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
Conteúdos relacionados:
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 […]