Przenoszenie obliczeń mainframe na platformę Azure
Komputery Mainframe mają reputację wysokiej niezawodności i dostępności i nadal są zaufanym szkieletem wielu przedsiębiorstw. Często uważa się, że mają również niemal nieograniczoną skalowalność i moc obliczeniową. Jednak niektóre przedsiębiorstwa przerosły możliwości największych dostępnych komputerów mainframe. Jeśli tak się wydaje, platforma Azure oferuje elastyczność, zasięg i oszczędności infrastruktury.
Aby uruchamiać obciążenia komputerów mainframe na platformie Microsoft Azure, musisz wiedzieć, jak możliwości obliczeniowe komputera mainframe są porównywane z platformą Azure. Na podstawie komputera mainframe IBM z14 (najbardziej aktualnego modelu na podstawie tego artykułu) ten artykuł zawiera informacje na temat uzyskiwania porównywalnych wyników na platformie Azure.
Aby rozpocząć pracę, należy wziąć pod uwagę środowiska obok siebie. Na poniższej ilustracji porównaliśmy środowisko mainframe do uruchamiania aplikacji do środowiska hostingu platformy Azure.
Moc komputerów mainframe jest często używana w systemach przetwarzania transakcji online (OLTP), które obsługują miliony aktualizacji dla tysięcy użytkowników. Te aplikacje często używają oprogramowania do przetwarzania transakcji, obsługi ekranu i wprowadzania formularzy. Mogą korzystać z systemu kontroli informacji klienta (CICS), systemu zarządzania informacjami (IMS) lub pakietu interfejsu transakcji (TIP).
Jak pokazano na rysunku, emulator modułu TPM na platformie Azure może obsługiwać obciążenia CICS i IMS. Emulator systemu wsadowego na platformie Azure pełni rolę języka kontroli zadań (JCL). Dane mainframe są migrowane do baz danych platformy Azure, takich jak usługa Azure SQL Database. Usługi platformy Azure lub inne oprogramowanie hostowane w usłudze Azure Virtual Machines mogą być używane do zarządzania systemem.
Obliczenia komputera Mainframe w skrócie
W mainframe z14 procesory są rozmieszczone w maksymalnie czterech szufladach. Szuflada to po prostu klaster procesorów i mikroukładów. Każda szuflada może mieć sześć aktywnych mikroukładów procesora centralnego (CP), a każdy CP ma 10 układów kontrolera systemu (SC). W terminologii Intel x86 istnieją sześć gniazd na szufladę, 10 rdzeni na gniazdo i cztery szuflady. Ta architektura zapewnia szorstki odpowiednik 24 gniazd i 240 rdzeni, maksimum, dla z14.
Szybki z14 CP ma szybkość zegara 5,2 GHz. Zazwyczaj element z14 jest dostarczany ze wszystkimi dostawcami CPS w polu. Są one aktywowane zgodnie z potrzebami. Klient jest często obciążany opłatą za co najmniej cztery godziny czasu obliczeniowego miesięcznie, pomimo rzeczywistego użycia.
Procesor mainframe można skonfigurować jako jeden z następujących typów:
- Procesor ogólnego przeznaczenia (GP)
- System z Integrated Information Processor (zIIP)
- Zintegrowany obiekt dla procesora SYSTEMU Linux (IFL)
- System Assist Processor (SAP)
- Procesor zintegrowanego sprzężenia (ICF)
Skalowanie obliczeń komputera mainframe w górę i na wyjęcie
Komputery mainframe IBM oferują możliwość skalowania w górę do 240 rdzeni (bieżący rozmiar z14 dla pojedynczego systemu). Ponadto komputery mainframe IBM można skalować w poziomie za pomocą funkcji nazywanej sprzężeniem (CF). Cf umożliwia wielu systemom mainframe dostęp do tych samych danych jednocześnie. Korzystając z cf, mainframe Parallel Sysplex technologii grupuje procesory mainframe w klastrach. Po napisaniu tego przewodnika funkcja Parallel Sysplex obsługiwała 32 grupy 64 procesorów. W ten sposób można zgrupować maksymalnie 2048 procesorów w celu skalowania w poziomie pojemności obliczeniowej.
Usługa CF umożliwia klastrom obliczeniowym udostępnianie danych z bezpośrednim dostępem. Służy do blokowania informacji, informacji o pamięci podręcznej i listy udostępnionych zasobów danych. Równoległy system sysplex używający co najmniej jednego pliku CFs można traktować jako "współużytkowany klaster obliczeniowy skalowalny w poziomie". Aby uzyskać więcej informacji na temat tych funkcji, zobacz Parallel Sysplex on IBM Z (Parallel Sysplex) w witrynie internetowej IBM.
Aplikacje mogą używać tych funkcji w celu zapewnienia wydajności skalowania w poziomie i wysokiej dostępności. Aby uzyskać informacje na temat sposobu korzystania z rozwiązania Parallel Sysplex z usługą CF, pobierz podręcznik IBM CICS i sprzężenia: beyond the Basics ( Podstawy ).
Błyskawiczne obliczenia platformy Azure
Niektórzy błędnie myślą, że serwery oparte na intelu nie są tak potężne, jak komputery mainframe. Jednak nowe, gęste, oparte na intelu systemy mają tyle mocy obliczeniowej, jak komputery mainframe. W tej sekcji opisano opcje infrastruktury jako usługi (IaaS) platformy Azure na potrzeby przetwarzania i magazynowania. Platforma Azure udostępnia również opcje typu "platforma jako usługa" (PaaS), ale ten artykuł koncentruje się na opcjach IaaS zapewniających porównywalną pojemność komputera mainframe.
Usługa Azure Virtual Machines zapewnia moc obliczeniową w różnych rozmiarach i typach. Na platformie Azure procesor wirtualny (vCPU) w przybliżeniu odpowiada rdzeniu na komputerze mainframe.
Obecnie zakres rozmiarów maszyn wirtualnych platformy Azure obejmuje od 1 do 128 procesorów wirtualnych. Typy maszyn wirtualnych są zoptymalizowane pod kątem konkretnych obciążeń. Na przykład na poniższej liście przedstawiono typy maszyn wirtualnych (bieżące na piśmie) i ich zalecane zastosowania:
| Size | Typ i opis |
|---|---|
| Seria D | Ogólnego przeznaczenia z szybkością zegara 64 procesorów wirtualnych i do 3,5 GHz |
| Seria E | Pamięć zoptymalizowana pod kątem maksymalnie 64 procesorów wirtualnych |
| Seria F | Obliczenia zoptymalizowane z maksymalnie 64 procesorami wirtualnymi i szybkością zegara 3,7 GHz |
| Seria H | Zoptymalizowane pod kątem aplikacji obliczeniowych o wysokiej wydajności (HPC) |
| Seria L | Magazyn zoptymalizowany pod kątem aplikacji o wysokiej przepływności wspieranej przez bazy danych, takie jak NoSQL |
| Seria M | Największe maszyny wirtualne zoptymalizowane pod kątem obliczeń i pamięci z maksymalnie 128 procesorami wirtualnymi |
Aby uzyskać szczegółowe informacje o dostępnych maszynach wirtualnych, zobacz Seria maszyn wirtualnych.
Komputer mainframe z14 może mieć do 240 rdzeni. Jednak komputery mainframe z14 prawie nigdy nie używają wszystkich rdzeni dla pojedynczej aplikacji lub obciążenia. Zamiast tego komputer mainframe dzieli obciążenia na partycje logiczne (LPARs), a LPAR mają klasyfikacje — MIPS (miliony instrukcji na sekundę) lub MSU (milion usługi). Podczas określania porównywalnego rozmiaru maszyny wirtualnej wymaganego do uruchomienia obciążenia komputera mainframe na platformie Azure należy uwzględnić ocenę MIPS (lub MSU).
Poniżej przedstawiono ogólne szacunki:
150 MIPS na procesor wirtualny
1000 MIPS na procesor
Aby określić prawidłowy rozmiar maszyny wirtualnej dla danego obciążenia w LPAR, najpierw zoptymalizuj maszynę wirtualną pod kątem obciążenia. Następnie określ wymaganą liczbę procesorów wirtualnych. Konserwatywne oszacowanie wynosi 150 MIPS na procesor wirtualny. Na podstawie tego oszacowania maszyna wirtualna serii F z 16 procesorami wirtualnymi może łatwo obsługiwać obciążenie IBM Db2 pochodzące z LPAR z 2400 MIPS.
Skalowanie zasobów obliczeniowych platformy Azure w górę
Maszyny wirtualne serii M mogą skalować w górę do 128 procesorów wirtualnych (w momencie pisania tego artykułu). Korzystając z konserwatywnego oszacowania 150 MIPS na procesor wirtualny, maszyna wirtualna z serii M odpowiada około 19 000 MIPS. Ogólna zasada szacowania miPS dla komputera mainframe to 1000 MIPS na procesor. Komputer mainframe z14 może mieć do 24 procesorów i zapewnić około 24 000 MIPS dla jednego systemu mainframe.
Największy pojedynczy komputer mainframe z14 ma około 5000 MIPS więcej niż największą maszynę wirtualną dostępną na platformie Azure. Jednak ważne jest porównanie sposobu wdrażania obciążeń. Jeśli system mainframe ma zarówno aplikację, jak i relacyjną bazę danych, są one zwykle wdrażane na tym samym fizycznym komputerze mainframe — każdy w swoim własnym LPAR. To samo rozwiązanie na platformie Azure jest często wdrażane przy użyciu jednej maszyny wirtualnej dla aplikacji i oddzielnej maszyny wirtualnej o odpowiednim rozmiarze dla bazy danych.
Jeśli na przykład system M64 vCPU obsługuje aplikację, a procesor wirtualny M96 jest używany dla bazy danych, wymagane jest około 150 procesorów wirtualnych — lub około 24 000 MIPS, jak pokazano na poniższej ilustracji.
Podejściem jest migrowanie LPAR do poszczególnych maszyn wirtualnych. Następnie platforma Azure łatwo skaluje w górę do rozmiaru wymaganego dla większości aplikacji wdrożonych w jednym systemie mainframe.
Skalowanie w poziomie zasobów obliczeniowych platformy Azure
Jedną z zalet rozwiązania opartego na platformie Azure jest możliwość skalowania w poziomie. Skalowanie sprawia, że niemal nieograniczona pojemność obliczeniowa jest dostępna dla aplikacji. pomoc techniczna platformy Azure wiele metod skalowania mocy obliczeniowej w poziomie:
Równoważenie obciążenia w klastrze. W tym scenariuszu aplikacja może użyć modułu równoważenia obciążenia lub menedżera zasobów, aby rozłożyć obciążenie między wiele maszyn wirtualnych w klastrze. Jeśli potrzebna jest większa pojemność obliczeniowa, do klastra są dodawane dodatkowe maszyny wirtualne.
Zestawy skalowania maszyn wirtualnych. W tym scenariuszu z zwiększaniem wydajności aplikacja może skalować do dodatkowych zasobów obliczeniowych na podstawie użycia maszyn wirtualnych. Gdy zapotrzebowanie spadnie, liczba maszyn wirtualnych w zestawie skalowania może również spaść, zapewniając wydajne wykorzystanie mocy obliczeniowej.
Skalowanie paaS. Usługa Azure PaaS oferuje skalowanie zasobów obliczeniowych. Na przykład usługa Azure Service Fabric przydziela zasoby obliczeniowe w celu spełnienia wzrostu liczby żądań.
Klastry Kubernetes. Aplikacje na platformie Azure mogą używać klastrów Kubernetes na potrzeby usług obliczeniowych dla określonych zasobów. Azure Kubernetes Service (AKS) to usługa zarządzana, która organizuje węzły, pule i klastry Kubernetes na platformie Azure.
Aby wybrać właściwą metodę skalowania zasobów obliczeniowych, ważne jest, aby zrozumieć różnice między platformą Azure i komputerami mainframe. Kluczem jest sposób lub jeśli dane są współużytkowane przez zasoby obliczeniowe. Na platformie Azure dane (domyślnie) nie są zwykle udostępniane przez wiele maszyn wirtualnych. Jeśli udostępnianie danych jest wymagane przez wiele maszyn wirtualnych w klastrze obliczeniowym skalowalnym w poziomie, udostępnione dane muszą znajdować się w zasobie obsługującym tę funkcję. Na platformie Azure udostępnianie danych obejmuje magazyn, jak opisano w poniższej sekcji.
Optymalizacja zasobów obliczeniowych platformy Azure
Każdą warstwę przetwarzania można zoptymalizować w architekturze platformy Azure. Użyj najbardziej odpowiedniego typu maszyn wirtualnych i funkcji dla każdego środowiska. Na poniższej ilustracji przedstawiono jeden potencjalny wzorzec wdrażania maszyn wirtualnych na platformie Azure w celu obsługi aplikacji CICS korzystającej z bazy danych Db2. W lokacji głównej maszyny wirtualne produkcyjne, przedprodukcyjne i testowe są wdrażane z wysoką dostępnością. Lokacja dodatkowa służy do tworzenia kopii zapasowych i odzyskiwania po awarii.
Każda warstwa może również zapewnić odpowiednie usługi odzyskiwania po awarii. Na przykład maszyny wirtualne produkcyjne i maszyny wirtualne bazy danych mogą wymagać gorącego lub ciepłego odzyskiwania, podczas gdy maszyny wirtualne programistyczne i testowe obsługują zimne odzyskiwanie.
Następne kroki
- Migracja komputera Mainframe
- Ponowne hostowanie komputera Mainframe na maszynach wirtualnych platformy Azure
- Przenoszenie magazynu mainframe na platformę Azure
Zasoby IBM
- Parallel Sysplex w systemie IBM Z
- IBM CICS i obiekt sprzęgania: poza podstawami
- Tworzenie wymaganych użytkowników na potrzeby instalacji funkcji db2 pureScale
- Db2icrt — polecenie Create instance
- Rozwiązanie bazy danych db2 pureScale clustered Database
- IBM Data Studio