Pertimbangan platform aplikasi untuk beban kerja berkelanjutan di Azure

Merancang dan membangun beban kerja yang berkelanjutan memerlukan pemahaman platform tempat Anda menyebarkan aplikasi. Tinjau pertimbangan dan rekomendasi di bagian ini untuk mengetahui cara membuat keputusan terkait platform yang lebih baik seputar keberlanjutan.

Penting

Artikel ini adalah bagian dari seri beban kerja azure Well-Architected berkelanjutan . Jika Anda tidak terbiasa dengan seri ini, kami sarankan Anda memulai dengan apa itu beban kerja berkelanjutan?

Pembaruan platform dan layanan

Selalu perbarui platform dan layanan untuk memanfaatkan peningkatan performa terbaru dan pengoptimalan energi.

Meninjau pembaruan platform dan layanan secara teratur

Pembaruan platform memungkinkan Anda menggunakan fungsionalitas dan fitur terbaru untuk membantu meningkatkan efisiensi. Berjalan pada perangkat lunak yang kedaluarsa dapat mengakibatkan menjalankan beban kerja suboptimal dengan masalah performa yang tidak perlu. Perangkat lunak baru cenderung lebih efisien secara umum.

Keselarasan Green Software Foundation: Efisiensi energi

Rekomendasi:

  • Tingkatkan ke layanan yang lebih baru dan lebih efisien saat tersedia.
  • Pertimbangkan kompatibilitas mundur dan penggunaan kembali perangkat keras. Peningkatan mungkin bukan solusi yang paling efisien jika perangkat keras atau OS tidak didukung.
  • Manfaatkan manajemen pembaruan Azure Automation untuk memastikan pembaruan perangkat lunak disebarkan ke Azure VM.

Perbedaan regional

Pusat data Microsoft Azure tersebar secara geografis di seluruh planet dan didukung menggunakan sumber energi yang berbeda. Membuat keputusan tentang tempat untuk menyebarkan beban kerja Anda dapat berdampak signifikan pada emisi yang dihasilkan solusi Anda.

Pelajari selengkapnya tentang keberlanjutan dari pusat data ke cloud dengan Azure. Lihat informasi keberlanjutan khusus wilayah di lembar fakta keberlanjutan pusat data Microsoft.

Menyebarkan ke wilayah rendah karbon

Pelajari tentang wilayah Azure apa yang memiliki jejak karbon yang lebih rendah daripada yang lain untuk membuat keputusan yang lebih tepat tentang di mana dan bagaimana beban kerja kami memproses data.

Keselarasan Green Software Foundation: Efisiensi karbon

Rekomendasi:

  • Gunakan lebih sedikit karbon karena pusat data tempat Anda menyebarkan beban kerja lebih mungkin didukung oleh sumber energi terbarukan dan rendah karbon.
  • Pertimbangkan potensi tradeoff ini:
    • Upaya dan waktu yang diperlukan untuk pindah ke wilayah rendah karbon.
    • Memigrasikan data antar pusat data mungkin tidak hemat karbon.
    • Pertimbangkan biaya untuk wilayah baru, termasuk wilayah rendah karbon, yang mungkin lebih mahal.
    • Jika beban kerja sensitif terhadap latensi, pindah ke wilayah karbon yang lebih rendah mungkin bukan pilihan.

Proses ketika intensitas karbon rendah

Beberapa wilayah di planet ini lebih intens karbon daripada yang lain. Oleh karena itu, penting untuk mempertimbangkan di mana kami menyebarkan beban kerja kami dan menggabungkannya dengan persyaratan bisnis lainnya.

Keselarasan Green Software Foundation: Efisiensi karbon, kesadaran karbon

Rekomendasi:

  • Jika Anda memiliki data yang tersedia, pertimbangkan untuk mengoptimalkan beban kerja saat mengetahui bahwa campuran energi sebagian besar berasal dari sumber energi terbarukan.
  • Jika aplikasi Anda mengizinkannya, pertimbangkan untuk memindahkan beban kerja secara dinamis saat kondisi energi berubah.
    • Misalnya, menjalankan beban kerja tertentu di malam hari mungkin lebih bermanfaat ketika sumber yang dapat diperbarui berada di puncaknya.

Pilih pusat data yang dekat dengan pelanggan

Menyebarkan beban kerja cloud ke pusat data itu mudah. Namun, pertimbangkan jarak dari pusat data ke pelanggan. Traversal jaringan meningkat jika pusat data jaraknya lebih jauh dari konsumen.

Keselarasan Green Software Foundation: Efisiensi energi

Rekomendasi:

  • Pertimbangkan untuk menyebarkan ke pusat data yang dekat dengan konsumen.

Menjalankan beban kerja batch selama periode intensitas karbon rendah

Merancang pemrosesan batch beban kerja secara proaktif dapat membantu menjadwalkan pekerjaan intensif selama periode karbon rendah.

Keselarasan Green Software Foundation: Kesadaran karbon

Rekomendasi:

  • Jika Anda memiliki data yang tersedia untuk Anda, rencanakan penyebaran Anda untuk memaksimalkan pemanfaatan komputasi untuk menjalankan beban kerja batch selama periode intensitas karbon rendah.
  • Potensi tradeoff dapat mencakup upaya dan waktu yang diperlukan untuk pindah ke wilayah rendah karbon. Selain itu, memigrasikan data antar pusat data mungkin tidak hemat karbon, dan biaya untuk wilayah baru-termasuk rendah—wilayah karbon—mungkin lebih mahal.

Modernisasi

Pertimbangkan keputusan desain platform ini saat memilih cara mengoperasikan beban kerja. Memanfaatkan layanan terkelola dan platform yang sangat dioptimalkan di Azure membantu membangun aplikasi cloud-native yang secara inheren berkontribusi pada postur keberlanjutan yang lebih baik.

Kontainerisasi beban kerja jika berlaku

Pertimbangkan opsi untuk mengkontainerisasi beban kerja untuk mengurangi alokasi sumber daya yang tidak perlu dan memanfaatkan sumber daya yang disebarkan dengan lebih baik.

Keselarasan Green Software Foundation: Efisiensi perangkat keras

Rekomendasi:

  • Menyebarkan aplikasi sebagai kontainer memungkinkan pengemasan bin dan mendapatkan lebih banyak dari VM, pada akhirnya mengurangi kebutuhan akan duplikasi pustaka pada OS host.
  • Menghapus overhead pengelolaan seluruh VM, dan memungkinkan penyebaran lebih banyak aplikasi per komputer fisik. Kontainerisasi juga mengoptimalkan tingkat pemanfaatan server dan meningkatkan keandalan layanan, menurunkan biaya operasional. Lebih sedikit server yang diperlukan, dan server yang ada dapat digunakan dengan lebih baik.
  • Pertimbangkan tradeoff ini: Manfaat kontainerisasi hanya akan terwujud jika pemanfaatannya tinggi. Selain itu, provisi orkestrator seperti Azure Kubernetes Services (AKS) atau Azure Red Had OpenShift (ARO) hanya untuk beberapa kontainer kemungkinan akan menyebabkan emisi yang lebih tinggi secara keseluruhan.

Mengevaluasi pemindahan ke PaaS dan beban kerja tanpa server

Layanan terkelola sangat dioptimalkan dan beroperasi pada perangkat keras yang lebih efisien daripada opsi lain, berkontribusi pada dampak karbon yang lebih rendah.

Keselarasan Green Software Foundation: Efisiensi perangkat keras, efisiensi energi

Rekomendasi:

  • Bangun aplikasi cloud-native tanpa mengelola infrastruktur, menggunakan platform yang dikelola sepenuhnya dan dioptimalkan secara inheren. Platform ini menangani penskalaan, ketersediaan, dan performa, pada akhirnya mengoptimalkan efisiensi perangkat keras.
  • Tinjau prinsip desain untuk beban kerja Platform as a Service (PaaS ).

Gunakan Spot VM jika memungkinkan

Pikirkan tentang kapasitas yang tidak digunakan di pusat data Azure. Memanfaatkan kapasitas yang terbuang sia-sia—dengan harga yang berkurang secara signifikan—beban kerja berkontribusi pada desain platform yang lebih berkelanjutan.

Keselarasan Green Software Foundation: Efisiensi perangkat keras

Rekomendasi:

  • Dengan menggunakan Spot VM, Anda memanfaatkan kapasitas yang tidak digunakan di pusat data Azure sambil mendapatkan diskon signifikan pada VM.
  • Pertimbangkan tradeoff: Ketika Azure membutuhkan kapasitas kembali, VM akan dikeluarkan. Pelajari selengkapnya tentang kebijakan pengeluaran Spot VM.

Ukuran yang tepat

Memastikan beban kerja menggunakan semua sumber daya yang dialokasikan membantu memberikan beban kerja yang lebih berkelanjutan. Layanan yang terlalu besar adalah penyebab umum dari lebih banyak emisi karbon.

Menonaktifkan beban kerja di luar jam kerja

Mengoperasikan beban kerja diam membuang-buang energi dan berkontribusi pada emisi karbon tambahan.

Keselarasan Green Software Foundation: Efisiensi energi, Efisiensi perangkat keras

Rekomendasi:

  • Beban kerja pengembangan dan pengujian harus dimatikan atau diturunkan ukurannya saat tidak digunakan. Alih-alih membiarkan mereka berjalan, pertimbangkan untuk mematikannya di luar jam kerja reguler.

Menggunakan kemampuan penskalaan otomatis dan bursting

Tidak jarang dengan beban kerja komputasi yang terlalu besar di mana sebagian besar kapasitas tidak pernah digunakan, pada akhirnya mengarah ke pemborbuan energi.

Keselarasan Green Software Foundation: Efisiensi perangkat keras

Rekomendasi:

Mencocokkan kebutuhan skalabilitas

Pertimbangkan platform dan apakah memenuhi kebutuhan skalabilitas solusi. Misalnya, memiliki sumber daya yang disediakan dengan alokasi khusus dapat menyebabkan sumber daya komputasi yang tidak digunakan atau kurang digunakan.

Contoh:

  • Penyediaan lingkungan Azure App Service (ASE) melalui rencana App Service dapat menyebabkan komputasi yang disediakan, baik digunakan maupun tidak.
  • Memilih tingkat Azure API Management Premium alih-alih tingkat konsumsi mengarah ke sumber daya yang tidak digunakan jika Anda tidak menggunakannya sepenuhnya.

Keselarasan Green Software Foundation: Efisiensi perangkat keras

Rekomendasi:

  • Tinjau keputusan desain platform mengenai skalabilitas, dan pastikan beban kerja menggunakan sebanyak mungkin sumber daya yang disediakan.
  • Pertimbangkan tradeoff ini: Beberapa layanan memerlukan tingkat yang lebih tinggi untuk mengakses fitur dan kemampuan tertentu terlepas dari pemanfaatan sumber daya.
  • Pertimbangkan dan pilih layanan yang memungkinkan penskalakan tingkat dinamis jika memungkinkan.

Mengevaluasi prosesor berbasis Arm Ampere Altra untuk Virtual Machines

VM berbasis Arm mewakili opsi hemat biaya dan hemat daya yang tidak membahayakan performa yang diperlukan.

Keselarasan Green Software Foundation: Efisiensi energi

Rekomendasi:

Menghapus beban kerja zombie

Pertimbangkan untuk menemukan beban kerja dan sumber daya yang tidak digunakan dan jika ada sumber daya tanpa sumber daya dalam langganan Anda.

Keselarasan Green Software Foundation: Efisiensi perangkat keras, efisiensi energi

Rekomendasi:

  • Hapus beban kerja atau sumber daya tanpa sumber daya jika tidak lagi diperlukan.

Langkah selanjutnya

Tinjau pertimbangan desain untuk penyebaran dan pengujian.