Ein Workload im allgemeinsten Sinne ist der Zeitaufwand und die Rechenressourcen, die ein System oder Netzwerk benötigt, um eine Aufgabe zu erledigen oder eine bestimmte Ausgabe zu erzeugen. Es bezieht sich auf die gesamte Systemnachfrage aller Benutzer und Prozesse zu einem bestimmten Zeitpunkt.
Innerhalb der IT hat sich der Begriff kontinuierlich weiterentwickelt und ist insbesondere mit dem Aufkommen des Cloud Computing immer bedeutungsvoller geworden. Im Allgemeinen bezieht sich der Begriff „Workload“ auf eine Rechenaufgabe oder einen Rechenprozess sowie auf die Rechen-, Arbeitsspeicher-, Speicherplatz und Netzwerkressourcen, die die Aufgabe erfordert.
In einem Cloud-Computing-Kontext bezieht sich Workload auf jeden Service, jede Anwendung oder Funktion, die cloudbasierte Ressourcen nutzt. In diesem Cloud-Kontext gelten virtuelle Maschinen, Datenbanken, Anwendungen, Microservices, Knoten und mehr als Workloads.
Workloads können von einfachen Aufgaben, wie der Ausführung einer einzelnen Anwendung oder Berechnung, bis hin zu komplexen Vorgängen, wie der Verarbeitung umfangreicher Datenanalysen oder der Ausführung einer Suite miteinander verbundener Anwendungen, reichen. Die Verwaltung von Workloads ist ein entscheidender Aspekt der IT-Ressourcenoptimierung und wirkt sich direkt auf die Systemleistung, die Kosten, die Stabilität und letztendlich auf den Erfolg des Geschäftsbetriebs aus.
Mit der zunehmenden Verbreitung von Cloud Computing und Virtualisierung ist das Workload-Management immer komplexer geworden1. Die Nutzung von Hybrid-Cloud-, Multicloud- und Public-Cloud-Ressourcen bedeutet, dass sich Workloads über Plattformen und Standorte erstrecken können, die jeweils eigene Merkmale und Verwaltungsanforderungen aufweisen.
Um die Komplexität der Verwaltung von Workloads in verschiedenen Computerumgebungen und Workflows zu bewältigen, setzen Unternehmen auf fortschrittliche Tools wie Backend-APIs, Software zur Workload Automation, KI-basierte prädiktive Analysen und Cloud-Management-Plattformen (z. B. Amazon Web Services (AWS), Google Cloud Platform, IBM Cloud und Microsoft Azure).
Unternehmen setzen auch Strategien wie die Workload-Platzierung ein, bei der sie den besten Standort für jeden Workload auf der Grundlage von Faktoren wie Kosten, Leistung, Lebenszyklus, Compliance und Geschäftsanforderungen bestimmen. Dadurch wird sichergestellt, dass jeder Workload in einer Umgebung ausgeführt wird, die optimal auf seine spezifischen Anforderungen zugeschnitten ist.
Nutzen Sie die Chance auf eine kontinuierliche Anwendungsleistung bei zuverlässiger Kostensenkung.
IBM Newsletter abonnieren
Der Begriff „Workload“ wird oft synonym mit „Anwendung“ verwendet. Obwohl sowohl Workloads als auch Anwendungen miteinander verbunden und integrale Komponenten jeder IT-Infrastruktur sind (und Anwendungen als Workloads betrachtet werden können), dienen sie recht unterschiedlichen Zwecken.
Anwendungen sind Programme oder Programmgruppen, die Endbenutzern helfen, bestimmte Aufgaben auszuführen und bestimmte Geschäftsanforderungen zu erfüllen. Workloads beziehen sich auf die Verarbeitungsanforderungen dieser Aufgaben. Mit anderen Worten, Workloads versorgen Anwendungen (oder Teile davon). Es ist jedoch wichtig zu beachten, dass ein Workload nicht unbedingt nur einer einzelnen App vorbehalten ist. Viele Workloads führen Aufgaben anwendungsübergreifend aus.
Darüber hinaus neigen Anwendungslebenszyklen dazu, sich zu ändern, wenn sich Anforderungen ändern oder fortschrittlichere Technologien auf den Markt kommen. Workloads hingegen ändern sich aufgrund von Infrastrukturfaktoren wie Systemleistung, Benutzerverkehr, Ressourcenzuweisung und Verarbeitungsbedarf.
Wie bereits erwähnt, kann die Nutzung von Workloads so einfach sein wie die Ausführung einer einzelnen Anwendung oder so anspruchsvoll wie die Ausführung eines Ökosystems verbundener Anwendungen, mit vielen Variationen dazwischen. Daher erfordert eine erfolgreiche Workload-Bereitstellung möglicherweise die Verwendung mehrerer Workload-Typen.
Zu den wichtigsten Arten von Workloads gehören:
Transaktionale Workloads beinhalten Benutzerinteraktionen in Echtzeit, in der Regel in Form zahlreicher kurzer Online-Transaktionen. Für die Bereitstellung transaktionaler Workloads sind Systeme erforderlich, die mehrere gleichzeitige Benutzer verwalten und schnelle, konsistente Antworten liefern können. Daher werden sie häufig für E-Commerce-Websites verwendet, um Einkäufe, Zahlungen, Produktsuchen und mehr zu verwalten.
Batch-Workloads sind nicht interaktive Aufträge, die in großen Mengen, oft sequentiell, verarbeitet werden. Da sie eine hohe Verarbeitungsleistung erfordern, werden Batch-Workloads häufig in Umgebungen eingesetzt, in denen große Datenmengen verarbeitet werden (z. B. Gehaltsabrechnung, Rechnungsstellung, Wettermodellierung usw.), und sie werden häufig außerhalb der Spitzenzeiten ausgeführt, um Störungen interaktiver oder transaktionaler Workloads zu vermeiden. Diese Workload erfordern in der Regel auch eine parallele Verarbeitung, bei der Aufgaben in kleinere Teilaufgaben aufgeteilt und gleichzeitig auf mehreren Servern und Prozessoren ausgeführt werden.
Analytische Workloads zeichnen sich durch komplexe Abfragen aus, die auf großen Datensätzen ausgeführt werden. Im Gegensatz zu transaktionalen Workloads, die kleine, einfache Transaktionen umfassen, führen diese Workloads tiefgreifende Datenanalysen durch – oft unter Einsatz von künstlicher Intelligenz und maschinellem Lernen – um Trends, Beziehungen und Erkenntnisse zu ermitteln. Aufgrund ihres hohen Datendurchsatzes werden analytische Workloads häufig für Data Warehousing und Big-Data-Analysen verwendet.
Die meisten Unternehmensanwendungen sind auf grundlegende Datenbanken angewiesen, um zu funktionieren. Wenn eine Datenbank eine schlechte Leistung erbringt, führt dies zu Engpässen für die Apps, die sie nutzen. Datenbank-Workloads helfen, diese Probleme zu lösen. Datenbank-Workloads werden genau abgestimmt, um die Suchfunktionalität für die anderen Apps, die von einer Datenbank abhängen, zu beschleunigen und zu optimieren. Sie ermöglichen den Teams auch die Analyse von Metriken wie Speicher-/CPU-Nutzung, Input-Output-Durchsatz und Abfrageausführungsraten.
HPC-Workloads führen komplexe Simulationen und/oder mathematische Berechnungen aus, die erhebliche Rechenleistung erfordern. Beispielsweise könnte ein meteorologisches Forschungsteam eine Simulation von Klimamustern im Zusammenhang mit El Niño durchführen. Wie Batch-Workloads weisen auch HPC-Workloads tendenziell ein hohes Maß an Parallelität auf.
Wenn sich Teams im Softwareentwicklungs- und Testprozess befinden, verlassen sie sich häufig auf Test-/Dev-Workloads, die Aufgaben wie das Kompilieren von Code, das Ausführen von Komponententests und die Durchführung von Lasttests übernehmen. Ähnlich wie der Entwicklungsprozess selbst können auch die Test-/Dev-Workloads unvorhersehbar sein und erfordern von den Entwicklern eine schnelle Bereitstellung und Aufhebung der Bereitstellung von Ressourcen, wenn sich die Anforderungen ändern.
Diese Workloads sind oft von entscheidender Bedeutung in IT-Umgebungen, die eine blitzschnelle Datenverarbeitung in Echtzeit erfordern, um sofortige Ergebnisse zu liefern, wie z. B. Aktienhandels-Apps, Video-Streaming-Dienste und Sportwetten-Plattformen.
IT-Umgebungen sind zunehmend komplexer geworden und erfordern Tools und Ressourcen, die eine Vielzahl von Aufgaben bewältigen können, oft gleichzeitig. Hier werden Hybrid-Workloads – die Elemente verschiedener Workload-Typen kombinieren – zu einem echten Vorteil.
Ein Beispiel für eine Hybrid-Workload ist eine Echtzeitanalyseanwendung, die eingehende Daten mit transaktionalen Workloads verarbeitet, komplexe Abfragen der Daten mit analytischen Workloads ausführt und Berichte mit Batch-Workloads generiert.
Das Aufkommen des Cloud Computing im letzten Jahrzehnt hat die Entwicklung neuer Workload-Typen vorangetrieben, darunter Software-as-a-Service (SaaS), containerisierte und Microservices-basierte Anwendungen, virtuelle Maschinen (VMs) und Serverless Computing. Unternehmen erforschen sogar Anwendungsfälle für generative KI-Workloads (GenAI).2 Unabhängig vom Typ können Workloads auch nach ihrem Status (z. B. zustandsabhängig oder zustandslos) und im Falle von Cloud-Workloads nach ihren Nutzungsmustern (z. B. statisch oder dynamisch) kategorisiert werden.
Zustandsabhängige Workloads müssen Informationen und den Status von einer Sitzung zur nächsten beibehalten, d. h. sie „erinnern“ sich an Daten aus früheren Interaktionen. Bei einer zustandsabhängigen Anwendung merkt sich die Anwendung die Informationen und Aktivitäten eines Benutzers, wenn er sich abmeldet und dann wieder anmeldet. Datenbanksysteme, in denen Daten auch nach dem Ende der Sitzung verbleiben, sind hervorragende Beispiele für zustandsabhängige Workloads.
Diese Workloads speichern keine Benutzerdaten für die nächste Sitzung des Benutzers. Jede Sitzung wird als neue Interaktion ausgeführt und die Antworten sind unabhängig von früheren Benutzerdaten. Zustandslose Workloads können das App-Design vereinfachen, da Entwickler keine Zustandsinformationen verwalten müssen, aber sie können auch die Personalisierung der Benutzererfahrung komplexer machen.
Statische Workloads verbrauchen über lange Zeiträume und nach einem konsistenten Zeitplan eine relativ konstante Menge an Rechenressourcen.
Dynamische Workloads, auch temporäre Workloads genannt, passen Computing-Ressourcen basierend auf dem Computing-Bedarf an und konfigurieren sie.
Mit der zunehmenden Verbreitung von Cloud Computing ändern sich auch die Praktiken des Workload-Managements. Moderne Unternehmen nutzen in der Regel eine Kombination aus traditionellen On-Premises Rechenzentren und Cloud-Infrastrukturen, um ihre Workloads effizient zu verwalten. On-Premises-Workloads werden auf der eigenen Hardwareinfrastruktur eines Unternehmens ausgeführt, die lokal in den Einrichtungen des Unternehmens gehostet wird. Public-Cloud-basierte Workloads werden auf Servern ausgeführt, die von einem externen Cloud-Service-Provider (CSP) verwaltet werden und sich außerhalb des Unternehmens befinden, oft an mehreren Standorten weltweit. Beide Infrastrukturen bieten Vorteile für die Verwaltung von Unternehmens-Workloads.
On-Premises-Workloads bieten:
Mit On-Premises-Lösungen haben Unternehmen die volle Kontrolle über ihre Workloads. Dazu gehört auch die Möglichkeit, die gesamte Hardware und Software selbst auszuwählen und anzupassen, was besonders für Unternehmen mit IT-Anforderungen von Vorteil ist, die von Standard-Cloud-Angeboten nicht ohne Weiteres erfüllt werden können.
On-Premises-Lösungen bieten mehr Sicherheit und eine bessere Kontrolle über die Einhaltung von Vorschriften, insbesondere für Unternehmen in Branchen oder Regionen mit strengen Anforderungen an die Datenhoheit und Prüfverfahren. Da Daten lokal und nicht in einer gemeinsam genutzten Cloud-Umgebung gespeichert werden, ist es einfacher, strenge Sicherheitsprotokolle durchzusetzen und den Datenzugriff jedes Teammitglieds zu kontrollieren.
Darüber hinaus verlangen einige Vorschriften, dass Daten innerhalb bestimmter geografischer Grenzen gespeichert werden müssen, und Unternehmen können die Speicherkonformität bei lokalen Workloads einfacher sicherstellen.
Während die anfänglichen Kosten für eine On-Premises-Infrastruktur recht hoch sein können, sind die laufenden Kosten für die Aufrechterhaltung der Workloads vor Ort relativ stabil und leichter zu planen. Wenn ein Unternehmen über das nötige Kapital für Investitionen verfügt und davon ausgeht, dass die Anforderungen langfristig konstant bleiben, können On-Premises-Workloads eine finanziell solide Wahl sein.
In einigen Fällen erzielen On-Premises-Workloads eine bessere Leistung als cloudbasierte Workloads. Bei einer On-Premises-Infrastruktur müssen die Daten das lokale Netzwerk nicht verlassen, was zu schnelleren Verarbeitungszeiten führt und Latenzprobleme, die zu Leistungsengpässen führen können, minimiert.
Workloads vor Ort sind auch dann zugänglich, wenn die Internetverbindung instabil ist oder vorübergehend nicht verfügbar ist. Die Offline-Verfügbarkeit von Apps kann für Unternehmen in Regionen mit schlechter Internet-Infrastruktur oder für Umgebungen, die einen 24/7-Zugriff auf die App erfordern, ein großer Vorteil sein.
Public-Cloud-basierte Workloads hingegen bieten:
Cloud-Workloads folgen in der Regel einem Betriebsausgabenmodell, bei dem Benutzer nur für die von ihnen genutzten Ressourcen zahlen, wenn sie diese auch nutzen. Dies kann Cloud Computing zu einem kostengünstigeren Einstieg in das Workload-Management machen, insbesondere für kleinere Unternehmen und Start-ups.
Cloud-Provider verfügen über riesige Ressourcen, die bei Bedarf zu- und abgeschaltet werden können, so dass Unternehmen ihre Workloads problemlos an den sich ändernden Ressourcenbedarf anpassen können.
Obwohl das Unternehmen immer noch für die Verwaltung und Sicherung seiner eigenen Anwendungen und Daten verantwortlich ist, legen cloudbasierte Workloads viele Wartungsaufgaben (z. B. Hardwarereparaturen, Softwareupgrades, Sicherheitspatches usw.) in die Hände des Providers.
Cloud-Services umfassen häufig Disaster-Recovery-Funktionen sowie Infrastrukturredundanzen, um die Verfügbarkeit von Workloads auch dann zu gewährleisten, wenn Server oder Rechenzentren ausfallen.
Cloud-Workloads können schnell ausgeführt und angepasst werden, was schnellere Innovationen ermöglicht und cloudbasierten Unternehmen einen Wettbewerbsvorteil verschafft. Mit Cloud-Plattformen können Unternehmen neue Anwendungen und Dienste innerhalb von Minuten bereitstellen, während dies lokal Wochen oder Monate dauern kann.
Viele Unternehmen entscheiden sich für Private Clouds (auch bekannt als Corporate Clouds), die eine Kombination bestimmter Vorteile von On-Prem- und Public-Cloud-Architekturen bieten.
Unabhängig davon, ob ein Unternehmen sich für On-Premises- oder Public-Cloud-Workloads (oder eine Kombination aus den beiden) entscheidet, kann die effektive Nutzung und Verwaltung von Workloads die Entscheidungsfindung im Unternehmen sowie die allgemeine Effizienz, Leistung und Kosteneffizienz von IT-Infrastrukturen im Unternehmen verbessern.
Mit der IBM Turbonomic®-Hybrid-Cloud-Kostenoptimierungsplattform können Sie kritische Aktionen kontinuierlich in Echtzeit automatisieren, um Ihren Anwendungen auf jeder Ebene des Stacks proaktiv die effizienteste Nutzung von Rechen-, Speicher- und Netzwerkressourcen zu ermöglichen.
IBM Instana demokratisiert die Observability, indem es eine Lösung bereitstellt, mit der jeder in den Bereichen DevOps, SRE, Plattform, ITOps und Entwicklung die gewünschten Daten mit dem benötigten Kontext abrufen kann. Die Plattform wurde speziell für die Cloud entwickelt und ist technologieunabhängig. Sie liefert automatisch und kontinuierlich Daten mit hoher Genauigkeit (mit einer Granularität von 1 Sekunde und End-to-End-Traces) sowie den Kontext logischer und physischer Abhängigkeiten in den Bereichen Mobile, Web, Anwendungen und Infrastruktur.
IBM Workload Automation ist eine Automatisierungsplattform, die IT-, Betriebs- und Geschäftsworkflows integriert, um die Orchestrierung für die Ausführung unbeaufsichtigter und ereignisgesteuerter Prozesse zu optimieren, die für den Betrieb in hybriden Umgebungen entwickelt wurden.
Nutzen Sie die unternehmensweite Workload Automation für plangesteuerte und ereignisgesteuerte Workloads.
Verstehen Sie die fünf Prinzipien, die dem Betriebsteam dabei helfen, über das Servicemanagement und die betrieblichen Aspekte seiner Anwendung nachzudenken.
Unter IT-Infrastruktur versteht man die kombinierten Komponenten von Unternehmens-IT-Umgebungen und -Diensten.
Sehen Sie sich eine Beispielarchitektur für IBM Cloud Security and Compliance Center Workload-Schutz an.
Optimieren und automatisieren Sie komplexe Workloads für mehr IT-Effizienz.
Erfahren Sie, wie Teams mit IBM Integration Bus for z/OS Workloads überwachen und anpassen sowie nicht reagierende Flows und Threads verwalten können.
Fußnoten
1 Unternehmen erwarten eine fortgesetzte Verlagerung von alten On-Premises-Systemen zu einer Mischung aus modernen Standorten (Link befindet sich außerhalb von ibm.com), S&P Global Market Intelligence, 27. März 2023.
2 Market Analysis Perspective: Worldwide Enterprise Infrastructure Workloads 2023 (Link befindet sich außerhalb von ibm.com), IDC, September 2023.