Was ist ein Workload?

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.

Im Kontext des Cloud-Computing bezieht sich Workload auf alle Dienste, Anwendungen oder Funktionen, die Cloud-basierte Ressourcen verbrauchen. In diesem Cloud-Kontext werden virtuelle Maschinen, Datenbanken, Anwendungen, Microservices, Knoten und mehr allesamt als Workloads betrachtet.

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 Ausbreitung von Cloud Computing und Virtualisierung ist das Workload-Management immer komplexer geworden^1. 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. Sie verwenden Tools wie Backend-APIs, Workload Automation Software, KI-basierte Plattformen für vorausschauende Analysen und Cloud-Management (z. B. Amazon Web Services (AWS), Google Cloud-Plattform, 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. Dieser Ansatz sorgt dafür, dass jeder Workload in einer Umgebung ausgeführt wird, die optimal auf seine spezifischen Anforderungen abgestimmt ist.

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), erfüllen sie recht unterschiedliche Zwecke.

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 einer einzelnen App vorbehalten ist. Viele Workloads führen Aufgaben über Anwendungen hinweg aus.

Darüber hinaus neigen Anwendungslebenszyklen dazu, sich zu ändern, wenn sich Anforderungen ändern oder fortschrittlichere Technologien auf den Markt kommen. Die Workloads ändern sich jedoch basierend auf infrastrukturellen Faktoren wie Leistung, Benutzerdatenverkehr, Ressourcenzuweisung und Verarbeitungsanforderungen.

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 erhebliche Verarbeitungsleistung erfordern, sind Workloads in Umgebungen üblich, in denen große Datenmengen verarbeitet werden, z. B. bei der Gehaltsabrechnung, Rechnungsstellung und Wettermodellierung. Diese Aufträge werden oft außerhalb der Spitzenzeiten ausgeführt, um Störungen bei interaktiven oder transaktionalen 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 umfangreiche Datenanalysen durch – oft unter Verwendung künstlicher Intelligenz und maschinellen Lernens – um Trends, Beziehungen und Erkenntnisse zu erkennen. Aufgrund ihres hohen Datendurchsatzes werden analytische Workloads häufig für Data Warehousing und Big-Data-Analysen eingesetzt.

Die meisten Unternehmensanwendungen sind auf grundlegende Datenbanken angewiesen, um zu funktionieren. Wenn eine Datenbank eine schlechte Leistung erbringt, führt dies zu Engpässen bei den 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- und CPU-Nutzung, Eingabe/Ausgabe-Durchsatz und Abfrageausführungsraten.

HPC-Workloads führen komplexe Simulationen und 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 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 kritisch in IT-Umgebungen, die Echtzeit-Datenverarbeitung mit Lichtgeschwindigkeit für sofortige Ergebnisse erfordern, wie z. B. Aktienhandels-Apps, Video-Streaming-Dienste und Sportwetten-Plattformen.

IT-Umgebungen sind sehr komplex geworden und erfordern Tools und Ressourcen, die eine breite Palette von Aufgaben gleichzeitig bewältigen können. Diese Herausforderung ist der Punkt, an dem hybride Workloads - die Elemente verschiedener Workload-Typen kombinieren – zu einem echten Asset werden.

Ein Beispiel für eine Hybrid-Workload ist eine Echtzeitanalyse. Die Anwendung verarbeitet eingehende Daten mit transaktionalen Workloads, führt komplexe Abfragen an den Daten mit analytischen Workloads aus und erstellt Berichte mithilfe von Batch-Workloads.

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 (gen AI).² Unabhängig vom Typ können Workloads auch nach ihrem Status (d. h. zustandsbehaftet oder zustandslos) und im Fall von Cloud-Workloads nach ihren Nutzungsmustern (d. h. 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:

Public-Cloud-Workloads bieten hingegen:

Viele Unternehmen entscheiden sich für Private Clouds (auch bekannt als Corporate Clouds), die eine Kombination bestimmter Vorteile von On-Premises- und Public-Cloud-Architekturen bieten.

Ein Unternehmen kann zwischen On-Premises- oder Public-Cloud-basierten Workloads oder einer Kombination aus beidem wählen. Die effektive Nutzung und Verwaltung dieser Workloads kann die Entscheidungsfindung im Unternehmen sowie die Gesamteffizienz, Leistung und Kosteneffizienz der IT-Infrastrukturen von Unternehmen verbessern.