O que é uma carga de trabalho?

No contexto de TI, o termo evoluiu constantemente e ganhou novos significados, principalmente com a ascensão da computação em nuvem. De forma geral, carga de trabalho se refere a uma tarefa computacional ou processo e aos recursos de computação, armazenamento, memória e rede necessários.

No contexto da computação em nuvem, carga de trabalho se refere a qualquer serviço, aplicação ou funcionalidade que consuma recursos baseados em nuvem. Nesse contexto de nuvem, máquinas virtuais, bancos de dados, aplicações, microservices, nós e outros elementos são considerados cargas de trabalho.

As cargas de trabalho vão desde tarefas simples, como executar um único aplicativo ou cálculo, até operações complexas, como processar análise de dados em larga escala ou rodar um pacote de aplicativos interconectados. Gerenciar cargas de trabalho representa um aspecto crítico da otimização dos recursos de TI, influenciando diretamente o desempenho do sistema, os custos, a estabilidade e, no fim, o sucesso das operações de negócios.

Com a expansão da computação em nuvem e da virtualização, gerenciar cargas de trabalho ficou cada vez mais complexo¹. O uso de nuvem híbrida, multinuvem e recursos de nuvem pública faz com que as cargas de trabalho se distribuam por diversas plataformas e locais, cada um com características e exigências específicas de gerenciamento.

Para lidar com as complexidades de gerenciar cargas de trabalho em ambientes de computação e fluxos de trabalho, as organizações recorrem a ferramentas avançadas. Elas utilizam ferramentas como APIs de backend, software de automação de cargas de trabalho, IA para análise preditiva e plataformas de gerenciamento em nuvem (como Amazon Web Services (AWS), Google Cloud Platform, IBM Cloud® e Microsoft Azure).

As empresas também adotam estratégias como o posicionamento de cargas de trabalho, definindo o melhor local para cada carga com base em custo, desempenho, ciclo de vida, conformidade e exigências do negócio. Essa abordagem garante que cada carga de trabalho funcione em um ambiente perfeitamente adequado às suas necessidades específicas.

Muitas vezes, o termo “carga de trabalho” aparece como sinônimo de “aplicação”. Embora cargas de trabalho e aplicações estejam interligadas e façam parte de qualquer infraestrutura de TI (sendo que aplicações podem ser consideradas cargas de trabalho), elas cumprem funções bem distintas.

As aplicações são programas, ou conjuntos de programas, criados para ajudar os usuários finais a realizar tarefas específicas e atender a certas necessidades de negócio. Cargas de trabalho dizem respeito às exigências de processamento dessas tarefas. Ou seja, as cargas de trabalho fazem as aplicações (ou partes delas) funcionarem. No entanto, vale destacar que uma carga de trabalho não precisa estar vinculada a um único aplicativo. Muitas cargas de trabalho realizam tarefas através das aplicações.

Além disso, os ciclos de vida das aplicações mudam conforme surgem novas necessidades ou tecnologias mais avançadas. Já as cargas de trabalho mudam conforme fatores da infraestrutura, como desempenho do sistema, tráfego de usuários, alocação de recursos e necessidades de processamento.

Conforme mencionado, o uso de cargas de trabalho pode ser tão simples quanto a execução de um único aplicativo, ou tão sofisticado quanto a execução de um ecossistema de aplicativos conectados, com muitas variações entre eles. Portanto, a implementação bem-sucedida da carga de trabalho pode exigir o uso de vários tipos de cargas de trabalho.

Alguns tipos principais de cargas de trabalho incluem:

As cargas de trabalho transacionais envolvem interação com o usuário em tempo real, geralmente na forma de inúmeras transações on-line curtas. A implementação de cargas de trabalho transacionais requer sistemas que possam lidar com vários usuários simultâneos e fornecer respostas rápidas e consistentes, por isso são comumente usados em sites de comércio eletrônico para gerenciar compras, pagamentos, pesquisas de produtos, entre outros.

Cargas de trabalho em lote são tarefas não interativas processadas em grandes volumes, geralmente de forma sequencial. Como exigem alto poder de processamento, as cargas de trabalho em lote são comuns em ambientes que lidam com grandes volumes de dados, como folha de pagamento, faturamento e modelagem climática. Essas tarefas costumam ser executadas fora do horário de pico para evitar interferência com cargas de trabalho interativas ou transacionais. Essas cargas de trabalho também exigem processamento paralelo, com tarefas divididas em subtarefas menores e executadas ao mesmo tempo em diversos servidores e processadores.

As cargas de trabalho analíticas se caracterizam por consultas complexas feitas em grandes volumes de dados. Diferente das cargas de trabalho transacionais, que lidam com transações simples e pontuais, essas cargas realizam análises profundas de dados, com o uso frequente de inteligência artificial e aprendizado de máquina para identificar padrões, relações e insights. Devido à alta capacidade de processamento de dados, as cargas de trabalho analíticas costumam ser usadas em data warehousing e em análise de dados em big data.

A maioria das aplicações corporativas depende de bancos de dados fundamentais para funcionar. Quando um banco de dados tem baixo desempenho, ele cria gargalos para os aplicativos que o utilizam. As cargas de trabalho de banco de dados ajudam a resolver esses problemas. As cargas de banco de dados são ajustadas para acelerar e otimizar a busca nos demais aplicativos que dependem do banco. Elas também permitem que as equipes analisem métricas como uso de memória e CPU, desempenho de entrada/saída (E/S) e taxa de execução de consultas.

Cargas de trabalho HPC executam simulações complexas e cálculos matemáticos que exigem alto poder computacional. Por exemplo, uma equipe de pesquisa meteorológica pode executar uma simulação dos padrões climáticos relacionados ao El Niño. Assim como as cargas em lote, as cargas HPC costumam apresentar alto nível de paralelismo.

Durante o desenvolvimento e testes de software, as equipes costumam depender de cargas de teste e desenvolvimento, que cuidam de tarefas como compilar código, executar testes unitários e testes de carga. Assim como o próprio processo de desenvolvimento, as cargas de trabalho de teste e desenvolvimento podem ser imprevisíveis e exigir que os desenvolvedores ajustem rapidamente os recursos conforme as necessidades mudam.

Essas cargas de trabalho costumam ser essenciais em ambientes de TI que exigem processamento de dados em tempo real e altíssima velocidade, como aplicativos de bolsa, serviços de streaming de vídeo e plataformas de apostas esportivas.

Os ambientes de TI estão cada vez mais complexos e precisam de ferramentas e recursos capazes de lidar com uma ampla variedade de tarefas, muitas vezes ao mesmo tempo. Esse desafio mostra como as cargas de trabalho híbridas, que combinam elementos de diferentes tipos de carga de trabalho, se tornam um verdadeiro ativo.

Um exemplo de carga de trabalho híbrida é uma aplicação de análise de dados em tempo real. A aplicação processa os dados recebidos com cargas de trabalho transacionais, executa consultas complexas com cargas de trabalho analíticas e gera relatórios usando cargas de trabalho em lote.

O surgimento da computação em nuvem na última década impulsionou novos tipos de carga de trabalho, como software como serviço (SaaS), conteinerizadas e aplicações baseadas em microsserviços, máquinas virtuais (VMs) e computação serverless. As empresas já exploram casos de uso para cargas de trabalho de IA generativa (gen AI).² Independentemente do tipo, as cargas de trabalho também podem ser classificadas pelo estado (com ou sem estado), e, no caso das cargas de trabalho em nuvem, pelos padrões de uso (estáticos ou dinâmicos).

As cargas de trabalho com estado precisam reter informações e status de uma sessão para outra, para que “lembrem” dos dados de interações anteriores. Com uma aplicação com estado, se um usuário se desconectar e depois se conectar novamente, o aplicativo lembrará suas informações e atividades. Os sistemas de banco de dados, em que os dados permanecem mesmo após o término da sessão, são ótimos exemplos de cargas de trabalho com estado.

Essas cargas de trabalho não salvam dados do usuário para a próxima sessão. Cada sessão ocorre como uma nova interação, e as respostas não dependem de dados anteriores do usuário. As cargas de trabalho stateless facilitam o design de aplicativos, pois os desenvolvedores não precisam gerenciar informações de estado, embora isso possa dificultar a personalização da experiência do usuário.

As cargas de trabalho estáticas usam uma quantidade relativamente constante de recursos de computação por longos períodos de tempo em um cronograma consistente.

As cargas de trabalho dinâmicas, também chamadas de cargas de trabalho temporárias, ajustam e configuram recursos de computação com base na demanda de computação.

À medida que a adoção da computação em nuvem cresce, as práticas de gerenciamento de cargas de trabalho também evoluem. As empresas modernas normalmente combinam data centers tradicionais no local com estruturas de nuvem para gerenciar suas cargas de trabalho com eficiência.

As cargas de trabalho no local rodam na infraestrutura de hardware da própria organização, hospedadas localmente em suas instalações. As cargas de trabalho em nuvem pública rodam em servidores gerenciados por um provedor de serviços de nuvem terceirizado (CSP), localizados fora do site, muitas vezes em várias regiões do mundo. Ambas as infraestruturas oferecem benefícios para o gerenciamento de cargas de trabalho corporativas.

As cargas de trabalho locais fornecem:

As cargas de trabalho em nuvem pública, por outro lado, oferecem:

Muitas empresas preferem usar nuvens privadas (também chamadas de nuvens corporativas), que combinam benefícios das arquiteturas no local e de nuvem pública.

Uma empresa pode escolher cargas de trabalho no local, na nuvem pública ou uma combinação das duas. Usar e gerenciar essas cargas de trabalho de forma eficaz pode melhorar a tomada de decisões organizacionais, bem como a eficiência geral, o desempenho e a relação custo-benefício das infraestruturas de TI corporativas.