L'analyse des capacités vous permet d'évaluer l'utilisation et la capacité restante des objets dans votre environnement. Une évaluation de l'utilisation historique des ressources génère une projection de la charge de travail future. Vous pouvez planifier des approvisionnements ou des migrations d'infrastructure en fonction de la projection et éviter le risque de pénurie de capacité et de coûts d'infrastructure élevés.
L'analyse des capacités utilise le moteur de capacité pour évaluer les tendances historiques, qui incluent les pics d'utilisation. Le moteur choisit un modèle de projection adéquat pour prévoir la charge de travail future. La quantité de données d'historique qui est considérée dépend de la quantité de données d'utilisation historique.
Moteur et calculs de capacité
Le moteur de capacité analyse l'utilisation historique et projette la charge de travail future en utilisant des analyses de capacité prédictives en temps réel, basées sur un modèle d'analyse statistique standard du comportement de la demande. Le moteur utilise les mesures de la demande et de la capacité utile comme entrée et génère les mesures de sortie, qui sont le temps restant, la capacité restante, la taille recommandée et la capacité totale recommandée, comme illustré dans la figure suivante.
La fenêtre de projection du moteur de capacité est pour une durée d'1 an. Le moteur consomme les points de données toutes les 5 minutes pour garantir le calcul en temps réel des mesures de sortie.
Le moteur de capacité projette la future charge de travail dans une plage d'utilisation prévue. La plage inclut une projection de limite supérieure et une projection de limite inférieure. Les calculs de capacité sont basés sur le temps restant et le niveau de risque. Le moteur prend en compte la projection de la limite supérieure pour un niveau de risque prudent et la moyenne de la projection de la limite supérieure et de la limite inférieure pour un niveau de risque élevé.
Le moteur de capacité calcule le temps restant, la capacité restante, la taille recommandée et la capacité totale recommandée.
- Temps restant
- Le nombre de jours restants jusqu'à ce que l'utilisation prévue dépasse le seuil de la capacité utile. La capacité utile est la capacité totale hors paramètres HA.
- Capacité restante
- La plus grande différence entre la capacité utile et l'utilisation prévue dans les 3 jours à venir. Si l'utilisation prévue est supérieure à 100 % de la capacité utile, la capacité restante est de 0.
- Taille recommandée
-
Utilisation prévue maximale pour la période de projection allant de la date actuelle à 30 jours après la valeur du seuil d'avertissement pour le temps restant. Le seuil d'avertissement est la période pendant laquelle le temps restant est vert. La taille recommandée exclut les paramètres HA.
Si la valeur du seuil d'avertissement du temps restant est de 120 jours, ce qui correspond à la valeur par défaut, la taille recommandée est l'utilisation maximale prévue pour une durée de 150 jours.
VMware Aria Operations limite la taille recommandée générée par le moteur de capacité pour garder des recommandations prudentes.- VMware Aria Operations limite la taille recommandée surdimensionnée à 50 % des ressources actuellement allouées.
Par exemple, une machine virtuelle configurée avec 8 vCPU n'a jamais utilisé plus de 10 % de CPU dans le passé. Au lieu de recommander une récupération de 7 vCPU, la recommandation est limitée à 4 vCPU.
- VMware Aria Operations limite la taille recommandée sous-dimensionnée à 100 % des ressources actuellement allouées.
Par exemple, une machine virtuelle configurée avec 4 vCPU s'est toujours exécutée à chaud. Au lieu de recommander l'ajout de 8 vCPU, la recommandation est limitée à 4 vCPU.
- VMware Aria Operations limite la taille recommandée surdimensionnée à 50 % des ressources actuellement allouées.
- Capacité totale recommandée
-
Utilisation prévue maximale pour la période de projection allant de la date actuelle à 30 jours après la valeur du seuil d'avertissement pour le temps restant. La capacité totale recommandée inclut les paramètres HA.
Par exemple, si la valeur du seuil d'avertissement du temps restant est de 120 jours, ce qui correspond à la valeur par défaut, la taille recommandée est l'utilisation maximale prévue, paramètres HA inclus, pour une durée de 150 jours.
Note : La capacité totale recommandée n'est pas disponible pour les objets.
La figure suivante présente les calculs de capacité pour un niveau de risque conservateur.
La figure suivante présente les calculs de capacité pour un niveau de risque agressif.
- Si la fonctionnalité HA n'est pas activée dans VC, la capacité utile est égale à la capacité totale. Dans ce cas, la valeur de la capacité utile ne peut être 0 que s'il n'y a aucun hôte dans le cluster.
- Si la fonctionnalité HA est activée, la valeur de la capacité utile peut être 0 dans les cas suivants :
- Il n'existe aucun hôte dans le cluster.
- La fonctionnalité HA est configurée de manière incorrecte. Par exemple, elle peut être configurée à 100 %. Vérifiez la configuration HA dans vCenter .
- Le nombre d'hôtes actifs HA est inférieur à 2.
- L'hôte n'est pas compatible HA si :
- L'hôte est en mode de maintenance.
- L'hôte est désactivé.
- La valeur de la propriété « runtime.dasHostState » n'est pas égale à « connectedToMaster » ou « master ». Cela peut être dû à des problèmes réseau entre les hôtes.
Pics d'utilisation
L'utilisation historique des ressources peut contenir des pics, qui correspondent à des périodes d'utilisation maximale. La projection de la charge de travail future dépend des types de pics. Les pics peuvent, en fonction de leur fréquence, être momentanés, continus ou périodiques.
- Pics momentanés
- Pics de courte durée qui ne se produisent qu'une seule fois. Les pics ne sont pas assez importants pour nécessiter une capacité supplémentaire, de sorte qu'ils n'ont pas d'incidence sur la planification et la projection de la capacité.
- Pics continus
- Pics qui durent plus longtemps et qui ont un impact sur la projection. Si un pic continu n'est pas périodique, l'impact sur la projection diminue avec le temps en raison de la décroissance exponentielle.
- Pics périodiques
- Pics qui présentent des modèles cycliques ou des vagues. Les pics peuvent être toutes les heures, tous les jours, toutes les semaines, tous les mois, le dernier jour du mois, etc. Le moteur de capacité détecte également de multiples modèles cycliques qui se chevauchent.
Modèles de projection
Le moteur de capacité utilise des modèles de projection pour générer des projections. Le moteur modifie constamment les projections et choisit le modèle qui correspond le mieux au modèle de données historiques. La plage de projection prédit le profil d'utilisation général qui couvre 90 % des points de données futurs. Les modèles de projection peuvent être linéaires ou périodiques.
- Modèles linéaires
-
Modèles qui ont une tendance à la hausse ou à la baisse constante. Plusieurs modèles linéaires fonctionnent en parallèle et le moteur de capacité choisit le meilleur modèle.
La régression linéaire et la moyenne mobile autorégressive (ARMA) sont des exemples de modèles linéaires.
- Modèles périodiques
-
Modèles qui révèlent une périodicité de différentes durées, comme les heures, les jours, les semaines, les mois ou le dernier jour de la semaine ou du mois. Les modèles périodiques détectent les ondes carrées qui représentent des travaux par lots et traitent les flux de données qui contiennent plusieurs modèles périodiques qui se chevauchent. Ces modèles ignorent le bruit aléatoire.
Les modèles périodiques sont par exemple des transformations de Fourier rapides (FFT), des impulsions (détection de front) et des ondelettes.
Prévisions dans les vues de tendances
Les prévisions sont générées en fonction de l'intervalle de temps spécifié dans les paramètres d'affichage et sont effectuées pour le nombre de jours spécifié dans le paramètre de prévision. La prévision est générée en fonction des trois principaux algorithmes. Détection de point de modification pour rechercher les parties de l'historique comportant d'importantes modifications, régression linéaire pour identifier les tendances linéaires et analyse cyclique pour identifier des modèles périodiques.
Fenêtre de données historiques
Le moteur de capacité capture les données historiques sur une période de temps en fonction de la fenêtre de données historiques. La fenêtre de données historiques que le moteur utilise est une fenêtre de décroissance exponentielle.
La fenêtre de décroissance exponentielle est une fenêtre de taille illimitée dans laquelle le moteur de capacité donne plus d'importance aux points de données les plus récents. À partir du point de départ du calcul de projection, le moteur consomme tous les points de données historiques et les pèse de façon exponentielle, en fonction de leur ancienneté dans le temps.
