용 감소를 위해 주요 IT 공급업체들은 그린 IT 기술 사용 • 그린 IT 기술 • 에너지 효율적이고 환경 친화적인 기술 • 주로 환경 문제에 초점이 맞춰져 있지만 효율성과 활용 개선 문제도 다루고 있음 • 에너지 및 인력과 같은 주요 자원의 소비량을 줄이는 동시에 IT 하드웨어 및 소프트웨어의 활용을 높이면 • 환경적인 측면뿐만 아니라 비용적인 측면에서의 혜택 • 가상화(Virtualization) • 기업이 데이터 센터의 효율성과 IT 자원의 활용을 개선할 수 있는 유일한 방법 • 가상화를 통해 에너지 비용 감소 Virtualization

가상화(Virtualization)란 ? • 가상화(假像化, virtualization)는 컴퓨터에서 컴퓨터 리소스의 추출을 일컫는 광범위한 용어이다. "물리적인 컴퓨터 리소스의 특징을 다른 시스템, 애플리케이션, 최종 사용자들이 리소스와 상호 작용하는 방식으로부터 감추는 기술"로 정의할 수 있다. 이것은 다중 논리 리소스로서의 기능을 하는 것처럼 보이는 서버, 운영 체제, 애플리케이션, 또는 저장 장치와 같은 하나의 단일 물리 리소스를 만들어 낸다. 아니면 단일 논리 리소스처럼 보이는 저장 장치나 서버와 같은 여러 개의 물리적 리소스를 만들어 낼 수 있다. “ You take the blue pill and the story ends. You wake in your bed and you believe whatever you want to believe You take the red pill and you stay in wonderland and I show you how deep the rabbit-hole goes. ”

다양한 가상화 방법 • 가상화를 위한 방법에는 여러 가지가 있으며 이중에 오늘 세션에서 다루어질 내용은 Application Infrastructure Virtualization (AIV) 입니다. • 왼쪽의 다이어그램은 VMWare와 IBM이 합동으로 연구해서 발표한 리포트입니다. 가상화 업체들 자신들도 가상화 개념간의 차이를 인식하고 있습니다. • 기존에 가지고 있는 가상화 개념과는 다르게 현존하는 가상화 전략의 분명한 차이를 말하며 애플리케이션 인프라를 최적화할 수 있는 방법이 애플리케이션 인프라 가상화입니다. (또는 소프트웨어 가상화라고도 합니다.) 애플리케이션

하드웨어 가상화의 고려점 클러스터를 사용하지 않는 환경의 Capped LPAR Powerful P-Series 하드웨어 P-Series Hypervisor (with capped LPARs) 높은 우선순위의 애플리케이션에 많은 부하가 들어오더라도 다른 LPAR의 남는 자원을 활용할 수 없다. New Reservations App LPAR FrequentFlyer App LPAR (10%) CancelledFlights Rebooking LPAR (99%) (70%) (10%) 하드웨어 자원 • 문제점 : Capped LPAR 는 자원을 공유하지 않으므로 애플리케이션에서도 불가능하다

하드웨어 가상화의 고려점 클러스터를 사용하지 않는 환경의 UnCapped LPAR Powerful P-Series 하드웨어 P-Series Hypervisor (with uncapped LPARs) 낮은 우선순위 애플리케이션이 자원을 점유 CPU 요구에 따라 가상화된 LPAR의 하드웨어 자원을 동적으로 할당 높은 우선순위 애플리케이션에 대한 요청 New Reservations App LPAR FrequentFlyer App LPAR (10%) CancelledFlights Rebooking LPAR (10%) (70%) (10%) (70%) 하드웨어 자원 • 문제점 : 높은 우선순위의 애플리케이션이 부하를 받는 상황에서도 낮은 우선순위의 애플리케이션이 모든 자원을 점유할 수 있다. Hypervisor는 애플리케이션 우선순위에 대한 개념 자체가 없다.

하드웨어 가상화의 고려점 클러스터를 사용하는 환경의 Capped 와 UnCappedLPAR Powerful P-Series 하드웨어 높은 우선순위애플리케이션요청 P-Series Hypervisor 낮은 우선순위의 애플리케이션이 모든 자원을 점유할 수 있음 LPARS (capped또는uncapped) New Reservations App Cluster 10% 10% 10% Frequent Flyer App Cluster 10% 90% 90% 10% 10% 90% Cancelled Flights App Cluster LPAR LPAR LPAR 하드웨어 자원 • 문제점 : Hypervisor가 애플리케이션을 따로 인식하지 않음애플리케이션 간의 상대적인 비즈니스 우선순위나 SLA에 대한 고려가 없으며현재까지 들어온 애플리케이션 요청 패턴 등을 파악할 수 있는 방법이 없음

소프트웨어 가상화 방안 • 소프트웨어 가상화를 통한 시스템 파워 활용도 증가 • 애플리케이션 워크로드 및 사용자 세션 관리를 통해 구현 • 메모리 및 CPU의 사용량 감소로 이어짐 • 하드웨어의 최적화 구현 가능 30% System p 30% System p 1 2 3 4 WAS WAS WAS WAS CPU CPU CPU CPU 15% 15% 15% 15% WebSphere Virtual Enterprise on System p

IBM의 애플리케이션 가상화 인프라 방안 WebSphere Virtual Enterprise WebSphere DataPower SOA Appliances WebSphere BPM Suite 애플리케이션 인프라 가상화 에너지 관리 가용성 증가 고성능의 확장성 보장 WebSphere Application Server 고성능의 확장성 보장

WebSphere Virtual Enterprise • 소프트웨어 가상화의 사상 • 웹 애플리케이션 서버의 애플리케이션 프레임워크 확장 • 웹 애플리케이션 서버의관리 방법 자동화 • 핵심 기능 : 운영 최적화 (Operations Optimization) • 동적 클러스터방안 (Dynamic Clustering) • 동적 운영방안 (Dynamic Operation)

여행 예약 시스템의 평일 상황 Static Cluster 1 Static Cluster 2 Static Cluster 3 100% 100% 100% 50% 50% 50% 0% 0% 0% 서버 활용율 10% 서버 활용율 20% 서버 활용율 15% 취소 보상 애플리케이션 예약 애플리케이션 항공 취소 재 예약 애플리케이션

행사 결과에 의해서 100% 모든 자원이 사용됨 서버 활용율 55% 새로운 행사에 의해 예약시스템에 많은 부하 발생 Static Cluster 1 Static Cluster 2 Static Cluster 3 100% 100% 100% 50% 50% 50% 0% 0% 0% 서버 활용율 10% 서버 활용율 20% 서버 활용율 15% 서버 활용율 75% 항공 취소 재 예약 애플리케이션 예약 애플리케이션 취소 보상 애플리케이션 예약 처리 시간 : 목표 대비 50% 증가고객 불만 : 목표대비 25% 증가영업 손실: \X 억원

0% 서버 활용율 55% 서버 활용율 40% 서버 활용율 50% 서버 활용율 75% Dynamic Clustering : 가상화된 XD 자원 풀을 사용하여 서버 상에서 우선순위가 높은 작업의 경우 자동으로 자원을 공유 행사 실행 – 서버가 동적으로 조절 Dynamic Cluster 1 Dynamic Cluster 2 Dynamic Cluster 3 100% 100% 100% 50% 0% 서버 활용율 20% 취소 보상 애플리케이션 예약 애플리케이션 항공 취소 재 예약 애플리케이션

Cluster 1 Cluster 3 100% 50% 0% 서버 활용율 55%* Dynamic Clustering : 모든 애플리케이션은 마치 하나의 자원 풀을 이용하는 것처럼 동작 Cluster 2 하나의 자원 풀 취소 보상 애플리케이션 예약 애플리케이션 항공 취소 재 예약 애플리케이션 * 상기 이미지는 이론적 설명을 위해서 강조된 내용입니다.

Dynamic Operation – 서비스 품질 관리 • 목표치 및 우선 순위 기반의 서비스 품질 관리 • 트랜잭션 클래스 별 목표치 및 중요도 지정 : 개별 트랜잭션 클래스들의 서비스 품질(QoS)을 실시간으로 관리 • 동일한 애플리케이션도 사용자마다 서로 다른 목표치 및 중요도로 서비스 품질을 관리 가능 • On Demand Routing • 부하 변화, 자원 사용량, 성능 정보 등을 실시간으로 추적, 분석 • 사용자 요청을 지능적으로 분배, 조정하여 항상 일정한 서비스 품질을 유지

Dynamic Operation – 서비스 정책 서비스 정책 작업 Class 분류 Rules 트랜잭션 Class 애플리케이션(URIs/Protocols, etc) For 90% of work RT < 1s Gold High Application A Rules Application B Rules Silver Avg RT < 5s Med Application C Rules Application D Rules Bronze Avg RT < 8s Low 이름 목표 중요도

Dynamic Operation – 서비스 정책 사례 : 높은 우선순위를 가진 App 1이 서비스 정책 목표에 어긋남 App 1 이 목표에 어긋남 ODR Avg response time App 2 SLA Avg response time App 2 가 목표를 많이 충족 App 1 이 이제는 목표 충족 App 2 는 여전치 목표 충족 LPAR LPAR 80% 70% High Priority App 1 70% 80% High Priority App 2 25% 15% 15% 25%

Dynamic Operation – 서비스 정책 사례 : 낮은 우선순위를 가진 애플리케이션과 CPU 경합 App 1 이 목표를 벗어남 ODR Avg response time App 2 SLA Avg response time App 1 이 SLA 를 충족 App 2 이 목표에 도달함 App 2 가 SLA 에 조금 어긋남 LPAR LPAR 85% 70% High Priority App 1 70% 85% Low Priority App 2 10% 25% 25% 10%

ApplicationProvisioning Auto-Manager Node 1 A B C Node 2 Node 3 Node 4 Flow Control Auto-Manager WLM Auto-Manager Dynamic Operation – 자율 관리 Scheduling and Flow Control Routing and Load Balancing Classification C B C B A B On demand Router A C Business Policies And Performance Goals CPU Measurements WebSphere Resource Pool

ApplicationProvisioning Auto-Manager Node 1 B A C Node 2 Node 3 Node 4 Flow Control Auto-Manager WLM Auto-Manager Dynamic Operation – 자율 관리 Scheduling and Flow Control Routing and Load Balancing Classification C B C B A B On demand Router A C Business Policies And Performance Goals CPU Measurements WebSphere Resource Pool

ApplicationProvisioning Auto-Manager Node 1 B A C Node 2 Node 3 Node 4 Flow Control Auto-Manager WLM Auto-Manager Dynamic Operation – 자율 관리 Scheduling and Flow Control Routing and Load Balancing Classification C B A C B A B On demand Router A C Business Policies And Performance Goals CPU Measurements WebSphere Resource Pool

ApplicationProvisioning Auto-Manager Node 1 B A C Node 2 Node 3 Node 4 Landing Zone Flow Control Auto-Manager WLM Auto-Manager Dynamic Operation – 자율 관리 Scheduling and Flow Control Routing and Load Balancing Classification C A B A C B A B On demand Router A C Business Policies And Performance Goals CPU Measurements WebSphere Resource Pool

WebSphere Virtual Enterprise (WSVE)Source: Based on 35+ Operations Optimization Value Assessments done to date by IBM 비 용 절 감

Reference

WebSphere 제공 기능 교체 배경 입증된 기술 제공 신 기술 적용 시 표준의 부재 애플리케이션 변경 시 서버 재기동 지능적인 시스템 관리가 요구됨 장애발생시 명확한 문제 규명이 어려움 클러스트링의 효과가 미흡 피크 타임 시 서버 다운현상 안정적인 서비스 품질 보장이 되지 않음 H/W자원 활용 최적화 구축 후 WAS관리가 효율적이지 못함 Health Management 각종 로그 , 덤프 및 GUI 기반 분석 도구 다수의 대용량 레퍼런스, 시장 점유율 1위 Market Leadership (각종 기술 표준 선도) J2EE, SOA, Web Service, XML Dynamic Operation Admin Console, Performance Viewer Dynamic Clustering Application Version Control Business Grid K기관 WAS REPLACEMENT 동기

원격지 백업 서비스 내부 DR L2 switch L2 switch 45Mbps(T3) 45Mbps(T3) L2 switch L4 switch #1 L4 switch #2 L4 switch #1 L4 switch #2 4.7GHz2C, 16GB BACKUP Firewall #1 Firewall #2 Firewall #1 Firewall #2 L4 switch #3 L4 switch #4 L4 switch #3 L4 switch #4 4.7GHz2C, 16GB Usable9TB WAS #1 WAS #2 WAS #3 WAS #4 WAS #1 WAS #2 WAS #3 WAS #4 Storage Backbone switch #1 Backbone switch #2 Backbone switch #1 Backbone switch #2 L4 switch #1 L4 switch #2 L4 switch #1 L4 switch #2 4.7GHz4C, 32GB DB #1 DB #2 DB #3 DB #4 DB #1 DB #2 DB #3 DB #4 정부고속망 인터넷 신규도입장비 SAN switch #1 SAN switch #2 SAN switch #1 SAN switch #2 Usable9TB Usable9TB Storage #1 Storage #2 Storage #1 Storage #2 본원 X원 K기관 목표시스템 구성도

K기관 WAS 구성도 WebSvr 외부기관 HTTP세션(복제용) 정적 컨텐츠 (이미지, html, 플래시 등.) 동적 컨텐츠 (서블릿, JSP 등.) App1 App2 App3 App4 App5 App6 App7 session_rep abwp1 WAS WAS WAS WAS WAS WAS WAS WAS ODR WebSvr abwp2 ODR WebSvr WAS WAS WAS WAS WAS WAS WAS WAS abwp3 WAS WAS WAS ODR WAS WAS WAS WAS WebSvr WAS kbwp4 WAS WAS WAS WAS WAS WAS WAS WAS ODR WebSvr L4 kbapp1 WAS WAS WAS WAS WAS WAS WAS WAS ODR WebSvr kbapp2 ODR WebSvr WAS WAS WAS WAS WAS WAS WAS WAS report kaapp3 WAS ODR WAS WAS WAS WAS WAS WAS WAS WebSvr WAS WAS kbapp4 WAS WAS WAS WAS WAS WAS WAS WAS ODR WebSvr

기존 웹 환경 개선사항 K기관개선 사항 Peak Time 시에도 안정적인 성능 발휘 Peak Time 시의 과부하에 취약

감사합니다Q&A 감사합니다Q&A

애플리케이션 가상화를 통한 에너지 효율 향상 및 최적화

애플리케이션 가상화를 통한 에너지 효율 향상 및 최적화

Presentation Transcript