SlideShare uma empresa Scribd logo
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
14/05/2019
Maria Isabel Soutello – migdsbel@gmail.com
UM NOVO OLHAR SOBRE A EVOLUÇÃO DO CONSUMO DE
CPU COMO AUXÍLIO NO PLANEJAMENTO DE CAPACIDADE
DOS MAINFRAMES.
DETECÇÃO DE MUDANÇAS DE PERFIL, E COMO
APROFUNDAR AS CAUSAS DE DISTORÇÕES, QUE PODEM
AJUDAR A DIMINUIR O CUSTO MENSAL DE SOFTWARE.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Objetivo:
Propor um novo olhar sobre a evolução do consumo de CPU como auxílio no
planejamento de capacidade dos mainframes, que ajuda na detecção de mudanças de
perfil. Consequentemente ajuda a aprofundar as causas de distorções, o que pode vir a
diminuir o custo mensal de software. Este custo é determinado pelo pico da média
rolante de 4hs, ou seja abrange todo um período de consumo alto, para evitar picos
pontuais de consumo.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico tradicional de evolução de consumo x capacidade
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Como é acompanhada a evolução de consumo tradicional:
Geralmente escolhemos uma medida base como, por exemplo, o pico da
média horária, ou o pico de um determinado período definido, para mostrar a evolução
mensal do consumo de processador passado, e fazer projeções de consumo futuro até
uma determinada data.
Esta medida, porém, pode não justificar por si só, o crescimento de
determinados meses. Por exemplo o mês de agosto no gráfico apresenta um salto maior
de consumo, e olhando apenas esse gráfico não há como justificar o aumento.
Pode ter sido um aumento pontual por problema de hardware/software no dia
de pico do período escolhido como representativo, pode ser aumento de volumetria de
transações, pode ser programas novos com consumo acima do esperado, enfim é
necessário investigação.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Proposta:
A proposta aqui é usar a evolução do perfil médio diário de consumo,
analisando as mudanças de um mês para outro, e ao longo de anos, que pode ser
aplicada à partição, equipamento ou Sysplex. Com essa visão é possível mais
rapidamente identificar tendências de crescimento por horários e fazer ajustes no
consumo de modo a minimizar os picos recorrentes.
Como obter as curvas médias horárias?
Tendo os dados horários de todos os dias de um mês num DB, extrair todos os
dados de consumo horário (reg 70 SMF) já convertidos de utilização % para medida
absoluta como por ex. MIPS, em função da capacidade aberta a cada hora.
Calcular a média por hora, para cada hora do dia, de todos os dias de um mês.
Ex.: o consumo médio horário da hora 0 é a média do consumo as 0 hs desde o dia 1 até
o último dia do mês, idem para a hora 1, até a hora 23.
Podemos considerar que esse é o perfil de consumo desse mês.
A cada mês fechado, analisar a curva média horária dos últimos 3 meses.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico proposto de evolução de consumo médio
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Próximo passo: análise de perfil por cargas (workload)
Se notamos que há uma tendência de crescimento numa determinada hora do
dia, como nesse caso a curva é representativa de todos os dias do mês, fica excluída a
possibilidade de um problema que possa ter ocorrido no dia que gerou o pico de
consumo.
Em vez de olharmos para o detalhe de um único dia, podemos analisar o
consumo da hora ou horas em questão, de vários dias e ver se há um padrão de cargas,
programas ou transações naquele horário.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico de perfil de consumo por cargas de um dia típico
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico de evolução de consumo médio por carga
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Próximo passo: análise de transações ou programas de maior
consumo
Primeiro analisar o consumo por carga do período desejado, identificando a
carga de maior consumo. Vamos supor que a carga CICS represente 62% do consumo
nessa hora.
A seguir relacionamos por exemplo as 5 ou 10 transações CICS de maior
consumo nessa hora, e depois passamos a olhar para cada uma, a evolução diária de
volumetria e consumo ao longo dos dias do mês, e geralmente vamos achar uma
mudança de perfil a partir de alguma data nesse período.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Relação das transações CICS com maior consumo na hora de
crescimento no dia de pico de consumo
Se compararmos esta transação WROT nem aparecia no mês anterior
entre as 5 maiores, e se investigado seu consumo médio em dia
equivalente do mês anterior era bem mais baixo.
Nome Volume
Consumo
total em
seg
Consumo
médio
ABXF 1.645.080 10.320 0,0063
PFHJ 5.780.345 8.100 0,0014
XVYK 7.996.564 5.612 0,0007
JDIP 2.164.578 4.998 0,0023
WROT 23.713 1.723 0,0727
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Detalhamento: análise de determinada aplicação
Pode haver um aumento repentino de volumetria de uma determinada
transação cujo consumo médio já é alto e aí o aumento de consumo está justificado. A
causa deve ser buscada junto à Produção ou Depto usuário daquela transação ou
sistema.
Ou o consumo médio de outra transação, aumenta significativamente ao longo
de uma semana permanecendo em novo patamar. Deve-se então buscar junto aos
analistas responsáveis pelo sistema se houve alteração e qual motivo. Pode ser uma
implantação de nova exigência, aumento de informação de log, ou não era esperado e se
configura como erro de programação a ser corrigido. As vezes o programa (código) não
foi alterado mas o banco de dados apresentou problema no crescimento da(s) tabelas
utilizada(s), causando aumento de consumo na busca de dado.
Caso a hora em questão apresente maior consumo de carga batch, da mesma
forma deve ser olhado se há novos programas executando no horário (nova
implantação) ou se algum dos programas com maior consumo apresenta aumento desse
consumo.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico de evolução diária de volume e consumo total de transação na hora 15
A partir do dia 8 muda perfil de consumo da
transação em relação ao volume
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Projeção de consumo:
Constatado por exemplo que o mês de maior consumo no ano seja o mês de
dezembro, gerar a partir dos dados já extraídos e calculados, um gráfico da curva média
horária dos últimos 3 ou 4 anos do mês de dezembro.
Esse gráfico pode mostrar a tendência de crescimento anual dos últimos anos
e qual período horário justifica essa tendência para o próximo ano.
Pode ser escolhido também mostrar a curva de evolução dos dias de pico de
um mesmo mês do ano. Dia de pico entenda-se o dia de maior consumo nos horários de
pico ou seja dia que foi apurado o custo de software.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico anual de evolução de consumo médio
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Planejamento de Capacidade:
Claro que para determinar a capacidade necessária, deve-se levar em conta o
dia de pico e não a média. Salvo meses em que houve algum problema no dia de pico,
geralmente podemos identificar um % extra constante de consumo do dia de pico sobre
a média do mês (por ex. 20% ou 15%) e a partir daí saber qual a capacidade necessária
para suportar o dia de maior consumo.
Cada instalação possui um perfil de consumo diferente em função de horários
de funcionamento, demanda de clientes, portanto uma evolução de perfil pode justificar
melhor a necessidade de uma aquisição de capacidade.
Além do consumo passado deve entrar nessa consideração novos projetos a
serem implantados, mudanças legais, movimentações de carga para balanceamento,
demandas extras por promoções de vendas, etc. Se conhecido detalhe de horário que
entrarão, fica mais fácil visualizar se necessário aumento de capacidade ou se ocupam
“vales”.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gráfico mensal de perfil médio x perfil pico
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Conversão de medidas: tabelas a partir de registros SMF
As tabelas que mostram valores de consumo de partições/equipamentos
(informação do reg. 70) tem os valores em % ou MSU/MIPS. Se não tiverem é fácil
converter cruzando com valores de uma tabela constante de alimentação manual com
todos os modelos de equipamento e respectivos MIPS (tabela LSPR da IBM).
As tabelas que mostram consumo de cargas (informação do reg. 72 por
workload ou report class), geralmente apresentam esse consumo em Service Units.
Obtemos o % de cada carga sobre a soma total, e como já temos no item acima o
consumo total em MIPS é só converter o % para MIPS.
As tabelas que mostram consumo de transações CICS (informação do reg.
110) ou de programas (informação do reg. 30) mostram consumo em segundos de CPU.
Se comparados valores de mesmo dia ou mês em que não houve mudança de
configuração de partição ou equipamento, não há necessidade de conversão, mas se
forem de períodos ou equipamentos diferentes é melhor converter em MIPS.
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual: Escolha dos gráficos mais
úteis
Tipos de gráficos adequados a cada tipo de visualização
•Para fotografia diária/anual mostrar curva horária empilhada absoluta por carga
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual:
Tipos de gráficos adequados a cada tipo de visualização
•Para evolução mostrar barras ou linhas ou ainda a evolução de curvas p/ médias e
picos também em valor absoluto (proposta alternativa desta apresentação)
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual:
Tipos de gráficos adequados a cada tipo de visualização
•Para posição mensal de utlização de partições /equipamentos mostrar “mapas de clima”
com utilização %
LPAR dez jan fev
PRD1 72 73 76
PRD2 85 82 80
PRDON 76 71 70
DES1 90 69 74
HOM1 62 65 80
HOM2 93 86 72
SUP 78 80 88
Uso % de CPU
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual:
Tipos de gráficos adequados a cada tipo de visualização
•Para comparação de mudanças mostrar pizza % de consumo por carga em 2 datas
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual:
Tipos de gráficos adequados a cada tipo de visualização
•Para comparação consumo de transações ou programas, por ex. usar tabelas ou barras
decrescentes dos maiores consumidores
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Gestão diária e Planejamento mensal/anual:
Tipos de gráficos adequados a cada tipo de visualização
•Para evolução diversas medidas por ex. crescimento do parque ou de equipamento em
CPU, MEM e espaço de disco, usar radar
Proibida cópia ou divulgação sem
permissão escrita do CMG Brasil.
Muito Obrigada!
Dúvidas?

Mais conteúdo relacionado

Mais procurados

Alluxio: Data Orchestration on Multi-Cloud
Alluxio: Data Orchestration on Multi-CloudAlluxio: Data Orchestration on Multi-Cloud
Alluxio: Data Orchestration on Multi-Cloud
Jinwook Chung
 
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈 Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
Amazon Web Services Korea
 
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
Amazon Web Services Korea
 
Snowflake Architecture and Performance
Snowflake Architecture and PerformanceSnowflake Architecture and Performance
Snowflake Architecture and Performance
Mineaki Motohashi
 
Dkos(mesos기반의 container orchestration)
Dkos(mesos기반의 container orchestration)Dkos(mesos기반의 container orchestration)
Dkos(mesos기반의 container orchestration)
Won-Chon Jung
 
Building an E-Commerce Business on AWS
Building an E-Commerce Business on AWSBuilding an E-Commerce Business on AWS
Building an E-Commerce Business on AWS
Amazon Web Services
 
OCI Database Management 설정 방법
OCI Database Management 설정 방법OCI Database Management 설정 방법
OCI Database Management 설정 방법
JC Park
 
Firestoreでマスタ取得を
効率化するいくつかの方法
Firestoreでマスタ取得を
効率化するいくつかの方法Firestoreでマスタ取得を
効率化するいくつかの方法
Firestoreでマスタ取得を
効率化するいくつかの方法
Hirotaka Nishimiya
 
Solr vs ElasticSearch
Solr vs ElasticSearchSolr vs ElasticSearch
Solr vs ElasticSearch
Dikshant Shahi
 
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018Amazon Web Services Korea
 
AWS Initiate Day Dublin 2019 – Cost Optimization on AWS
AWS Initiate Day Dublin 2019 – Cost Optimization on AWSAWS Initiate Day Dublin 2019 – Cost Optimization on AWS
AWS Initiate Day Dublin 2019 – Cost Optimization on AWS
Amazon Web Services
 
Oracle-DB: Performance Analysis with Panorama
Oracle-DB: Performance Analysis with PanoramaOracle-DB: Performance Analysis with Panorama
Oracle-DB: Performance Analysis with Panorama
Peter Ramm
 
facebook architecture for 600M users
facebook architecture for 600M usersfacebook architecture for 600M users
facebook architecture for 600M users
Jongyoon Choi
 
A Closer Look at Apache Kudu
A Closer Look at Apache KuduA Closer Look at Apache Kudu
A Closer Look at Apache Kudu
Andriy Zabavskyy
 
[215]네이버콘텐츠통계서비스소개 김기영
[215]네이버콘텐츠통계서비스소개 김기영[215]네이버콘텐츠통계서비스소개 김기영
[215]네이버콘텐츠통계서비스소개 김기영
NAVER D2
 
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTOClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
Altinity Ltd
 
Amazon Aurora
Amazon AuroraAmazon Aurora
Amazon Aurora
Amazon Web Services
 
클라우드 비용 최적화 가이드
클라우드 비용 최적화 가이드클라우드 비용 최적화 가이드
클라우드 비용 최적화 가이드
OpsNow
 
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
Amazon Web Services Korea
 
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
NAVER D2
 

Mais procurados (20)

Alluxio: Data Orchestration on Multi-Cloud
Alluxio: Data Orchestration on Multi-CloudAlluxio: Data Orchestration on Multi-Cloud
Alluxio: Data Orchestration on Multi-Cloud
 
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈 Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
Amazon RDS 살펴보기 (김용우) - AWS 웨비나 시리즈
 
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
진화하는 CloudFront 의 이해와 글로벌 서비스 활용 - 안수일 시니어 솔루션즈 아키텍트, GS NEOTEK :: AWS Summit...
 
Snowflake Architecture and Performance
Snowflake Architecture and PerformanceSnowflake Architecture and Performance
Snowflake Architecture and Performance
 
Dkos(mesos기반의 container orchestration)
Dkos(mesos기반의 container orchestration)Dkos(mesos기반의 container orchestration)
Dkos(mesos기반의 container orchestration)
 
Building an E-Commerce Business on AWS
Building an E-Commerce Business on AWSBuilding an E-Commerce Business on AWS
Building an E-Commerce Business on AWS
 
OCI Database Management 설정 방법
OCI Database Management 설정 방법OCI Database Management 설정 방법
OCI Database Management 설정 방법
 
Firestoreでマスタ取得を
効率化するいくつかの方法
Firestoreでマスタ取得を
効率化するいくつかの方法Firestoreでマスタ取得を
効率化するいくつかの方法
Firestoreでマスタ取得を
効率化するいくつかの方法
 
Solr vs ElasticSearch
Solr vs ElasticSearchSolr vs ElasticSearch
Solr vs ElasticSearch
 
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018
Amazon Redshift 아키텍처 및 모범사례::김민성::AWS Summit Seoul 2018
 
AWS Initiate Day Dublin 2019 – Cost Optimization on AWS
AWS Initiate Day Dublin 2019 – Cost Optimization on AWSAWS Initiate Day Dublin 2019 – Cost Optimization on AWS
AWS Initiate Day Dublin 2019 – Cost Optimization on AWS
 
Oracle-DB: Performance Analysis with Panorama
Oracle-DB: Performance Analysis with PanoramaOracle-DB: Performance Analysis with Panorama
Oracle-DB: Performance Analysis with Panorama
 
facebook architecture for 600M users
facebook architecture for 600M usersfacebook architecture for 600M users
facebook architecture for 600M users
 
A Closer Look at Apache Kudu
A Closer Look at Apache KuduA Closer Look at Apache Kudu
A Closer Look at Apache Kudu
 
[215]네이버콘텐츠통계서비스소개 김기영
[215]네이버콘텐츠통계서비스소개 김기영[215]네이버콘텐츠통계서비스소개 김기영
[215]네이버콘텐츠통계서비스소개 김기영
 
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTOClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
ClickHouse Introduction, by Alexander Zaitsev, Altinity CTO
 
Amazon Aurora
Amazon AuroraAmazon Aurora
Amazon Aurora
 
클라우드 비용 최적화 가이드
클라우드 비용 최적화 가이드클라우드 비용 최적화 가이드
클라우드 비용 최적화 가이드
 
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
[AWS Builders] AWS 스토리지 서비스 소개 및 사용 방법
 
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
[225]빅데이터를 위한 분산 딥러닝 플랫폼 만들기
 

Semelhante a Consumo de CPU, Distorções e Redução de custo de SW por Maria Isabel Soutello (Autonoma)

Gestão do Consumo de MIPS
Gestão do Consumo de MIPSGestão do Consumo de MIPS
Gestão do Consumo de MIPS
Joao Galdino Mello de Souza
 
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demandaProdutividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Alexandre Grossi
 
Os principais desafios de Implementar um Processo de Planejamento de Gestão ...
Os principais desafios de Implementar um Processo de Planejamento  de Gestão ...Os principais desafios de Implementar um Processo de Planejamento  de Gestão ...
Os principais desafios de Implementar um Processo de Planejamento de Gestão ...
Joao Galdino Mello de Souza
 
Sysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
Sysphera White Paper- Gerenciando Desempenho em uma Economia DinâmicaSysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
Sysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
Sysphera Tecnologia
 
Capacity Planning para Ambiente Distribuído, por Marcelo Otto
Capacity Planning para Ambiente Distribuído, por Marcelo OttoCapacity Planning para Ambiente Distribuído, por Marcelo Otto
Capacity Planning para Ambiente Distribuído, por Marcelo Otto
Joao Galdino Mello de Souza
 
Capacity planning para ambiente distribuído, por Marcelo Otto
Capacity planning para ambiente distribuído, por Marcelo OttoCapacity planning para ambiente distribuído, por Marcelo Otto
Capacity planning para ambiente distribuído, por Marcelo Otto
Joao Galdino Mello de Souza
 
Gestão Ágil com Fluxo Unificado
Gestão Ágil com Fluxo UnificadoGestão Ágil com Fluxo Unificado
Gestão Ágil com Fluxo Unificado
Taller Negócio Digitais
 
Fatores ocultos que afetam o crescimento dos dados móveis
Fatores ocultos que afetam o crescimento dos dados móveisFatores ocultos que afetam o crescimento dos dados móveis
Fatores ocultos que afetam o crescimento dos dados móveis
Ericsson Latin America
 
Elasticidade-Preço-20015
Elasticidade-Preço-20015Elasticidade-Preço-20015
Elasticidade-Preço-20015
Jaime Maeda
 
Sistema de Gestão C2Mc
Sistema de Gestão C2McSistema de Gestão C2Mc
Sistema de Gestão C2Mc
Paulo Cesar P Luna
 
Apresentação C2Mc
Apresentação C2McApresentação C2Mc
Apresentação C2Mc
Paulo Cesar P Luna
 
O framework de big data para inteligência de marketing dinâmica
O framework de big data para inteligência de marketing dinâmicaO framework de big data para inteligência de marketing dinâmica
O framework de big data para inteligência de marketing dinâmica
Gabriel Peixe
 
Webinar: Otimização de Custos na AWS
Webinar: Otimização de Custos na AWSWebinar: Otimização de Custos na AWS
Webinar: Otimização de Custos na AWS
Amazon Web Services LATAM
 
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdfeGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
Felipe Lima da Costa
 
Crescimento através da satisfação do cliente
Crescimento através da satisfação do clienteCrescimento através da satisfação do cliente
Crescimento através da satisfação do cliente
Nara Oliveira
 
Tecnicas de previsões v.4
Tecnicas de previsões v.4Tecnicas de previsões v.4
Tecnicas de previsões v.4
Fabiano Cunha Marinho
 
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
Teknisa
 
Caso-de-estudo-bongas-sagex3
Caso-de-estudo-bongas-sagex3Caso-de-estudo-bongas-sagex3
Caso-de-estudo-bongas-sagex3
Marco Leite
 
Sld 2
Sld 2Sld 2
Guia Artsoft - Introdução ao ERP
Guia Artsoft - Introdução ao ERPGuia Artsoft - Introdução ao ERP
Guia Artsoft - Introdução ao ERP
Artsoft Sistemas
 

Semelhante a Consumo de CPU, Distorções e Redução de custo de SW por Maria Isabel Soutello (Autonoma) (20)

Gestão do Consumo de MIPS
Gestão do Consumo de MIPSGestão do Consumo de MIPS
Gestão do Consumo de MIPS
 
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demandaProdutividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demanda
 
Os principais desafios de Implementar um Processo de Planejamento de Gestão ...
Os principais desafios de Implementar um Processo de Planejamento  de Gestão ...Os principais desafios de Implementar um Processo de Planejamento  de Gestão ...
Os principais desafios de Implementar um Processo de Planejamento de Gestão ...
 
Sysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
Sysphera White Paper- Gerenciando Desempenho em uma Economia DinâmicaSysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
Sysphera White Paper- Gerenciando Desempenho em uma Economia Dinâmica
 
Capacity Planning para Ambiente Distribuído, por Marcelo Otto
Capacity Planning para Ambiente Distribuído, por Marcelo OttoCapacity Planning para Ambiente Distribuído, por Marcelo Otto
Capacity Planning para Ambiente Distribuído, por Marcelo Otto
 
Capacity planning para ambiente distribuído, por Marcelo Otto
Capacity planning para ambiente distribuído, por Marcelo OttoCapacity planning para ambiente distribuído, por Marcelo Otto
Capacity planning para ambiente distribuído, por Marcelo Otto
 
Gestão Ágil com Fluxo Unificado
Gestão Ágil com Fluxo UnificadoGestão Ágil com Fluxo Unificado
Gestão Ágil com Fluxo Unificado
 
Fatores ocultos que afetam o crescimento dos dados móveis
Fatores ocultos que afetam o crescimento dos dados móveisFatores ocultos que afetam o crescimento dos dados móveis
Fatores ocultos que afetam o crescimento dos dados móveis
 
Elasticidade-Preço-20015
Elasticidade-Preço-20015Elasticidade-Preço-20015
Elasticidade-Preço-20015
 
Sistema de Gestão C2Mc
Sistema de Gestão C2McSistema de Gestão C2Mc
Sistema de Gestão C2Mc
 
Apresentação C2Mc
Apresentação C2McApresentação C2Mc
Apresentação C2Mc
 
O framework de big data para inteligência de marketing dinâmica
O framework de big data para inteligência de marketing dinâmicaO framework de big data para inteligência de marketing dinâmica
O framework de big data para inteligência de marketing dinâmica
 
Webinar: Otimização de Custos na AWS
Webinar: Otimização de Custos na AWSWebinar: Otimização de Custos na AWS
Webinar: Otimização de Custos na AWS
 
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdfeGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
eGrid 2022 - Pitch CALDEIRA DEMO DAY.pdf
 
Crescimento através da satisfação do cliente
Crescimento através da satisfação do clienteCrescimento através da satisfação do cliente
Crescimento através da satisfação do cliente
 
Tecnicas de previsões v.4
Tecnicas de previsões v.4Tecnicas de previsões v.4
Tecnicas de previsões v.4
 
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
E-Book TecFood - Gestão de refeições coletivas - 04 motivos para automatizar ...
 
Caso-de-estudo-bongas-sagex3
Caso-de-estudo-bongas-sagex3Caso-de-estudo-bongas-sagex3
Caso-de-estudo-bongas-sagex3
 
Sld 2
Sld 2Sld 2
Sld 2
 
Guia Artsoft - Introdução ao ERP
Guia Artsoft - Introdução ao ERPGuia Artsoft - Introdução ao ERP
Guia Artsoft - Introdução ao ERP
 

Mais de Joao Galdino Mello de Souza

Explorando a API Rest Jira Cloud
Explorando a API Rest Jira CloudExplorando a API Rest Jira Cloud
Explorando a API Rest Jira Cloud
Joao Galdino Mello de Souza
 
Enterprise computing for modern business workloads por Lívio Sousa (IBM)
Enterprise computing for modern business workloads por Lívio Sousa (IBM)Enterprise computing for modern business workloads por Lívio Sousa (IBM)
Enterprise computing for modern business workloads por Lívio Sousa (IBM)
Joao Galdino Mello de Souza
 
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
Joao Galdino Mello de Souza
 
Scaling Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
Scaling  Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...Scaling  Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
Scaling Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
Joao Galdino Mello de Souza
 
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
Joao Galdino Mello de Souza
 
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
Joao Galdino Mello de Souza
 
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
Joao Galdino Mello de Souza
 
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
Joao Galdino Mello de Souza
 
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
Joao Galdino Mello de Souza
 
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
Joao Galdino Mello de Souza
 
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
Joao Galdino Mello de Souza
 
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
Joao Galdino Mello de Souza
 
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
Joao Galdino Mello de Souza
 
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
Joao Galdino Mello de Souza
 
Pervasive Encryption por Eugênio Fernandes (IBM)
Pervasive Encryption por Eugênio Fernandes (IBM)Pervasive Encryption por Eugênio Fernandes (IBM)
Pervasive Encryption por Eugênio Fernandes (IBM)
Joao Galdino Mello de Souza
 
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
Joao Galdino Mello de Souza
 
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
Joao Galdino Mello de Souza
 
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
Joao Galdino Mello de Souza
 
Lei geral de proteção de dados por Kleber Silva e Ricardo Navarro (Pise4)
Lei geral de proteção de dados por Kleber Silva  e Ricardo Navarro (Pise4)Lei geral de proteção de dados por Kleber Silva  e Ricardo Navarro (Pise4)
Lei geral de proteção de dados por Kleber Silva e Ricardo Navarro (Pise4)
Joao Galdino Mello de Souza
 
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
Joao Galdino Mello de Souza
 

Mais de Joao Galdino Mello de Souza (20)

Explorando a API Rest Jira Cloud
Explorando a API Rest Jira CloudExplorando a API Rest Jira Cloud
Explorando a API Rest Jira Cloud
 
Enterprise computing for modern business workloads por Lívio Sousa (IBM)
Enterprise computing for modern business workloads por Lívio Sousa (IBM)Enterprise computing for modern business workloads por Lívio Sousa (IBM)
Enterprise computing for modern business workloads por Lívio Sousa (IBM)
 
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI) e Fernando Ferreira (IBM)
 
Scaling Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
Scaling  Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...Scaling  Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
Scaling Multi-cloud with Infrastructure as Code por André Rocha Agostinho (S...
 
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
Alta Disponibilidade SQL Server por Marcus Vinicius Bittencourt (O Boticário)
 
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
Cloud no Banco Votorantim por Marcus Vinícius de Aguiar Magalhaes (Banco Voto...
 
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
Descomplicando a Ciência de Dados por Adelson Lovatto (IBM)
 
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
Pré-Anúncio z/OS 2.4 por Alvaro Salla (MAFFEI)
 
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
Qualidade no desenvolvimento de Sistemas por Anderson Augustinho (Celepar)
 
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
Assets Tokenization: Novas Linhas de negócio por Lívio Sousa (IBM)
 
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
Intelligent Edge e Intelligent Cloud por Vivian Heinrichs (Softline)
 
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
Evolução da eficiência operacional no mainframe por Emerson Castelano (Eccox)
 
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
Gestão de Capacidade, desempenho e custos no ambiente mainframe zOS: Um caso ...
 
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
Eletricidade e Eletrônica 1.01 por Luiz Carlos Orsoni (MAFFEI)
 
Pervasive Encryption por Eugênio Fernandes (IBM)
Pervasive Encryption por Eugênio Fernandes (IBM)Pervasive Encryption por Eugênio Fernandes (IBM)
Pervasive Encryption por Eugênio Fernandes (IBM)
 
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
Minimizar RNI ambiente CICS por Milton Ferraraccio (Eccox Technology)
 
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
Scaling Multi-Cloud with Infrastructure as a Code por André Rocha Agostinho (...
 
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
Como obter o melhor do Z por Gustavo Fernandes Araujo (Itau Unibanco)
 
Lei geral de proteção de dados por Kleber Silva e Ricardo Navarro (Pise4)
Lei geral de proteção de dados por Kleber Silva  e Ricardo Navarro (Pise4)Lei geral de proteção de dados por Kleber Silva  e Ricardo Navarro (Pise4)
Lei geral de proteção de dados por Kleber Silva e Ricardo Navarro (Pise4)
 
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
Detalhes internos da z14/Otimização de códigos - por Luiz Carlos Orsoni (MAFFEI)
 

Consumo de CPU, Distorções e Redução de custo de SW por Maria Isabel Soutello (Autonoma)

  • 1. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. 14/05/2019 Maria Isabel Soutello – migdsbel@gmail.com UM NOVO OLHAR SOBRE A EVOLUÇÃO DO CONSUMO DE CPU COMO AUXÍLIO NO PLANEJAMENTO DE CAPACIDADE DOS MAINFRAMES. DETECÇÃO DE MUDANÇAS DE PERFIL, E COMO APROFUNDAR AS CAUSAS DE DISTORÇÕES, QUE PODEM AJUDAR A DIMINUIR O CUSTO MENSAL DE SOFTWARE.
  • 2. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Objetivo: Propor um novo olhar sobre a evolução do consumo de CPU como auxílio no planejamento de capacidade dos mainframes, que ajuda na detecção de mudanças de perfil. Consequentemente ajuda a aprofundar as causas de distorções, o que pode vir a diminuir o custo mensal de software. Este custo é determinado pelo pico da média rolante de 4hs, ou seja abrange todo um período de consumo alto, para evitar picos pontuais de consumo.
  • 3. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico tradicional de evolução de consumo x capacidade
  • 4. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Como é acompanhada a evolução de consumo tradicional: Geralmente escolhemos uma medida base como, por exemplo, o pico da média horária, ou o pico de um determinado período definido, para mostrar a evolução mensal do consumo de processador passado, e fazer projeções de consumo futuro até uma determinada data. Esta medida, porém, pode não justificar por si só, o crescimento de determinados meses. Por exemplo o mês de agosto no gráfico apresenta um salto maior de consumo, e olhando apenas esse gráfico não há como justificar o aumento. Pode ter sido um aumento pontual por problema de hardware/software no dia de pico do período escolhido como representativo, pode ser aumento de volumetria de transações, pode ser programas novos com consumo acima do esperado, enfim é necessário investigação.
  • 5. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Proposta: A proposta aqui é usar a evolução do perfil médio diário de consumo, analisando as mudanças de um mês para outro, e ao longo de anos, que pode ser aplicada à partição, equipamento ou Sysplex. Com essa visão é possível mais rapidamente identificar tendências de crescimento por horários e fazer ajustes no consumo de modo a minimizar os picos recorrentes. Como obter as curvas médias horárias? Tendo os dados horários de todos os dias de um mês num DB, extrair todos os dados de consumo horário (reg 70 SMF) já convertidos de utilização % para medida absoluta como por ex. MIPS, em função da capacidade aberta a cada hora. Calcular a média por hora, para cada hora do dia, de todos os dias de um mês. Ex.: o consumo médio horário da hora 0 é a média do consumo as 0 hs desde o dia 1 até o último dia do mês, idem para a hora 1, até a hora 23. Podemos considerar que esse é o perfil de consumo desse mês. A cada mês fechado, analisar a curva média horária dos últimos 3 meses.
  • 6. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico proposto de evolução de consumo médio
  • 7. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Próximo passo: análise de perfil por cargas (workload) Se notamos que há uma tendência de crescimento numa determinada hora do dia, como nesse caso a curva é representativa de todos os dias do mês, fica excluída a possibilidade de um problema que possa ter ocorrido no dia que gerou o pico de consumo. Em vez de olharmos para o detalhe de um único dia, podemos analisar o consumo da hora ou horas em questão, de vários dias e ver se há um padrão de cargas, programas ou transações naquele horário.
  • 8. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico de perfil de consumo por cargas de um dia típico
  • 9. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico de evolução de consumo médio por carga
  • 10. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Próximo passo: análise de transações ou programas de maior consumo Primeiro analisar o consumo por carga do período desejado, identificando a carga de maior consumo. Vamos supor que a carga CICS represente 62% do consumo nessa hora. A seguir relacionamos por exemplo as 5 ou 10 transações CICS de maior consumo nessa hora, e depois passamos a olhar para cada uma, a evolução diária de volumetria e consumo ao longo dos dias do mês, e geralmente vamos achar uma mudança de perfil a partir de alguma data nesse período.
  • 11. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Relação das transações CICS com maior consumo na hora de crescimento no dia de pico de consumo Se compararmos esta transação WROT nem aparecia no mês anterior entre as 5 maiores, e se investigado seu consumo médio em dia equivalente do mês anterior era bem mais baixo. Nome Volume Consumo total em seg Consumo médio ABXF 1.645.080 10.320 0,0063 PFHJ 5.780.345 8.100 0,0014 XVYK 7.996.564 5.612 0,0007 JDIP 2.164.578 4.998 0,0023 WROT 23.713 1.723 0,0727
  • 12. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Detalhamento: análise de determinada aplicação Pode haver um aumento repentino de volumetria de uma determinada transação cujo consumo médio já é alto e aí o aumento de consumo está justificado. A causa deve ser buscada junto à Produção ou Depto usuário daquela transação ou sistema. Ou o consumo médio de outra transação, aumenta significativamente ao longo de uma semana permanecendo em novo patamar. Deve-se então buscar junto aos analistas responsáveis pelo sistema se houve alteração e qual motivo. Pode ser uma implantação de nova exigência, aumento de informação de log, ou não era esperado e se configura como erro de programação a ser corrigido. As vezes o programa (código) não foi alterado mas o banco de dados apresentou problema no crescimento da(s) tabelas utilizada(s), causando aumento de consumo na busca de dado. Caso a hora em questão apresente maior consumo de carga batch, da mesma forma deve ser olhado se há novos programas executando no horário (nova implantação) ou se algum dos programas com maior consumo apresenta aumento desse consumo.
  • 13. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico de evolução diária de volume e consumo total de transação na hora 15 A partir do dia 8 muda perfil de consumo da transação em relação ao volume
  • 14. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Projeção de consumo: Constatado por exemplo que o mês de maior consumo no ano seja o mês de dezembro, gerar a partir dos dados já extraídos e calculados, um gráfico da curva média horária dos últimos 3 ou 4 anos do mês de dezembro. Esse gráfico pode mostrar a tendência de crescimento anual dos últimos anos e qual período horário justifica essa tendência para o próximo ano. Pode ser escolhido também mostrar a curva de evolução dos dias de pico de um mesmo mês do ano. Dia de pico entenda-se o dia de maior consumo nos horários de pico ou seja dia que foi apurado o custo de software.
  • 15. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico anual de evolução de consumo médio
  • 16. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Planejamento de Capacidade: Claro que para determinar a capacidade necessária, deve-se levar em conta o dia de pico e não a média. Salvo meses em que houve algum problema no dia de pico, geralmente podemos identificar um % extra constante de consumo do dia de pico sobre a média do mês (por ex. 20% ou 15%) e a partir daí saber qual a capacidade necessária para suportar o dia de maior consumo. Cada instalação possui um perfil de consumo diferente em função de horários de funcionamento, demanda de clientes, portanto uma evolução de perfil pode justificar melhor a necessidade de uma aquisição de capacidade. Além do consumo passado deve entrar nessa consideração novos projetos a serem implantados, mudanças legais, movimentações de carga para balanceamento, demandas extras por promoções de vendas, etc. Se conhecido detalhe de horário que entrarão, fica mais fácil visualizar se necessário aumento de capacidade ou se ocupam “vales”.
  • 17. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gráfico mensal de perfil médio x perfil pico
  • 18. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Conversão de medidas: tabelas a partir de registros SMF As tabelas que mostram valores de consumo de partições/equipamentos (informação do reg. 70) tem os valores em % ou MSU/MIPS. Se não tiverem é fácil converter cruzando com valores de uma tabela constante de alimentação manual com todos os modelos de equipamento e respectivos MIPS (tabela LSPR da IBM). As tabelas que mostram consumo de cargas (informação do reg. 72 por workload ou report class), geralmente apresentam esse consumo em Service Units. Obtemos o % de cada carga sobre a soma total, e como já temos no item acima o consumo total em MIPS é só converter o % para MIPS. As tabelas que mostram consumo de transações CICS (informação do reg. 110) ou de programas (informação do reg. 30) mostram consumo em segundos de CPU. Se comparados valores de mesmo dia ou mês em que não houve mudança de configuração de partição ou equipamento, não há necessidade de conversão, mas se forem de períodos ou equipamentos diferentes é melhor converter em MIPS.
  • 19. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Escolha dos gráficos mais úteis Tipos de gráficos adequados a cada tipo de visualização •Para fotografia diária/anual mostrar curva horária empilhada absoluta por carga
  • 20. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Tipos de gráficos adequados a cada tipo de visualização •Para evolução mostrar barras ou linhas ou ainda a evolução de curvas p/ médias e picos também em valor absoluto (proposta alternativa desta apresentação)
  • 21. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Tipos de gráficos adequados a cada tipo de visualização •Para posição mensal de utlização de partições /equipamentos mostrar “mapas de clima” com utilização % LPAR dez jan fev PRD1 72 73 76 PRD2 85 82 80 PRDON 76 71 70 DES1 90 69 74 HOM1 62 65 80 HOM2 93 86 72 SUP 78 80 88 Uso % de CPU
  • 22. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Tipos de gráficos adequados a cada tipo de visualização •Para comparação de mudanças mostrar pizza % de consumo por carga em 2 datas
  • 23. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Tipos de gráficos adequados a cada tipo de visualização •Para comparação consumo de transações ou programas, por ex. usar tabelas ou barras decrescentes dos maiores consumidores
  • 24. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Gestão diária e Planejamento mensal/anual: Tipos de gráficos adequados a cada tipo de visualização •Para evolução diversas medidas por ex. crescimento do parque ou de equipamento em CPU, MEM e espaço de disco, usar radar
  • 25. Proibida cópia ou divulgação sem permissão escrita do CMG Brasil. Muito Obrigada! Dúvidas?