Quand le cloud s’adapte automatiquement à la demande

Introduction

L’élasticité des services, ou l’adaptation automatique à la demande, est une caractéristique émergente, offerte par de nombreuses plateformes cloud et centres de données virtualisés. Elle peut être définie comme la capacité d’adapter le système aux changements de la charge de travail, en approvisionnant et en dé-provisionnant les ressources de manière autonome, de sorte qu’à chaque instant, les ressources disponibles correspondent le plus exactement possible à la demande de services de la part des utilisateurs d’une application.

Les avantages de l’élasticité

L’utilisation de mécanismes d’élasticité des services présente deux principaux avantages : la garantie du niveau de service et la réduction des consommations énergétiques et des coûts inhérents. Exemple d’applications de GMAO de nouvelle génération, basées sur ces technologies adaptatives : de bonnes raisons pour changer votre GMAO actuelle.

Garantie du niveau de source

D’une part, « l’Elastic Cloud » fournit une qualité de service garantie continue aux utilisateurs, qui peut être exprimée à l’aide de différentes mesures de service, telles que le temps de réponse, le débit, la disponibilité du service, et ainsi de suite, selon le type de service.

Les niveaux de qualité de service convenus entre le fournisseur de services et l’utilisateur sont définis au moyen d’accords de niveau de service ou SLA pour Service Level Agreement, de telle sorte que les défaillances du niveau de service peuvent entraîner des pénalités financières pour le fournisseur de services et une perte potentielle de clients.

Réduction des consommations énergétiques

D’autre part, l’élasticité des services permet de réduire la consommation d’énergie, en évitant le surdimensionnement des ressources. Le surdimensionnement est une solution typique et simple adoptée par de nombreux fournisseurs de services pour satisfaire les périodes de pointe et garantir la qualité de service pendant la durée de vie du service. Cependant, cela entraîne un gaspillage de ressources qui restent inutilisées la plupart du temps, avec pour conséquence une consommation d’énergie et des émissions de CO2 superflues. L’utilisation de mécanismes d’élasticité des services permet de réduire le nombre de ressources nécessaires à la mise en œuvre du service et, avec d’autres techniques efficaces de consolidation de serveurs, d’allocation de machines virtuelles et de migration de machines virtuelles, cette stratégie conduit à d’importantes économies d’énergie pour le centre de données ou le fournisseur de cloud computing.

Les techniques utilisées

Les fournisseurs de cloud computing mettent souvent en œuvre l’élasticité en utilisant des techniques de mise à l’échelle automatique. Celles-ci prennent des décisions de mise à l’échelle automatisées en fonction de la valeur de paramètres de performance spécifiques, tels que des paramètres matériels (par exemple, l’utilisation du processeur ou de la mémoire) ou des paramètres de service (par exemple, la longueur de la file d’attente, le débit du service, le temps de réponse, etc.). Les mécanismes de mise à l’échelle automatique peuvent être classés en deux catégories : réactifs et proactifs.

Les mécanismes réactifs

Les mécanismes réactifs surveillent en permanence le système et déclenchent une action de dimensionnement particulière lorsqu’une condition spécifique est remplie (par exemple, l’approvisionnement ou la suppression d’un nombre donné de ressources lorsqu’une mesure particulière est supérieure ou inférieure à un seuil particulier). Le principal problème des mécanismes réactifs est que le temps de réaction (temps écoulé entre la détection de la condition de déclenchement et le moment où les ressources sont prêtes à être utilisées) peut être insuffisant pour éviter la surcharge du système ; en outre, ces mécanismes peuvent provoquer l’instabilité du système en raison de la fluctuation continue des ressources allouées.

Les mécanismes proactifs

En revanche, les mécanismes proactifs (ou prédictifs) tentent de prévoir la quantité de ressources nécessaires au cours de la période suivante, sur la base de modèles statistiques ou mathématiques des charges de travail et des mesures du système observées. Bien que la plupart des plates-formes et des fournisseurs cloud existants utilisent des modèles réactifs, il existe de nombreuses recherches sur les modèles prédictifs basés sur l’analyse des séries chronologiques, la théorie des files d’attente, l’apprentissage par renforcement ou la théorie du contrôle, entre autres aspects. Et c’est bien là que se situe le futur du cloud et donc de l’industrie informatique mondiale.

Si cet article vous a intéressé, nous vous conseillons la lecture de la gestion de la maintenance en cas de panne peut-elle constituer une véritable stratégie de maintenance.