![Fechar [x]](http://dw1.s81c.com/i/c.gif){kind=small}
Cognos 8 é um sofisticado conjunto de produtos e recursos. Dimensionar a arquitetura pode ser um desafio que exige conhecimento da carga de trabalho geral esperada do sistema. Como resultado, deve-se esperar alguma iteração na arquitetura para customizá-la adequadamente para os requisitos do usuário.
Há muitos fatores a serem considerados ao determinar as especificações de hardware virtual para instâncias de nuvem. A combinação desses fatores influencia a carga que o sistema pode suportar, que pode variar com o passar do tempo.
Em um ambiente típico de datacenter, é necessário planejamento para cargas de pico, por isso recursos de TI são frequentemente subutilizados. No entanto, graças à natureza dinâmica da nuvem, cargas de pico são facilmente acomodadas conforme necessário, de modo que o novo padrão de planejamento torna-se necessidades médias de capacidade. Recursos podem ser incluídos dinamicamente quando necessário, e removidos a qualquer momento quando a carga for reduzida.
Neste artigo, nós damos algumas diretrizes gerais e recomendações sobre a arquitetura para suportar uma implementação em larga escala do Cognos 8 em uma Nuvem IBM.
Para lidar com desempenho e práticas de escalabilidade, examinaremos os seguintes tópicos:
- Comunidade de usuários e distribuição geográfica dos usuários.
- Complexidade de aplicativos (as várias camadas).
- Considerações após a implementação.
Para mais informações sobre a instalação e configuração do Cognos na Nuvem IBM, consulte o resto desta série e o site do Cognos (Recursos).
Comunidade de usuários e distribuição geográfica.
No contexto deste artigo, um usuário da solução Cognos será categorizado em três diferentes grupos:
- Nomeados: todos os usuários registrados no sistema.
- Ativos: usuários nomeados conectados ao sistema no momento, mas não necessariamente no processo de enviar uma solicitação ou esperar que uma solicitação seja finalizada (por exemplo, um usuário lendo um relatório).
- Simultâneos: usuários ativos que estão no processo de enviar uma solicitação ou esperar que uma solicitação seja finalizada.
Baseado na experiência da IBM com implementação em larga escala, uma razão geralmente notada com esses usuários é de 100:10:1, respectivamente (com apenas 1 por cento de usuários Simultâneos a qualquer momento). Isso significa que, para cada 100 usuários nomeados, 10 usuários estão ativos e 1 usuário está no processo de enviar ou executar uma solicitação.
Observe que alguns sistemas exigem taxas de simultaneidade maior ou menor. Mas, na maioria dos casos, as taxas de simultaneidade não excedem de 5 a 7 por cento, mesmo em horários de pico. Ao calcular a carga do sistema, apenas usuários Simultâneos precisam ser considerados.
Outro fator importante a considerar é a distribuição geográfica da comunidade de usuários, que também tem impacto na carga média e de pico do sistema. Variações nos fusos horários dos usuários pode resultar em impactos surpreendentes nos padrões diários de carga da implementação do Cognos. Se você tiver um servidor de produção comparável, medir seus padrões de carga efetiva em um período de tempo pode ajudar bastante a obter taxas de simultaneidade precisas, e é altamente recomendado.
Além de considerar os requisitos do número médio de usuários Simultâneos, a complexidade do aplicativo também influencia os recursos necessários. Por exemplo, relatórios que exigem consultas complexas a bancos de dados ou formatação avançada exigem mais recurso de processamento de relatórios. Isso significa que o número de relatórios que podem ser servidos em um dado momento será reduzido. Suportar o mesmo número de usuários Simultâneos nesses tipos de aplicativos exige maior capacidade do sistema.
Agora iremos examinar algumas práticas para manter a escalabilidade e desempenho no balanço certo para a camada do servidor da Web, a camada de aplicativo e a camada de gerenciamento de conteúdo.
Para fins de planejamento, sugerimos que um ambiente deve ser dimensionado para acomodar 50 usuários Simultâneos por CPU moderna, independente da função do usuário.
Mas há dois fatores que afetam a estimativa dos requisitos de hardware para suportar carga média na camada da Web:
- Primeiramente, se conectividade de Secure Sockets Layer for usada, deve haver uma redução no número estimado de usuários Simultâneos suportados.
- Mais importante ainda é considerar os requisitos de failover da solução, e alocar capacidade de CPU extra para satisfazer os requisitos de alta disponibilidade.
Planejamento para processamento de relatório e de consulta é a consideração mais importante se você deseja fornecer uma solução Cognos de alto desempenho. Processamento de relatório e de consulta é influenciado pelo número de usuários Simultâneos e pela complexidade do aplicativo.
Para criação de relatórios interativos, uma diretriz geral é assumir um ponto de partida de dois processos de relatório interativo por CPU, cada um com quatro encadeamentos de execução de relatório. Isso representa oito solicitações de relatório interativo simultâneas por CPU física.
2 processos de relatório/CPU x 4 encadeamentos de execução de relatório -------------------------------------- 8 solicitações simultâneas de relatório/CPU |
Devido aos grandes volumes de dados associados com processamento de relatórios em lote, uma diretriz geral é assumir dois processos de relatório em lote por CPU, cada um com dois encadeamentos de execução de relatório. Isso representa quatro relatórios em lote simultâneos executados simultaneamente por CPU física.
2 processos de relatório em lote/CPU x 2 encadeamentos de execução de relatório ------------------------------------------- 4 solicitações de relatório em lote simultâneas/CPU |
Observe que essas são as estimativas gerais baseadas na experiência da IBM. Elas podem variar de solução para solução. Ao calcular os recursos necessários para uma solução Cognos na nuvem, use essas estimativas gerais com a média diária estimada de usuários Simultâneos para determinar os requisitos de hardware da nuvem.
O Cognos 8 foi projetado tendo a escalabilidade em mente. Para incluir mais servidores de aplicativo Cognos em horários de pico para lidar com maiores cargas do sistema, basta instanciar novas instâncias do servidor no sistema. Essas instâncias de servidor recém-incluídas irão compartilhar a carga do sistema automaticamente e quase imediatamente. Quando essa energia de processamento não for mais necessária, os servidores podem facilmente ser desativados e removidos.
O desempenho do Content Manager é influenciado substancialmente pelo número de objetos no pacote ou pasta e a segurança associada com os objetos. Por exemplo, se uma pasta ou pacote contém um grande número de objetos, as permissões do usuário precisam ser verificadas quando um usuário com privilégios limitados acessa, para garantir que as regras de segurança sejam cumpridas. Se houvesse menos objetos na pasta, ou se a pasta inteira não fosse protegida, seriam necessários bem menos recursos.
A experiência da IBM com padrões de uso médio sugere que uma CPU do Content Manager deve ser alocada para cada CPU de processamento de relatório. No entanto, se o aplicativo requer mais capacidade de processamento do Content Manager, faz sentido dobrar a alocação de CPU do Content Manager.
Por fim, como JVMs de 32 bits são limitadas a um espaço de endereço de 2 GB de memória, a IBM recomenda que o Cognos Content Manager seja implementado em um sistema operacional de 64 bits. Uma configuração de 64 bits é fortemente recomendada para implementações em larga escala.
Considerações após a implementação
Essas recomendações são apenas diretrizes baseadas em nossa experiência com padrões de uso médio. É essencial monitorar o sistema enquanto os recursos são implementados, o que geralmente leva a ajustes de configuração. Recursos adicionais podem ser necessários, dependendo dos requisitos de failover e balanceamento de carga.
Procure mais informações sobre a execução do Cognos na nuvem no site do Cognos e no developerWorks (Recursos).
Aprender
-
Para saber mais nesta série, consulte "Moving from a single- to a multiple-image topology."
-
Veja mais informações sobre Analítica de Negócios Cognos.
-
Conheça outros softwares de Analítica de Negócios da IBM.
-
A equipe Cognos de Práticas Comprovadas oferece documentação de práticas construídas a partir de experiências de cliente reais.
-
O rascunho do Redbook "IBM Smart Analytics Cloud"detalha uma implementação de laboratório de uma nuvem analítica inteligente.
-
Nos recursos para desenvolvedor de nuvem do developerWorks, descubra e compartilhe conhecimentos e experiência de desenvolvedores de aplicativos e serviços que constroem aplicativos para implementação em nuvem.
Obter produtos e tecnologias
Discutir
-
Participe de um grupo sobre computação em nuvem no My developerWorks.
-
Leia todos os ótimos blogs sobre nuvem no My developerWorks.
-
Participe da comunidade do My developerWorksuma rede profissional e conjunto de ferramentas comunitárias para conectar, compartilhar e colaborar.
Stephan Jou é arquiteto técnico, membro da equipe de pesquisa e membro senior da equipe técnica da divisão de Analítica de Negócios da IBM, no grupo Technology & Innovation no Escritório do CTO. Em sua carreira na Cognos Software, ele arquitetou e chefiou o desenvolvimento e a produção de vários produtos em release inicial, que permitiram mineração de dados, redes neurais, visualização, dispositivos remotos, painéis e procura semântica. Sua função atual na IBM é focada na tradução de pesquisas acadêmicas e da IBM em estratégias de produto para software Cognos e SPSS. Jou é mestre em neurociência computacional e engenharia biométrica e bacharel em ciência da computação e fisiologia humana, todos pela Universidade de Toronto.
William Lee é engenheiro consultor senior de software na IBM, por meio da aquisição da Cognos. Ele é membro da equipe de Tecnologia e Inovação do Escritório do CTO na divisão de Analítica de Negócios da IBM e ajuda a definir a visão e direção técnica para produtos de software Cognos e SPSS. Lee está com a Cognos e com a IBM desde 1992, e é bacharel em ciência da computação e matemática e mestre em ciência da computação, todos pela Universidade Carleton em Ottawa, no Canadá.
Thanh Pham é Solution Architect do InfoSphere MashupHub. Seu foco é construir uma comunidade em volta de mashups corporativos. Antes dessa função, ele era um architect para o produto ECM/Filenet Business Process Framework. Thanh passou as duas últimas décadas envolvido em desenvolvimento de software, trabalhando em projetos em diversas áreas, incluindo kernel em tempo real, sistemas de comutação de alta velocidade, protocolos de rede, roteadores terabit, multimídia, conferências digitais, bancos de dados de pequena área de cobertura, comércio eletrônico, rastreamento de transações de sistemas de mensagens, processos de negócio e SOA.
Biraj Saha é desenvolvedor conselheiro de softwares na IBM Cognos, especializado em design de metadados e algoritmos e em desenvolvimento para ferramentas Cognos de modelagem, como Framework Manager, Metrics Designer and Architect e desenvolvimento de SOA e SDK para Servidor Cognos 8 BI. Antes de 2000, ele era engenheiro senior de software na EDS Systemhouse, trabalhando em funções de chefia de desenvolvimento para vários clientes em vários desenvolvimentos relacionados a RDBMS, incluindo ERP e conversões de fornecedor de RDBMS e aplicativos customizados Java™, C++, de procedimento armazenado e 4GL. Saha é bacharel em ciência da computação pela Universidade de New Brunswick, no Canadá, e mestre em ciência da computação, com especialização em teoria de restrição de banco de dados orientado a objetos, pela Universidade de Waterloo, no Canadá.
