Planejamento de Capacidade para Otimizar Sistemas
É comum passar por problemas que exigem a noção da relação previsão de demanda x capacidade no contexto de sistemas de informação, na relação cliente-servidor. Como saber se a capacidade atende à demanda? Como saber em que momento essa capacidade será insuficiente? Perguntas como essas são respondidas constantemente sem uma análise das variáveis e restrições que permeiam o problema: costuma-se estimar demanda e capacidade com base em histórico e intuição. Entretanto, é possível obter indicadores mais precisos utilizando modelos matemáticos, como Teoria das Filas, para projetar sistemas computacionais mais robustos, prolongar a sua vida útil e aproveitar melhor os seus recursos.
Discorramos a seguir:
Classificando a carga
As cargas possuem diferentes apresentações: Tipo, Tamanho e Frequência. Essas diferentes formas para se classificar carga mudam de negócio para negócio, de problema para problema. Identificar qual das três mais atenção para deter a saturação do servidor é a “maldade-chave” necessária.
Problemas comuns
- Não existe um histórico de carga;
- Não é considerada uma solução matemática;
- O fornecedor de servidores não é claro quanto à função demanda e necessidade;
- O problema é identificado tarde demais;
Números importantes
Número de solicitações de entrada
A: requisições, pessoas, entradas… Quantidade total de solicitações de processamento do início ao fim da apuração.
Número de solicitações atendidas
C: milésimos, horas, dias… Quantidade total de solicitações de processamento atendidas no fim da apuração.
Quando não se sabe a constante C, ela assume o valor de A (C = A), visto que todas as entradas são atendidas no tempo de observação.
Tempos importantes
| Informação | Variável | Medida |
|---|---|---|
| Tempo de observação | T | milésimos, horas, dias… O tempo total de início a fim da apuração. |
| Tempo de ocupação | B | milésimos, horas, dias… O tempo de cada atendimento. |
| Tempo de espera | W | milésimos, horas, dias… O tempo de espera de cada carga. |
| Tempo de serviço | S | milésimos, horas, dias… A soma dos tempos de atividade do servidor. |
| Tempo de resposta | R | milésimos, horas, dias… A soma do tempo de espera + tempo de atendimento de cada carga. |
| Taxa de entrada | Lambda λ | frequência de entrada solicitações/tempo (A/T) |
| Taxa de atendimento | Mi μ | frequência de entrada solicitações/tempo (C/B) |
| Taxa de saturação | Lambda λ | superação da demanda sobre a capacidade (1/S) |
Soluções comuns
Filas de solicitações são comuns no ambiente computacional. As soluções baseadas em modelos matemáticos objetivam a obtenção de previsões mais exatas, correspondentes com a realidade. É comum utilizar históricos de carga como fonte de informação para previsão de cargas futuras.
Numa sub-rede IP, os pacotes que chegam a um determinado nó da rede são processados por um único processador. Os pacotes chegam a este nó de acordo com o processo de Poisson, com uma taxa média produzida em função de 85 pacotes que chegaram durante um período de 30 minutos. Além disso, o tempo de processamento pode ser caracterizado por uma variável aleatória exponencial de média igual a um determinado valor em segundos (considere um tempo de ocupação de 25 minutos). Sabe-se
que quando o processador está ocupado os pacotes que chegam ao nó aguardam até que possam ser processados, sem limite de armazenamento.
Este é um tipo de caso que requer entendimento sobre as variáveis, taxas e intervalos para construção da curva de desempenho e finalmente previsão de saturação.
Soluções corporativas
Em uma rede de terminais de atendimento Drive-thru de uma lanchonete, uma solicitação de um cliente submetida a cozinha deve ficar na fila para comunicar seu pedido. Seu pedido será processado somente quando conseguir ser atendido. Se existem 100 terminais ativos com tempo de pensar de 20 segundos
e o tempo médio de resposta da cozinha (soma da fila no atendimento e tempo no processamento) é
de 10 segundos, quantos clientes estão competindo por atendimento?
Note a presença do conceito de terminais, que torna o processamento paralelo. Este é um caso de solução para negócios que contribui para um bom planejamento de capacidade e pode ser perfeitamente esclarecido por meio dos modelos matemáticos.
Acordos LNS/SLA – combinado não sai caro. será?
Os acordos são tempos de resposta aceitáveis pré-definidos via gráficos. Em situações reais, são analisados os tempos de resposta: inicial, atual, desejado e o saturado.
Saturação – atenção: pode ser tarde demais para se decidir
A saturação ocorre quando a utilização do sistema passa de 100%. É justamente o objetivo do planejamento de capacidade: prever a semana, mês, ano… em que o sistema atingirá o ponto de saturação (maior que 100% de utilização).
Descobrimos então que, ao adotar um modelo matemático para planejar a capacidade e prever o ponto de saturação de um sistema, podemos escalar um sistema com confiança e facilitar outros planejamentos, como a previsão de custos.
Gostou de conhecer mais sobre planejamento de capacidade? Talvez eu possa ser ainda mais útil. Abrir Chat
Referência
Quer saber mais sobre como funciona? Fale com um desenvolvedor agora mesmo!
WhatsAppO conteudo foi útil? Isso é fantástico. Quer incentivar mais posts como esse? Mostre seu apoio com qualquer valor.
Chave PIX: d0311e58-cb6e-4d47-b3d8-3d4254763ce7
[…] seja, seu servidor tem uso médio de 20 horas/mês, e você nem precisa de Planejamento de Carga ou Otimização de Sistemas de Produção pra chegar nesse […]