Примечание
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Оценки службы "Миграция Azure" оценивают готовность исходных рабочих нагрузок, рекомендуют целевые показатели правильного размера и оценивают затраты на размещение этих рабочих нагрузок в Azure. После определения готовности исходной рабочей нагрузки оценка предоставляет рекомендации по размеру на основе as-is локального размера или размера на основе производительности.
Критерии определения размера
Программа "Миграция Azure" поддерживает два типа размеров целевой конфигурации:
| Размерные критерии | Подробности | Примеры |
|---|---|---|
| Основанный на производительности | Оценки, которые делают рекомендации по размеру целевого объекта на основе собранных данных о производительности. | Рекомендация по вычислению основана на данных об использовании ЦП и памяти. Рекомендация по хранилищу основана на операциях ввода-вывода в секунду (IOPS) и пропускной способности локальных дисков. Поддерживаемые типы дисков: диск HDD Azure категории "Стандартный", диск SSD Azure категории "Стандартный", диски Azure категории "Премиум" и диски Azure категории "Ультра". |
| Локальная среда в существующем виде | Оценки, которые не используют данные о производительности для рекомендаций по размеру целевого объекта. Размер целей определяется на основе доступных данных конфигурации. | Рекомендация по вычислению основана на размере локальной исходной рабочей нагрузки. Рекомендуемое хранилище основано на типе хранилища, выбранном для оценки. |
Чтобы определить правильный размер целевого объекта Azure, который не является избыточным, но по-прежнему устойчивым, рекомендуется создавать оценки на основе производительности. Оценки на основе производительности используют данные об использовании ресурсов (использование ЦП и памяти и т. д.) и данные конфигурации ресурсов. Устройство собирает необходимые данные о производительности с регулярными интервалами и моделировается для выполнения оценки.
Статистические данные о производительности устройства и модели
При использовании устройства для обнаружения он собирает данные о производительности непосредственно из гипервизора, на котором размещаются рабочие нагрузки. Вот как выглядит типичный процесс моделирования данных производительности:
Устройство собирает точку выборки в режиме реального времени.
- Виртуальные машины VMware: выборка точки собирается каждые 20 секунд.
- Hyper-V VMs: точка пробоотбора фиксируется каждые 30 секунд.
- Физические серверы: образец точки собирается каждые пять минут.
Устройство объединяет выборки для создания единой точки данных каждые 10 минут для серверов VMware и Hyper-V, а также каждые 5 минут для физических серверов. Для создания точки данных устройство выбирает из всех выборок пиковые значения. Затем оно отправляет точку данных в Azure.
В оценке хранятся все 10-минутные точки данных за предыдущий месяц. Все пики упорядочены в порядке возрастания, чтобы определить нужную точку данных для оптимального изменения размеров.
Данные о производительности, собранные для обнаружения, основанного на импорте
При импорте серверов с помощью CSV-файла значения производительности, указанные (загрузка ЦП, использование памяти, операций ввода-вывода в секунду и пропускная способность) используются при выборе размера на основе производительности. Вы не сможете предоставить журнал производительности и сведения о процентилях.
Этот метод особенно полезен, если вы чрезмерно выделили локальный сервер, его использование низко, и вы хотите правильно использовать виртуальную машину Azure для экономии затрат.
Если вы не хотите использовать данные о производительности, сбросьте критерии определения размера до состояния «как есть» в локальной среде, как описано в предыдущем разделе.
Данные о производительности, используемые для оптимизации ресурсов
При создании оценки оценка определяет соответствующий уровень использования для правильного определения размера. Он определяется на основе истории производительности и использования по процентилям. История производительности указывает длительность, используемую при оценке данных производительности, а процентиль использования указывает значение процентиля примера производительности, используемого для оптимального размера.
Например, рассмотрим сервер с присоединенными 16 виртуальными ЦП. Выбранная история производительности составляет одну неделю, а использование процентиля — 95-й процентиль. Оценка сортирует примеры данных о производительности за последнюю неделю. Он сортирует их в порядке возрастания и выбирает 95-е процентильное значение для оптимизации размера. На основе указанных выше значений оценка определяет, что этот сервер использует только 20% ЦП, доступных на 95-м процентиле. Таким образом, достаточно 4 виртуальных ЦП для управления нагрузкой для данного сервера. Чтобы подтвердить, пользователь может добавить фактор комфорта, который используется в качестве множителя для определённого использования, чтобы обеспечить запас безопасного диапазона и доступность сервера, даже если возникнет всплеск выше ожидаемого. Учитывайте, что если пользователь запрашивает 1,5x в качестве фактора комфорта, окончательная рекомендация — это 8 основных виртуальных машин.
Замечание
Поскольку устройство не собирает данные о производительности веб-приложений, они будут оцениваться только в существующем виде на месте. Серверы и базы данных SQL можно оценить для целевых объектов с помощью производительности и as-is локального размера.