À propos des cookies sur ce site Pour fonctionner correctement, nos sites Internet nécessitent certains cookies (requis). En outre, d'autres cookies peuvent être utilisés avec votre consentement pour analyser l'utilisation d'un site, améliorer l'expérience des utilisateurs et à des fins publicitaires. Pour plus informations, passez en revue vos options de préférences en. En visitant notre site Web, vous acceptez que nous traitions les informations comme décrit dans ladéclaration de confidentialité d’IBM. Pour faciliter la navigation, vos préférences en matière de cookie seront partagées dans les domaines Web d'IBM énumérés ici.
Qu'est-ce qu'un workload ?
Au sens général, un workload est la quantité de temps et de ressources informatiques nécessaires à un système ou à un réseau pour accomplir une tâche ou générer un résultat particulier. Il fait référence à la demande globale du système de tous les utilisateurs et processus à un moment donné.
Dans le domaine des technologies de l'information, le terme n'a cessé d'évoluer et de gagner en signification, en particulier avec l'essor du cloud computing. D'une manière générale, un workload est utilisé pour désigner une tâche ou un processus informatique et les ressources informatiques, de stockage, de mémoire et de réseau que cette tâche requiert.
Dans un contexte de cloud computing, un workload fait référence à tout service, application ou capacité qui consomme des ressources basées sur le cloud. Dans ce contexte de cloud, les machines virtuelles, les bases de données, les applications, les microservices ou encore les nœuds sont tous considérés comme des workloads.
Les workloads peuvent aller de tâches simples, comme l'exécution d'une seule application ou d'un seul calcul, à des opérations complexes, comme le traitement d'analyses de données à grande échelle ou l'exécution d'une suite d'applications interconnectées. La gestion des workloads est un aspect essentiel de l'optimisation des ressources informatiques, car elle a un impact direct sur les performances du système, les coûts, la stabilité et, en fin de compte, la réussite des opérations commerciales.
Avec l'essor du cloud computing et de la virtualisation, la gestion des workloads est devenue de plus en plus complexe1. L'utilisation de ressources cloud hybrides, multicloud et cloud public signifie que les workloads peuvent s'étendre sur des plateformes et des emplacements, chacun ayant des caractéristiques et des exigences de gestion uniques.
Pour faire face à la complexité de la gestion des workloads à travers les environnements informatiques et les workflows, les organisations se tournent vers des outils avancés tels que les backends d'API, les logiciels d'automatisation des workloads, les analyses prédictives basées sur l'IA et les plateformes de gestion du cloud (par exemple, Amazon Web Services (AWS), Google Cloud Platform, IBM Cloud et Microsoft Azure).
Les entreprises adoptent également des stratégies telles que la répartition des workloads, qui consiste à déterminer le meilleur emplacement pour chaque workload en fonction de facteurs tels que le coût, les performances, le cycle de vie, la conformité et les besoins de l'entreprise. Cela garantit que chaque workload est exécuté dans un environnement parfaitement adapté à ses besoins spécifiques.
Le terme « workload » est souvent utilisé de manière interchangeable avec « application ». Bien que les workloads et les applications soient interconnectés et fassent partie intégrante de toute infrastructure informatique (et que les applications puissent être considérées comme des workloads), ils servent des objectifs assez différents.
Les applications sont des programmes, ou des groupes de programmes, conçus pour aider les utilisateurs finaux à effectuer des tâches spécifiques et à répondre à certains besoins de l'entreprise. Les workloads font référence aux demandes de traitement de ces tâches. En d'autres termes, les workloads alimentent les applications (ou parties de celles-ci). Il est toutefois important de noter qu'un workload n'est pas nécessairement exclusif à une seule application. De nombreux workload exécutent des tâches dans plusieurs applications.
En outre, les cycles de vie des applications ont tendance à changer lorsque les besoins évoluent ou lorsque des technologies plus avancées émergent. Les workloads, quant à eux, changent en fonction de facteurs infra-structurels, tels que les performances du système, le trafic des utilisateurs, l'allocation des ressources et les besoins de traitement.
Comme indiqué, l'utilisation des workloads peut être aussi simple que l'exécution d'une seule application ou aussi sophistiquée que l'exécution d'un écosystème d'applications connectées, sans compter les nombreuses possibilités intermédiaires. Par conséquent, un déploiement réussi de workloads peut nécessiter l'utilisation de plusieurs types de workloads.
Certains types principaux de workloads incluent :
Les workloads transactionnels impliquent une interaction en temps réel avec l'utilisateur, généralement sous la forme de nombreuses et courtes transactions en ligne. Le déploiement de workloads transactionnels nécessite des systèmes capables de gérer plusieurs utilisateurs simultanément et de fournir des réponses rapides et cohérentes. Ils sont donc couramment utilisés par les sites d'e-commerce pour gérer les achats, les paiements, les recherches de produits, etc.
Les workloads par lots sont des tâches non interactives qui sont traitées en masse, souvent de manière séquentielle. Parce qu'ils nécessitent une puissance de traitement importante, les workloads par lots sont courants dans les environnements qui traitent de gros volumes de données (par exemple, les salaires, la facturation, la modélisation météorologique, etc.) et s'exécutent souvent pendant les heures creuses afin d'éviter toute interférence avec les workloads interactifs ou transactionnels. Ces workloads ont également tendance à nécessiter un traitement parallèle, dans lequel les tâches sont divisées en sous-tâches plus petites et exécutées simultanément sur plusieurs serveurs et processeurs.
Les workloads analytiques se caractérisent par des requêtes complexes s'exécutant sur de grands ensembles de données. Contrairement aux workloads transactionnels, qui impliquent de petites transactions simples, ces workloads effectuent des analyses de données approfondies. Ils tirent souvent parti de l'intelligence artificielle et du machine learning pour identifier des tendances, des relations et des informations. En raison de leur débit élevé, les workloads analytiques sont couramment utilisés pour la création d'entrepôts de données et l'analyse du big data.
La plupart des applications d'entreprise s'appuient sur des bases de données fondamentales pour fonctionner. Si une base de données ne fonctionne pas correctement, elle crée des goulots d'étranglement pour les applications qui l'utilisent. Les workloads de base de données permettent de résoudre ces problèmes. Ils sont ajustés pour accélérer et optimiser les fonctionnalités de recherche des autres applications qui dépendent d'une base de données. Ils permettent également aux équipes d'analyser des indicateurs telles que l'utilisation de la mémoire/processeur, le débit d'entrée/sortie (I/O) et les taux d'exécution des requêtes.
Les workloads de HPC exécutent des simulations complexes et/ou des calculs mathématiques qui nécessitent une puissance informatique importante. Par exemple, une équipe de recherche météorologique peut effectuer une simulation de modèles climatiques en lien avec El Niño. Comme les workloads par lots, les workloads HPC ont tendance à avoir des niveaux élevés de parallélisme.
Lorsque les équipes sont en phase de développement et de test de logiciels, elles s'appuient souvent sur des workloads de test/dev, qui gèrent des tâches telles que la compilation de code, l'exécution de tests unitaires et la réalisation de tests de charge. Tout comme le processus de développement lui-même, ils peuvent être imprévisibles et exiger des développeurs qu'ils provisionnent et déprovisionnent rapidement les ressources en fonction de l'évolution des besoins.
Ces workloads sont souvent critiques dans les environnements informatiques qui nécessitent un traitement des données en temps réel et à la vitesse de l'éclair pour fournir des résultats instantanés, comme les applications de trading boursier, les services de streaming vidéo et les plateformes de paris sportifs.
Les environnements informatiques sont devenus de plus en plus complexes, nécessitant des outils et des ressources capables de gérer un large éventail de tâches, souvent simultanément. C'est là que les workloads hybrides, qui combinent des éléments de différents types de workloads, deviennent un véritable atout.
Un exemple de workload hybride est une application d'analytique en temps réel qui traite les données entrantes avec des workloads transactionnels, exécute des requêtes complexes sur les données avec des workloads analytiques et génère des rapports à l'aide de workloads par lots.
L'émergence du cloud computing au cours de la dernière décennie a favorisé le développement de nouveaux types de workloads, notamment les logiciels en tant que service (SaaS), les applications conteneurisées et basées sur les microservices, les machines virtuelles (VM) et l'informatique sans serveur. Les entreprises envisagent même des cas d’utilisation pour les workloads d’IA générative (GenAI).2 Quel que soit leur type, les workloads peuvent également être catégorisés en fonction de leur état (c'est-à-dire avec ou sans état) et, dans le cas des workloads cloud, en fonction de leurs modes d'utilisation (c'est-à-dire statiques ou dynamiques).
Les workloads avec état doivent conserver les informations et l'état d'une session à l'autre, de sorte qu'ils « se souviennent » des données des interactions précédentes. Avec une application avec état, si un utilisateur se déconnecte puis se reconnecte, l'application se souvient de ses informations et de son activité. Les systèmes de base de données, dans lesquels les données sont conservées même après la fin de la session, sont d'excellents exemples de workloads avec état.
Ces workloads ne sauvegardent pas les données de l'utilisateur pour la session suivante. Chaque session est exécutée comme une nouvelle interaction et les réponses sont indépendantes des données précédentes de l'utilisateur. Les workloads sans état peuvent simplifier la conception des applications, puisque les développeurs n'ont pas besoin de gérer les informations d'état, mais ils peuvent également rendre la personnalisation de l'expérience utilisateur plus complexe.
Les workloads statiques utilisent une quantité relativement stable de ressources informatiques sur de longues périodes et selon un calendrier précis.
Les workloads dynamiques, également appelées workloads temporaires, ajustent et configurent les ressources informatiques en fonction de la demande.
Les workloads sur site et ceux dans le cloud public
Avec l'adoption croissante du cloud computing, les pratiques de gestion des workloads évoluent dans le même sens. Les entreprises modernes utilisent généralement une combinaison de centres de données classiques sur site et d'infrastructures cloud pour gérer efficacement leurs workloads. Les workloads sur site s'exécutent sur la propre infrastructure matérielle d'une organisation. Ils sont hébergés localement dans les locaux de l'organisation. Les workloads basés sur le cloud public s'exécutent sur des serveurs gérés par un fournisseur de services cloud (CSP) tiers et sont hébergés hors site, souvent en plusieurs endroits dans le monde. Les deux infrastructures offrent des avantages pour la gestion des workloads d'entreprise.
Les workloads sur site offrent :
Grâce aux solutions sur site, les entreprises ont un contrôle total sur leurs workloads. Cela inclut la possibilité de choisir et de personnaliser l'ensemble du matériel et des logiciels, ce qui est particulièrement avantageux pour les organisations dont les besoins informatiques ne sont pas facilement satisfaits par les offres classiques du cloud.
Les solutions sur site peuvent offrir une meilleure sécurité et un meilleur respect de la conformité, en particulier pour les organisations situées dans des secteurs ou des régions où les exigences en matière de souveraineté des données et les processus d'audit sont très stricts. Les données étant stockées localement, plutôt que dans un environnement cloud partagé, il est plus facile d'appliquer des protocoles de sécurité stricts et de contrôler l'accès aux données de chaque membre de l'équipe.
En outre, certaines réglementations exigent que les données soient stockées au sein de certaines frontières géographiques, et les entreprises peuvent plus facilement garantir la conformité du stockage avec des workloads sur site.
Si les coûts initiaux d'une infrastructure sur site peuvent être assez élevés, les coûts permanents de gestion des workloads sur site sont relativement stables et plus faciles à prévoir. Si une organisation a le capital à investir et s'attend à ce que ses besoins restent constants à long terme, les workloads sur site peuvent être un choix financièrement judicieux.
Dans certains cas, les workloads sur site sont plus performants que les workloads basés sur le cloud. Avec une infrastructure sur site, les données n'ont pas besoin de quitter le réseau local, ce qui se traduit par des temps de traitement plus rapides et minimise les problèmes de latence susceptibles de provoquer des goulots d'étranglement en termes de performances.
Les workloads sur site sont accessibles même lorsque la connectivité internet est instable ou temporairement indisponible. La disponibilité des applications hors ligne peut constituer un avantage significatif pour les entreprises situées dans des régions où l'infrastructure Internet est déficiente, ou pour les environnements qui nécessitent un accès aux applications 24 heures sur 24 et 7 jours sur 7.
En revanche, les workloads basés sur le cloud public fournissent :
Les workloads basés sur le cloud suivent généralement un modèle de dépenses opérationnelles, où les utilisateurs ne paient que pour les ressources qu'ils utilisent, au fur et à mesure qu'ils les utilisent. Le cloud computing pourrait alors être un point d'entrée plus rentable pour la gestion des workloads, en particulier pour les petites entreprises et les startups.
Les fournisseurs de cloud disposent de vastes ressources qui peuvent être allouées et désallouées à la demande, ce qui permet aux entreprises de faire évoluer facilement les workloads en fonction de l'évolution de la demande en ressources.
Bien que l'organisation soit toujours responsable de la gestion et de la sécurisation de ses propres applications et données, les workloads basés sur le cloud mettent de nombreuses tâches de maintenance (par exemple, les réparations matérielles, les mises à niveau logicielles, les correctifs de sécurité, etc.) entre les mains du fournisseur.
Les services cloud incluent souvent des capacités de reprise après sinistre, ainsi que des redondances d'infrastructure, afin de garantir la disponibilité des workloads même en cas de défaillance des serveurs ou des centres de données.
Les workloads basés sur le cloud peuvent être exécutés et ajustés rapidement, ce qui permet d'accélérer l'innovation et de donner aux entreprises basées sur le cloud un avantage concurrentiel. Avec les plateformes cloud, les entreprises peuvent déployer de nouvelles applications et de nouveaux services en quelques minutes, alors qu'il faut des semaines, voire des mois, pour le faire sur site.
De nombreuses entreprises choisissent d'utiliser des clouds privés (également connus sous le nom de clouds d'entreprise), qui offrent une combinaison de certains avantages offerts à la fois par les architectures sur site et les architectures de cloud public.
Qu'une entreprise choisisse des workloads sur site ou dans le cloud public (ou une combinaison des deux), l'utilisation et la gestion efficaces des workloads peuvent améliorer la prise de décision organisationnelle, ainsi que l'efficacité, les performances et la rentabilité globales des infrastructures informatiques de l'entreprise.
Solutions connexes
La plateforme d’optimisation des coûts du cloud hybride IBM Turbonomic® vous permet d’automatiser en continu et en temps réel les actions critiques garantissant proactivement l’utilisation la plus efficace des ressources de calcul, de stockage et de réseau dans vos applications, à toutes les couches de la pile.
IBM Instana démocratise l’observabilité en fournissant une solution que chacun peut utiliser via DevOps, SRE, les plateformes, ITOps et le développement pour obtenir les données souhaitées dans le contexte dont il a besoin. Spécialement conçue pour le cloud natif mais indépendante de la technologie, la plateforme fournit automatiquement et en continu des données hautement fiables (précision d’une seconde et traces de bout en bout) dans le contexte de dépendances logiques et physiques entre les appareils mobiles, le Web, les applications et l’infrastructure.
IBM Workload Automation est une plateforme d'automatisation intégrant des flux de travaux informatiques, opérationnels et métier afin d'optimiser l'orchestration pour l'exécution de processus sans surveillance et pilotés par des événements conçus pour fonctionner dans des environnements hybrides.
Ressources
Tirez parti de l’automatisation des workloads à l’échelle de l’entreprise pour les workloads planifiés et basés sur des événements.
Connaître les cinq principes qui aident l’équipe chargée des opérations à envisager la gestion des services et les aspects opérationnels de leur application.
L’infrastructure informatique désigne les composants combinés des environnements et des services informatiques de l’entreprise.
Analysez un exemple d’architecture pour IBM Cloud Security and Compliance Center Workload Protection.
Optimiser et automatiser les workloads complexes pour une meilleure efficacité informatique.
Découvrez comment les équipes peuvent contrôler et ajuster les workloads, et gérer les flux et les unités non réactifs, avec IBM Integration Bus pour z/OS,.
Notes de bas de page
1 Enterprises expect continued shift from legacy on-premises to mix of modern venues (lien externe à ibm.com), S&P Global Market Intelligence, 27 mars 2023.
2 Market Analysis Perspective: Worldwide Enterprise Infrastructure Workloads 2023 (lien externe à ibm.com), IDC, septembre 2023.
