Apostila do Professor. Redes de Computadores. 1º/2º Bim. Semestre 5 PCRP 2 PLANEJAMENTO DE CAPACIDADE E RESOLUÇÃO DE PROBLEMAS EM REDES 5 PCRP 1T 1

Transcrição

1 Redes de Computadores Apostila do Professor 1º/2º Bim. Semestre 5 PCRP 2 PLANEJAMENTO DE CAPACIDADE E RESOLUÇÃO DE PROBLEMAS EM REDES Autores: Ronaldo Gama Silva Alexandro A. Paulino 5 PCRP 1T 1

2 Prezado aluno, Este material compreende apenas o conteúdo da disciplina. Assim, não deve ser a única fonte de consultas em seus estudos. O conteúdo deve ser complementado com outras obras, indicadas por seu professor ou encontradas em suas pesquisas. Revisões: 1ª Edição 1ª Impressão 1º Semestre de 2007

3 Ìndice 1. Introdução O que é Network Capacity Planning? Etapas do planejamento de capacidade de sistemas computacionais Processos de gerenciamento de capacidade Os três processos do capacity planning Fundamentação matemática Estatística Média móvel Tendência exponencial Regressão linear Teoria das filas Notação de Kendall para descrição de uma fila Análise de desempenho Processos de baseline O que é um baseline? Diagrama principal de um baseline Monitoramento e coleta de dados em redes de computadores Métricas de desempenho Latência Taxa de serviço Disponibilidade e confiabilidade Utilização Monitoramento e coleta de dados Ferramentas de monitoração Identificação de gargalos Particionamento e modelagem de carga de trabalho Modelagem de desempenho Modelo de baseline e análise de modificação Tipos de modelos

4 Glossário...42 Exercícios...44 Bibliografia

5 1. Introdução Uma das tarefas mais difíceis e ignoradas pelos projetistas de redes é o planejamento de capacidade. Uma rede bem-planejada deve levar em consideração a real necessidade de banda e equipamentos para o fim a que se destina. Com isso é possível racionar os custos e acompanhar periodicamente a tendência de utilização, bem como planejar investimentos de forma que um possível gargalo seja identificado antes de se tornar real. Além disso, a tarefa de identificação, isolamento e resolução de problemas torna-se mais eficiente e o negócio da empresa não fica prejudicado por paradas não planejadas. Antes de entrar no escopo da matéria Planejamento de Capacidade e Resolução de Problemas em Redes, devemos conceituar o termo capacity planning O que é Network Capacity Planning? Capacity planning é uma das mais cruciais responsabilidades no gerenciamento de um sistema, e quando realizado corretamente, pode ter um profundo impacto nos custos e confiabilidade dos sistemas e serviços disponibilizados. A maneira mais usual e incorreta de emprego do capacity planning é tratá-lo como simples modelo de utilização de banda. Um modelo de capacity planning eficiente é um processo de negócios que analisa os equipamentos, facilidades e custos individuais necessários para prover um serviço (demanda corrente e futura) para seus clientes. Pela análise da situação atual e projetada (futura), novos serviços, métodos alternativos para prover um serviço e outros requisitos de negócios, um capacity planning identifica o método de maior custo-benefício para servir o cliente final aumentando a eficiência da rede. Para competir mais eficientemente na economia global, as empresas necessitam prever o crescimento de sua infra-estrutura de rede e serviços. A infra-estrutura necessita ser hábil o suficiente para disponibilizar serviços de qualidade, dentro de SLAs acordados, sem impactar a dinâmica dos planos de negócio da empresa. Dessa forma, um funcionamento transparente da infra-estrutura é um componente integral que facilita o crescimento da organização. Um capacity planning efetivo fornece as seguintes fontes de informação: Uma visão da infra-estrutura para o futuro. Roadmap para escolha de infra-estrutura. Simplifica e diminui o ciclo de orçamento da área de TI. Reduz TCO (Total Cost of Ownership). Aperfeiçoa a utilização da infra-estrutura. Aumenta o desempenho, disponibilidade, confiabilidade e escalabilidade; 1

6 Padroniza processos para coleta e análise de dados. Uma rede inteligente (ou application-aware ) introduz novas demandas para os gerentes de redes. Eles agora têm maiores responsabilidades por aplicações que são prejudicadas por um problema de rede (falha ou desempenho). De acordo com o Yankee Group 2005 Enterprise Network Management Survey, aproximadamente 70% dos gerentes de redes dizem ser responsáveis por isolar a causa de problemas de desempenho de aplicações (ver gráfico abaixo). What is your responsibility for managing application performance? Determine whether or not the network is causing the problem Use performance management tools to isolate cause of application performance issues Test the network prior to new application deployment 64,6 68,5 73,2 No responsibility for application performance 3, Percent of Respondents Figura 1. Fonte: Group 2005 Enterprise Network Management Survey. Atualmente as aplicações são real-time e mais complexas, e usuários requerem desempenho dos acessos WAN semelhantes ao das LANs. Isso tudo coloca mais pressão sobre os gerentes de rede para assegurar o desempenho adequado para suas redes. 2

7 2. Etapas do planejamento de capacidade de sistemas computacionais O IT Infrastructure Library (ITIL) descreve um conjunto padrão de processos pelo qual uma área de tecnologia da informação pode atingir eficiência operacional e agregar valor para uma organização. ITIL provê um framework de best-practicess que pode ser usado praticamente sem custos, o que o faz crescer em popularidade, como um meio de gerenciar serviços de tecnologia da informação em organizações comerciais e governamentais. Como mostrado no diagrama abaixo, gerenciamento de capacidade é parte da área Service Delivery do ITIL. capacity planning é parte do processo ITIL Capacity Management. Figura 2. Processos ITIL. ITIL define três subprocessos no processo de gerenciamento de capacidade: Gerenciamento de capacidade de negócios Esse subprocesso é responsável por garantir que requisitos de negócio futuros para serviços de tecnologia da informação sejam considerados, planejados e implementados da melhor maneira possível. Gerenciamento de capacidade de serviços O foco desse subprocesso é o gerenciamento do desempenho da operação dos serviços de tecnologia da informação. Gerenciamento de capacidade de recursos O foco nesse subprocesso é o gerenciamento de componentes individuais da infra-estrutura de tecnologia da informação. 3

8 2.1. Processos de gerenciamento de capacidade É muito comum nas organizações o gerenciamento reativo do desempenho do sistema, onde os problemas são analisados e corrigidos quando os usuários os reportam. Quando problemas ocorrem, geralmente os administradores do sistema possuem as ferramentas necessárias para rapidamente analisar e mitigar a situação. Num mundo perfeito, os administradores se antecipam de maneira a evitar gargalos de desempenho, usando ferramentas de capacity planning para predizer como servers; dispositivos de rede e acessos LAN/WAN deverão ser configurados para adequadamente manusear futuras cargas de trabalho. O objetivo do capacity planning é prover níveis de serviço satisfatórios para usuários com custo-benefício também satisfatório. Descreveremos os passos fundamentais para efetuar o planejamento de um capacity planning Os três processos do capacity planning Abaixo seguem os três passos básicos para desenvolvimento do capacity planning: 1. Determinar requisitos de nível de serviço O primeiro passo no processo do capacity planning é categorizar o trabalho feito pelos sistemas e quantificar as expectativas dos usuários sobre como esse trabalho deve ser atingido. 2. Analisar a capacidade atual Em seguida, a capacidade atual dos sistemas precisa ser analisada para determinar como eles interferem nas necessidades dos usuários (se atingem as necessidades ou não). 3. Planejar visando ao futuro Finalmente, usando análise das atividades de negócios futuras, futuros requisitos de sistemas são determinados. Programar as mudanças necessárias na configuração do sistema irá garantir que a capacidade suficiente estará disponível para manter os níveis de serviço projetados. Processos de Capacity Planning Requisitos de nível de serviço Determinar requisitos de serviço com cliente Analisar a capacidade atual Verificar a situação atual do sistema Planejar para o futuro Verificar necessidades futuras alinhadas com os objetivos de crescimento Figura 3. Processos capacity planning. 4

9 Determinar requisitos de nível de serviço O processo de determinar os requisitos de nível de serviço é dividido em três fases: Definir workloads. Determinar as unidades de trabalho. Identificar níveis de serviço para cada workload Definir workloads Da perspectiva do capacity planning, um sistema de computação processa workloads (as quais fornecem a demanda) e disponibiliza serviços para usuários. Durante o primeiro passo no processo do capacity planning, essas workloads precisam ser identificadas e uma definição de nível de serviço satisfatório precisa ser criada. Uma workload é uma classificação lógica do trabalho realizado em um sistema de computação. Se considerarmos todo o trabalho realizado em um sistema como o gráfico abaixo, uma workload será um pedaço deste gráfico. Work e Workloads Banda CPU Memória Figura 4. Workload. Exemplificando a determinação de workloads: considerando o gráfico abaixo, determinamos um sistema (servidor) que roda uma determinada aplicação. o gráfico mostra a utilização de CPU desse servidor durante 24 horas. podemos considerar essas informações como o trabalho desse sistema. 5

10 Percent /02 00:00 05:20 06:40 08:00 09:20 10:40 12:00 13:20 14:40 16:00 17:20 18:40 20:00 21:20 22:40 Utilização de CPU de um servidor durante 24 horas Figura 5. Gráfico de utilização de CPU. considerando a tabela abaixo, determinamos a divisão da carga total de CPU desse servidor por processos. Processo apptslot1 Processo tqweb Processo aptrtout Processo gil Processo xcustom2 Processo syncd Processo Multi Tabela de processos % de cada processo Figura 6. Tabela de utilização de CPU por processo. se associarmos cada processo a um usuário (ou área usuária) desse processo, poderemos determinar quais usuários (ou áreas) mais utilizam o servidor. Por exemplo: Processo apptslot1 = área Finanças. Processo tqweb = área Desenvolvimento WEB. 6

11 Processo aptrtout = área Suprimentos. Processo gil = usuário X. Processo xcustom2 = usuário Y. Processo syncd = sistema. Processo Multi = sistema. podemos definir cada processo como uma workload, onde a soma de todas as workloads resulta na utilização total de CPU do servidor. 100 Percent /02 00:00 05:20 06:40 08:00 09:20 10:40 12:00 13:20 14:40 16:00 17:20 18:40 20:00 21:20 22:40 Finanças Des. Web Sistema Suprimento Usuário X Usuário Y Outros Workloads Figura 7. Gráfico de utilização de CPU por workload. Determinar as unidades de trabalho Para o objetivo do capacity planning é indispensável associar uma unidade de trabalho com uma workload. Isso é uma medida de quantidade de trabalho realizada, diferente da quantidade de recursos do sistema necessários para realizar esse trabalho. Para entender a diferença, vamos considerar a medida de trabalho feita em um restaurante fast foad. Quando decidimos sobre uma unidade de trabalho, podemos considerar a quantidade de clientes atendidos, o número de sanduíches vendidos ou o dinheiro ganho nas vendas. Isso é diferente dos recursos usados para completar esse trabalho (a quantidade de pães, hambúrgueres, etc.). Quando traduzimos esse exemplo para o mundo de tecnologia da informação, ao invés de pães e hambúrgueres, falamos em utilizar recursos como disco, I/O channels, CPU e conexões de rede. Medir a utilização desses recursos é importante para o capacity planning, mas não é relevante para determinar a quantidade de trabalho feita ou a unidade de trabalho. Ao invés disso, para uma workload online, a unidade de trabalho pode ser uma transação. Para uma workload interativa ou batch, a unidade de trabalho pode ser um processo. 7

12 Identificar níveis de serviço para cada workload O próximo passo é estabelecer um SLA (Service Level Agreement). Um SLA é um acordo entre o provedor do serviço e o usuário que define um nível de serviço aceitável. O SLA é geralmente definido pela perspectiva do usuário, tipicamente em termos de tempo de resposta ou throughput. Usar workloads ajuda no processo de desenvolver SLAs, pois workloads podem ser usadas para medir a performance do sistema de maneira mais compreensível para clientes/usuários. Essas possibilidades são análogas ao restaurante fast food requisitando que certo número de clientes sejam servidos por hora durante o horário de pico, ou que cada cliente aguarde no máximo três minutos para ser atendido. Idealmente, requisitos de nível de serviço são determinados por requisitos de negócios. Se o SLA for baseado no atual nível de serviço, então será razoável analisar a atual capacidade dos sistemas antes de configurar e acordar os níveis de serviço. Analisar a capacidade atual O processo de analisar a capacidade atual é dividido em quatro fases: Medir níveis de serviço e comparar com os objetivos. Medir a utilização de recursos. Medir a utilização de recursos por workload. Identificar componentes de tempo de resposta. Medir níveis de serviço e comparar com os objetivos Após a identificação dos níveis de serviço para cada workload, é necessário medir essas workloads na rede e comparar com os objetivos determinados para cada uma deles. Comparar as medidas de qualquer item referenciado no SLA com seus objetivos fornece uma indicação básica sobre a adequação de capacidade do sistema. Por exemplo, vamos tomar como base um router rodando o protocolo de roteamento BGP. Para que a rede possa convergir de maneira eficiente, é acordado com a operadora de serviços que a utilização média de CPU do router em um minuto não deve superar 30%, pois isso acarretaria um aumento do tempo de convergência. Considerando que os processos de roteamento em um router rodando BGP sejam os identificados abaixo: Router# show process cpu CPU utilization for five seconds: 81%/3%; one minute: 36%; five minutes: 28% PID Runtime(ms) Invoked usecs 5Sec 1Min 5Min TTY Process... <omitido> 8

13 % 9.26% 8.91% 0 BGP Router % 0.50% 0.48% 0 BGP I/O % 10.52% 9.62% 0 BGP Scanner... <omitido> Considerando os três processos como a workload BGP no router e assumindo o valor de utilização média de CPU de um minuto (1min) teremos um total de 20,28% de utilização para essa workload (dentro do esperado). Medir a utilização de recursos É importante observar cada recurso dentro dos sistemas para verificar se nenhum se encontra saturado. Vale lembrar que um mesmo recurso pode fazer parte de várias workloads, portanto se for encontrado um recurso que está rodando em 100% de utilização, então as workloads que utilizam esse recurso terão um desempenho ruim. Essa fase do processo de capacity planning tenta identificar recursos dentro do sistema que possam onerar várias workloads que possuem esse recurso em comum. Por exemplo, vamos tomar como base um router rodando o protocolo de encapsulamento PPP, autenticação PPP, roteamento OSPF, gerenciamento SNMP, etc. Considerando cada item citado como uma workload, teremos a workload PPP, a workload OSPF, a workload SNMP, etc. O processo IP Input (recurso que faz o encaminhamento de pacotes IP) é um recurso comum a todas essas workloads, visto que o aumento no tráfego IP no router causará impacto nesses protocolos. 9

14 Workload OSPF OSPF Hello IP Input 5% 30% Workload PPP PPP IP Add Route 3% IP Input 30% PPP HA 10% TACACS+ 20% IP Input 30% Workload SNMP SNMP Timers IP Input 3% 30% SNMP ConfcopyPro 10% SNMP Engine 5% SNMP Traps 1% Figura 8. Utilização de recursos comuns. Medir a utilização de recursos por workload Outra fase importante dentro da análise da capacidade atual é a mensuração de recursos de cada workload. Quando definimos cada unidade de trabalho de cada workload (por exemplo, a workload RouterInternet deverá conter os recursos Utilização de CPU, Utilização de Memória e Utilização de Banda), devemos medir cada recurso individualmente para observarmos o que mais impacta a workload. Essa fase visa mostrar onde deverão ser focados esforços por parte do gerente de planejamento de capacidade. 10

15 Workload RouterInternet %CPU 3% % Memória 30% % Banda 10% Pontos de observação Workload SwitchInternet %CPU % Memória 60% 10% % Backplane 10% Figura 9. Utilização de recursos por workload. Identificar componentes de tempo de resposta A última fase do processo de análise da capacidade atual será determinar quais recursos são responsáveis pela quantidade de tempo necessária para processar uma unidade de trabalho. Os recursos que são responsáveis pelo maior compartilhamento do tempo de resposta são indicadores de onde concentrar esforços de otimização de desempenho. 0.4 Workload Memória segundos Workload CPU Workload AcessoDisco Maior impactante no tempo de resposta Figura 10. Componentes de tempo de resposta. Planejar visando ao futuro Nesse processo deve-se planejar futuras configurações e/ou implementações que suportem as demandas projetadas pela empresa. O processo de planejar para a capacidade futura é dividido em duas fases: Determinar requisitos futuros de processamento. Planejar futuras configurações do sistema. 11

16 Determinar requisitos futuros Sistemas podem satisfazer níveis de serviço atuais, mas estarão preparados para atingir esse objetivo com novas necessidades da empresa? Requisitos futuros de processamento podem surgir de uma variedade de fontes: Crescimento esperado de negócios. Requisitos para implementar novas aplicações ou serviços. Aquisições planejadas de empresas ou unidades de negócio. Limitações de orçamento. Requisitos para consolidação de recursos (servidores, gerenciamento, etc.). Adicionalmente, requisitos futuros de processamento podem ser identificados por tendências nas medidas históricas (baseline). Planejar futuras configurações do sistema Após o requisito futuro de capacidade ter sido devidamente identificado, um plano deverá ser desenvolvido para execução das adequações necessárias. O primeiro passo para desenvolver esse plano é criar um modelo da configuração atual. A partir dele, o modelo poderá ser modificado para refletir os requisitos futuros de capacidade pretendidos. Se os resultados do modelo indicarem que a atual configuração não provê capacidade suficiente para os requisitos futuros, então o modelo poderá ser usado para avaliar configurações alternativas de maneira a encontrar uma forma otimizada para prover a capacidade suficiente. Para esse tipo de análise são usadas ferramentas como curvas de tendência, análise preditiva, probabilidades, etc. Por exemplo, consideremos a tabela a seguir que possui os dados de utilização de banda de um acesso Internet até Dez/05 (os dados de 2006 serão projetados): 12

17 Mês % Utilização Jan/05 20 Fev/05 20 Mar/05 23 Abr/05 25 Mai/05 25 Jun/05 26 Jul/05 26 Ago/05 24 Set/05 25 Out/05 30 Nov/05 33 Dez/05 33 Jan/06 Fev/06 Mar/06 Abr/06 Mai/06 Jun/06 Tabela 1. % Utilização de Banda % Figura 11. jan/05 fev/05 mar/05 abr/05 mai/05 jun/05 jul/05 ago/05 set/05 out/05 nov/05 dez/05 jan/06 fev/06 mar/06 abr/06 mai/06 jun/06 A linha de tendência aponta para um aumento na utilização de banda que, se comparada a Jan-05, representa 100% de acréscimo. 13

18 3. Fundamentação matemática A atividade de capacity planning engloba o cálculo de diversas variáveis de um sistema. Esses cálculos compreendem o uso de estatística (média móvel, regressão linear, curvas de tendência, etc.) e também o uso de teoria das filas Estatística A literatura descreve várias técnicas de previsibilidade que fazem uso da estatística. Na seleção de uma dessas técnicas, alguns fatores precisam ser considerados. A disponibilidade e confiabilidade do baseline (dados históricos), o grau de exatidão e o padrão encontrado no baseline têm forte influência sobre a técnica a ser empregada. O padrão dos dados do baseline pode ser determinado através da inspeção visual dos dados em um gráfico. Existem quatro tipos de padrão encontrados em baselines: Padrão de tendência. Padrão cíclico. Padrão sazonal. Padrão estacionário. A figura abaixo mostra os tipos de padrão de dados: Variável Variável Tendência Cíclico Tempo Tempo Variável Variável Sazonal Estacionário Tempo Tempo Figura 12. Tipos de padrão de dados. 14

19 Enquanto o padrão de tendência reflete uma workload que tende a crescer (ou decrescer em alguns casos), o padrão estacionário não mostra qualquer sinal de acréscimo ou decréscimo na série de dados (valores praticamente constantes ou com variação mínima). Padrões cíclicos ou sazonais são similares com respeito à presença de flutuações. A diferença é a periodicidade das flutuações que no caso do padrão sazonal são mais constantes. As técnicas de previsibilidade mais comumente utilizadas são: Média móvel; Tendência exponencial; Regressão linear Média móvel Essa é uma técnica simples de previsibilidade que faz com que o valor a ser previsto para o próximo período ser igual à média do número de observações anteriores. Quando aplicada para dados com pouca variação (padrão estacionário), a exatidão conseguida por essa técnica é geralmente alta. A maior desvantagem da média móvel é que somente uma única previsão pode ser calculada, o que a torna apropriada para previsões de poucos termos. Segue a expressão da média móvel: f = y + y +...+y t+1 n t t-1 t-n+1 Onde F t+1 é o valor previsto para o período t+1, y t é o valor atual (observado no tempo t) e n éo número de observações usadas para calcular f t+1. Como pode ser notada na expressão, uma previsão para o período t+2 não pode ser feita até que o valor atual para t+1 seja conhecido. Um problema com essa técnica é a determinação da variável n (o número de períodos incluído na média). Uma saída é tentar determinar o valor de n que minimize o erro de previsão, que é definido pela média da diferença entre o valor previsto e o valor atual (MSE mean squared error). A expressão é dada por: MSE = n t=1 y t -f n t 2 Exemplo Há interesse em analisar o padrão de crescimento de uma aplicação que roda em um mainframe. O consumo de CPU é a métrica escolhida para indicar o nível de atividade da aplicação. Dessa forma, o consumo de CPU foi medido mensalmente, conforme a tabela a seguir: 15

20 Mês % Utilização CPU Observado Previsão Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro Tabela 2. O objetivo da análise é determinar qual a previsão de utilização e CPU para o mês de dezembro. Aplicando a expressão para determinar o menor erro de previsão (MSE), obtemos o valor de n = 3. Dessa forma, o valor de utilização de CPU para dezembro é dado por: f = ( /3) = Tendência exponencial Tendência exponencial é similar à média móvel no que diz respeito à forma como ambas as técnicas calculam os valores previstos. A diferença é que a tendência exponencial aplica mais peso para os dados históricos mais recentes. A motivação para utilizar diferentes pesos vem da hipótese que as últimas observações dão uma melhor indicação do futuro. Como na média móvel, essa técnica é apropriada para dados que apresentam pouca variação. O valor previsto é calculado pela expressão: f = f +a y -f t+1 t t t Onde f t+1 é o valor previsto para o período t+1, y t é o valor atual (observação) no tempo t e á éo peso (0 < á < 1). 16

21 Exemplo Há interesse em analisar o padrão de crescimento de uma aplicação que roda em um mainframe. O consumo de CPU é a métrica escolhida para indicar o nível de atividade da aplicação. Dessa forma, o consumo de CPU foi medido mensalmente, conforma a tabela abaixo: Mês % Utilização CPU Observado = 0.25 = 0.60 Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro Tabela 3. São mostrados os resultados usando dois valores de (0.25 e 0.60) para calcular o valor previsto. O valor estimado para dezembro éf= ( ) = ou f = ( ) = % Utilização CPU Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro Observado Média Móvel Exponencial Figura 13. Exemplo de média móvel e exponencial. 17

22 Regressão linear Modelos de regressão são usados para estimar o valor de uma variável como função de outras variáveis. A variável prevista é chamada variável dependente e aquelas usadas para prever o valor são conhecidas como variáveis independentes. A relação matemática estabelecida entre variáveis pode tomar várias formas. A relação mais comumente utilizada assume que a variável dependente é uma função linear das variáveis independentes. A regressão linear é usada para determinar a relação linear entre duas variáveis. A equação para a regressão linear é: y=a+bx Onde y é a variável dependente, xéavariável independente, a é o ponto de intersecção do eixo y e b é a inclinação da linha que representa a relação linear entre as duas variáveis. O método do menor quadrado determina os valores de a e b que minimizam a soma dos quadrados do erro de previsão. Portanto: a= n i=1 n i-1 b= y-bx xi yi -n xy 2 2 x -n x i Onde y= 1 n n i=1 y i, x= 1 n n i=1 x,en é o número de observações. i 3.2. Teoria das filas A teoria das filas é a área da pesquisa operacional que trata de sistemas de filas (atrasos ou congestionamentos). Um sistema de filas é formado por uma demanda de elementos, uma fila e um ou mais canais de atendimento. Uma rede de filas é formada por vários subsistemas de filas interligados. Parâmetros fundamentais de um sistema de filas (genérico): Taxa de chegadas. Capacidade (taxa de atendimento). Tempo entre chegadas sucessivas. Tempos de atendimento. Capacidade da fila ("finito" x "infinita"). Disciplina: First in First Out (FIFO); Last in First Out (LIFO); 18

23 Prioridades. O estudo da teoria das filas trata do fenômeno de aguardar em fila usando medidas representativas de desempenho do sistema, tais como comprimento médio da fila, tempo médio de espera na fila, utilização média do sistema, entre outros. Servidores Ponto de entrada no sistema C C Ponto de saída do sistema Origem dos usuários ou clientes Fila CCCCCC C C C C C Processo de chegadas Magnitude da fonte de usuários Disciplina e capacidade da fila Processo de atendimento Número de servidores Figura 14. Representação de uma fila. Modelo para: clientes em fila de espera; linha de montagem; pacotes em uma rede (linha de transmissão). Deseja-se saber: número médio de clientes no sistema; atraso médio experimentado por um cliente (ou pacote). Quantidades obtidas em termos de: taxa de chegada dos clientes (número médio de clientes por unidade de tempo); taxa de serviço do servidor (número médio de clientes que o servidor pode servir por unidade de tempo). No âmbito de sistemas computacionais (servers e/ou redes), o conceito de filas é amplamente utilizado. Por exemplo, consideremos um servidor web. Os recursos (memória, buffers, CPU, disco, I/O de rede, etc.) nessa máquina são finitos. Digamos que o servidor receba três requisições simultaneamente, mas ele só possua capacidade (nesse dado momento) de processar duas requisições. 19

24 A terceira requisição deverá ser armazenada em buffer (uma fila lógica) até que os recursos necessários estejam disponíveis para processá-la. Outro exemplo seria a transmissão de pacotes em um router. Tratamento através de filas Figura 15. Exemplo de uma fila. Os modelos de filas sempre envolvem aproximações e simplificações do sistema real. Os resultados podem ser úteis para: estimativas a respeito da grandeza de medidas de desempenho do sistema; análises de sensibilidade a respeito do impacto de mudanças operacionais; tomada de decisão sobre melhorias no sistema. Os resultados são limitados a "condições de equilíbrio", e derivados principalmente a partir de suposições estabelecidas para processos de renovação e sistemas de "fases" Notação de Kendall para descrição de uma fila A notação de Kendall para descrição de filas é a apresentada abaixo: A/B/C/K/m/Z Onde: A = distribuição do tempo entre chegadas (A pode ser: M, D, EK, G, GI); B = distribuição do tempo de serviço (B pode ser: M, D, EK, G, GI); C = número de servidores; K = número máximo de clientes permitidos no sistema; m = tamanho da população (omite-se quando m = infinito); 20

25 Z = disciplina de serviço (tipo de fila; pode ser: FIFO, FCFS, LIFO, Randômica, Prioridade, etc.; omite-se quando Z = FIFO). Onde: M = tempo exponencial (M de Markoviano); D = tempo determinístico; EK = distribuição de Erlang; G = distribuição geral quando não se sabe nada sobre os tempos de chegada; GI = distribuição geral quando os tempos de chegada são idênticos. 4. Análise de desempenho O acompanhamento do desempenho é tarefa fundamental para a gerência de um sistema, provendo informações sobre o desempenho do conjunto de sistemas e a sua utilização. Pode também fornecer subsídios para decisões relacionadas a atualização, ampliação e dimensionamento do sistema, em função do crescimento da carga, do seu comportamento temporal e da otimização do uso dos recursos disponíveis. Essa sistemática traz melhores resultados quando se faz um acompanhamento de longo prazo, de forma contínua, pois com base em um histórico de dados relativos à utilização do sistema (baseline), podem-se fazer projeções de crescimento de demanda, favorecendo o planejamento de investimentos em expansão dos recursos atuais, de forma a manter ou elevar o nível de qualidade do sistema. A avaliação de desempenho de sistemas computacionais consiste em um conjunto de técnicas e metodologias que permitem responder à questão de como se obter o melhor desempenho de um sistema computacional a um dado custo. A atividade de avaliação de desempenho compreende: seleção de técnicas de avaliação, métricas de desempenho e cargas de trabalho; correta condução das medidas de desempenho e das simulações; utilização de técnicas estatísticas apropriadas para comparar as diversas alternativas; desenvolvimento dos experimentos de medição e simulação visando prover a maior quantidade de informação com o menor esforço; utilização de modelos de filas para analisar o desempenho dos sistemas. Contrário ao pensamento comum, a avaliação de desempenho não pode ser realizada de forma automatizada. Cada avaliação exige um conhecimento profundo dos sistemas a serem modelados e uma cuidadosa seleção da metodologia, carga de trabalho e ferramentas. Dessa forma, a criação de um baseline da situação atual do sistema que será analisado (server farm, backbone de redes, mainframe, banco de dados, etc.) é fundamental para podermos avaliar a performance do mesmo. 21