용량 분석을 사용하면 환경 전반에서 개체에 남아 있는 활용률과 용량을 평가할 수 있습니다. 리소스의 기간별 활용률을 평가하면 향후 워크로드에 대한 예상이 생성됩니다. 예상을 기반으로 인프라 조달 또는 마이그레이션을 계획하고 용량 부족 및 높은 인프라 비용의 위험을 피할 수 있습니다.

용량 분석에서는 용량 엔진을 사용하여 활용률 최고점을 포함하는 기간별 추세를 평가합니다. 엔진은 향후 워크로드를 예상하기 위해 적절한 예상 모델을 선택합니다. 고려되는 기간별 데이터의 양은 기간별 활용률 데이터의 양에 따라 다릅니다.

용량 엔진 및 계산

용량 엔진은 업계 표준의 요구량 변동 통계 분석 모델을 기반으로 실시간 예상 용량 분석을 사용하여 기간별 활용률을 분석하고 향후 워크로드를 예상합니다. 엔진은 요구량 및 사용 가능한 용량 메트릭을 입력 데이터로 가져와서 다음 그림에 표시된 것처럼 남은 시간, 남은 용량, 권장 크기 및 권장 총 용량과 같은 출력 메트릭을 생성합니다.


용량 엔진

용량 엔진의 예상 기간은 향후 1년입니다. 엔진은 5분마다 데이터 지점을 사용하여 출력 메트릭의 실시간 계산을 보장합니다.

용량 엔진은 예상되는 활용률 범위에서 향후 워크로드를 예상합니다. 범위에는 상한 예상과 하한 예상이 포함됩니다. 용량 계산은 남은 시간과 위험 수준을 기반으로 합니다. 엔진은 보수적인 위험 수준에 대해서는 상한 예상을 고려하고 공격적인 위험 수준에 대해서는 상한 예상 및 하한 예상의 평균을 고려합니다. 위험 수준 설정에 대한 자세한 내용은 VMware vRealize Operations 구성 가이드의 정책 구성 장에서 "용량 세부 정보" 를 참조하십시오.

용량 엔진에서 남은 시간, 남은 용량, 권장 크기 및 권장 총 용량을 계산합니다.

남은 시간
예상 활용도가 사용 가능한 용량에 대한 임계값을 초과할 때까지 남은 일 수입니다. 사용 가능한 용량은 HA 설정을 제외한 총 용량입니다.
남은 용량
사용 가능한 용량과 현재 및 향후 3일 사이의 예상 사용률 간의 가장 큰 차이입니다. 예상 활용도가 사용 가능한 용량의 100%를 초과하면 남은 용량은 0입니다.
권장 크기
현재 시간부터 남은 시간의 경고 임계값 이후 30일까지의 예상 기간에 대한 최대 예상 활용도입니다. 경고 임계값은 남은 시간이 녹색인 기간입니다. 권장 크기에는 HA 설정이 제외됩니다.

남은 시간의 경고 임계값이 기본값인 120일이면 권장 크기는 향후 150일 동안의 최대 예상 활용도입니다.

vRealize Operations 는 권장 사항을 보수적으로 유지하기 위해 용량 엔진에서 생성된 권장 크기를 제한합니다.
  • vRealize Operations 는 과도한 크기의 권장 크기를 현재 할당된 리소스의 50%로 제한합니다.

    예를 들어, 8개의 vCPU로 구성된 가상 시스템은 이제까지 CPU를 10% 이상 사용한 적이 없었습니다. 7개 vCPU의 회수를 권장하는 대신, 권장 사항은 4개 vCPU를 회수하도록 제한됩니다.

  • vRealize Operations 는 과소 권장 크기를 현재 할당된 리소스의 100%로 제한합니다.

    예를 들어, 4개의 vCPU로 구성된 가상 시스템에선 지속적으로 과열 현상이 나타나고 있습니다. 8개 vCPU의 추가를 권장하는 대신, 권장 사항은 4개 vCPU를 추가하도록 제한됩니다.

권장 총 용량
현재 시간부터 남은 시간의 경고 임계값 이후 30일까지의 예상 기간에 대한 최대 예상 활용도입니다. 권장 총 용량에는 HA 설정이 포함됩니다.

예를 들어 남은 시간의 경고 임계값이 기본값인 120일이면 권장 크기는 향후 150일 동안의 HA 값을 포함한 최대 예상 활용도입니다.

참고: 개체에 대해 권장 총 용량을 사용할 수 없습니다.

다음 그림은 보수적인 위험 수준에 대한 용량 계산을 표시합니다.


보수적인 위험 수준에 대한 용량 계산

다음 그림은 공격적인 위험 수준에 대한 용량 계산을 표시합니다.


공격적인 위험 수준에 대한 용량 계산

활용률 피크

리소스의 기간별 활용률에는 최대 활용률 기간인 피크가 있을 수 있습니다. 향후 워크로드 예상은 피크 유형에 따라 다릅니다. 피크의 빈도에 따라 피크는 순간적, 지속적 또는 주기적일 수 있습니다.

순간적 피크
한 번 발생하는 단기간의 피크입니다. 추가 용량을 요구할 정도로 피크가 중요하지 않으므로 용량 계획 및 예상에 영향을 미치지 않습니다.
지속적 피크
더 오래 지속되고 예상에 영향을 미치는 피크입니다. 지속적인 피크가 주기적이지 않으면 급격한 감소로 인해 예상에 대한 영향이 시간이 지남에 따라 줄어듭니다.
주기적 피크
주기적인 패턴이나 파동을 나타내는 피크입니다. 피크는 시간별, 일별, 주별, 월별, 월의 마지막 날 등일 수 있습니다. 또한 용량 엔진은 겹치는 여러 순환 패턴을 감지합니다.

예상 모델

용량 엔진은 예상 모델을 사용하여 예상을 생성합니다. 엔진은 예상을 지속적으로 수정하고 기간별 데이터의 패턴에 가장 적합한 모델을 선택합니다. 예상 범위는 향후 데이터 지점의 90%를 차지하는 일반적인 사용량 패턴을 예상합니다. 예상 모델은 선형 또는 주기적일 수 있습니다.

선형 모델
꾸준히 증가하거나 감소하는 추세를 가진 모델입니다. 여러 선형 모델이 병렬로 실행되며 용량 엔진이 최상의 모델을 선택합니다.

선형 모델의 예에는 선형회귀 및 자기회기이동평균(ARMA)이 있습니다.

주기적인 모델
시간, 일, 주, 월 또는 주 또는 월의 마지막 날과 같은 다양한 길이의 주기를 검색하는 모델입니다. 주기적 모델은 배치 작업을 나타내는 사각파(square wave)를 감지하고 중복되는 주기적 패턴이 여러 개 포함된 데이터 스트림을 처리합니다. 이러한 모델은 불규칙 노이즈를 무시합니다.

주기적 모델의 예로는 고속 푸리에 변환(FFT), 펄스(에지 검출) 및 웨이블릿이 있습니다.

추세 보기의 예측

예측은 보기 설정에 지정된 시간 범위를 기반으로 생성되며 예측 설정에 지정된 일 수 동안 예상됩니다. 예측은 3가지 주요 알고리즘을 기반으로 생성됩니다. 변화 지점 감지는 중요한 변화가 있는 기록 섹션을 찾고, 선형 회귀는 선형 추세를 찾으며, 주기적 분석은 주기적인 패턴을 식별합니다.

기간별 데이터 기간

용량 엔진은 기간별 데이터 기간에 따라 일정 기간 동안 기간별 데이터를 수집합니다. 엔진에서 사용하는 기간별 데이터 기간은 지수적 감쇠(exponential decay) 기간입니다.

지수적 감쇠 기간은 용량 엔진이 가장 최근 데이터 지점에 더 많은 중요성을 부여하는 무제한 크기의 기간입니다. 예상 계산 시작 지점부터 엔진은 모든 기간별 데이터 지점을 사용하고 시간이 지난 정도에 따라 지수적으로 가중치를 부여합니다.