Che cos'è un workload?

In ambito IT, il termine si è continuamente evoluto e caricato di significato, in particolare con l'ascesa del cloud computing. In generale, il termine workload si riferisce a un'attività o a un processo computazionale e alle risorse di calcolo, storage, memoria e rete che l'attività richiede.

In un contesto di cloud computing, il workload si riferisce a qualsiasi servizio, applicazione o funzionalità che consuma risorse cloud. In questo contesto cloud, macchine virtuali, database, applicazioni, microservizi, nodi e altro sono tutti considerati dei workload.

I workload possono variare da semplici attività, come l'esecuzione di una singola applicazione o di un singolo calcolo, a operazioni complesse, come l'elaborazione analytics dei dati su larga scala o l'esecuzione di una suite di applicazioni interconnesse. La gestione dei workload è un aspetto critico dell'ottimizzazione delle risorse IT che influisce direttamente sulle prestazioni del sistema, sui costi, sulla stabilità e, in ultima analisi, sul successo delle operazioni aziendali.

Con la proliferazione del cloud computing e della virtualizzazione, la gestione dei workload è diventata sempre più complessa1. L'uso di hybrid cloud, multicloud e risorse di cloud pubblico implica che i workload possano riguardare più piattaforme e sedi, ognuna con caratteristiche e requisiti di gestione unici.

Per affrontare le complessità della gestione dei workload negli ambienti e workflow informatici, le organizzazioni ricorrono a strumenti avanzati. Utilizzano strumenti come le API di backend, il software di automazione dei workload, le analisi predittive basate sull'AI e le piattaforme di gestione del cloud (ad esempio, Amazon Web Services (AWS), Google Cloud Platform, IBM Cloud e Microsoft Azure).

Le aziende stanno inoltre adottando strategie come il posizionamento dei workload, in cui determinano la posizione migliore per ciascun workload in base a fattori quali costi, prestazioni, ciclo di vita, conformità e requisiti aziendali. Questo approccio garantisce che ciascun workload sia eseguito in un ambiente ottimizzato in base alle sue esigenze specifiche.

Il termine “workload” è spesso usato in modo intercambiabile con “applicazione”. Mentre workload e applicazioni sono entrambi componenti interconnessi e integrali di qualsiasi infrastruttura IT (e le applicazioni possono essere considerate dei workload), hanno scopi piuttosto diversi.

Le applicazioni sono programmi, o gruppi di programmi, progettati per aiutare gli utenti finali a eseguire attività specifiche e soddisfare determinate esigenze aziendali. I workload si riferiscono alle esigenze di elaborazione di tali attività. In altre parole, i workload alimentano le applicazioni (o le relative parti). Tuttavia, è importante notare che un workload non è necessariamente esclusivo di una singola app. Molti workload eseguono attività tra più applicazioni.

Inoltre, i cicli di vita delle applicazioni tendono a variare quando le esigenze cambiano o quando emergono tecnologie più avanzate. Tuttavia, i workload cambiano in base a fattori infrastrutturali, come le prestazioni del sistema, il traffico degli utenti, l'allocazione delle risorse e le esigenze di elaborazione.

Come affermato, l'utilizzo dei workload può essere semplice come eseguire una singola app o sofisticato come eseguire un ecosistema di app connesse, con molte variazioni nel mezzo. Pertanto, una corretta implementazione del workload può richiedere l'uso di più tipi di workload.

Alcuni tipi di workload chiave includono:

I workload transazionali comportano l'interazione dell'utente in tempo reale, tipicamente sotto forma di numerose e brevi transazioni online. L'implementazione di workload transazionali richiede sistemi in grado di gestire più utenti simultanei e di fornire risposte rapide e coerenti, quindi sono comunemente utilizzati per i siti di e-commerce per gestire acquisti, pagamenti, ricerche di prodotti e altro ancora.

I workload batch sono processi non interattivi che vengono elaborati in blocco, spesso in sequenza. Poiché richiedono una notevole potenza di elaborazione, i workload batch sono comuni negli ambienti che elaborano elevati volumi di dati, ad esempio le buste paga, la fatturazione e i modelli meteorologici. Queste attività sono spesso eseguite in orari non di punta per evitare interferenze con i workload interattivi o transazionali. Questi workload tendono inoltre a richiedere l'elaborazione parallela, dove le attività vengono suddivise in attività secondarie più piccole ed eseguite contemporaneamente su più server e processori.

I workload analitici sono caratterizzati da query complesse eseguite su grandi set di dati. A differenza dei workload transazionali, che implicano piccole e semplici transazioni, questi workload conducono analisi approfondite dei dati, spesso utilizzando l'intelligenza artificiale e il machine learning, per identificare tendenze, relazioni e insight. A causa dell'elevato flusso di dati, i workload analitici sono comunemente utilizzati per il data warehousing e l'analytics dei big data.

La maggior parte delle applicazioni aziendali si affida a database fondamentali per funzionare. Se un database non funziona bene, causerà rallentamenti nelle applicazioni che lo utilizzano. I workload del database aiutano a risolvere questi problemi. I workload del database sono ottimizzati per accelerare e ottimizzare le funzionalità di ricerca per le altre applicazioni che dipendono da un database. Consentono inoltre ai team di analizzare metriche quali utilizzo di memoria e CPU, velocità di output/input (I/O) e velocità di esecuzione delle query.

I workload HPC eseguono simulazioni complesse e calcoli matematici che richiedono una notevole potenza di calcolo. Ad esempio, un team di ricerca meteorologica potrebbe eseguire una simulazione dei modelli climatici correlati a El Niño. Come i workload batch, i workload HPC tendono ad avere alti livelli di parallelismo.

Quando i team sono impegnati nel processo di sviluppo e test del software, spesso si affidano a workload di test e sviluppo, che gestiscono attività come la compilazione del codice, l'esecuzione di test unitari e il caricamento dei test. Come il processo di sviluppo stesso, i workload di test e sviluppo possono essere imprevedibili e richiedere agli sviluppatori di fornire e disinstallare rapidamente le risorse al variare delle esigenze.

Questi workload sono spesso critici negli ambienti IT che richiedono un'elaborazione dei dati in tempo reale e velocissima per fornire risultati immediati, come le app di trading azionario, i servizi di video streaming e le piattaforme di scommesse sportive.

Gli ambienti IT sono diventati sempre più complessi e necessitano di strumenti e risorse capaci di gestire un'ampia gamma di compiti, spesso simultaneamente. Questa sfida è il punto in cui i workload ibridi, che combinano elementi di diversi tipi di workload, diventano un vero asset.

Un esempio di workload ibrido è un'applicazione di real-time analytics. L'applicazione elabora i dati in arrivo con workload transazionali, esegue query complesse sui dati con workload analitici e genera report con workload batch.

L'emergere del cloud computing nell'ultimo decennio ha spinto lo sviluppo di nuovi tipi di workload, tra cui le applicazioni software-as-a-service (SaaS), in container e basate su microservizi , le macchine virtuali (VM) e il serverless computing. Le aziende stanno persino esplorando casi d’uso per workload di AI generativa (gen AI).² Indipendentemente dal tipo, i workload possono essere classificati anche in base al loro stato (stateful o stateless) e, nel caso dei workload cloud, in base ai loro modelli di utilizzo (statici o dinamici).

I workload stateful devono conservare le informazioni e lo stato da una sessione all'altra, quindi "ricordano" i dati delle interazioni precedenti. Con un'applicazione stateful, se un utente si disconnette e poi accede nuovamente, l'app ricorda le sue informazioni e attività. I sistemi di database, dove i dati rimangono anche dopo il termine della sessione, sono ottimi esempi di workload stateful.

Questi workload non salvano i dati utente per la prossima sessione dell'utente. Ogni sessione viene eseguita come una nuova interazione e le risposte sono indipendenti dai precedenti dati utente. I workload stateless possono semplificare la progettazione di applicazioni, poiché agli sviluppatori non è richiesto di gestire le informazioni sullo stato, tuttavia possono anche rendere più complessa la personalizzazione dell'esperienza utente.

I workload statici utilizzano una quantità relativamente costante di risorse di elaborazione per lunghi periodi di tempo e con una pianificazione coerente.

I workload dinamici, chiamati anche workload temporanei, regolano e configurano le risorse di elaborazione in base alla domanda di elaborazione.

Con la crescita dell’adozione del cloud computing, le pratiche di gestione del workload cambiano di natura. Le aziende moderne solitamente utilizzano una combinazione di data center tradizionali on-premise e infrastrutture cloud per gestire in modo efficiente i propri workload.

I workload on-premise vengono eseguiti sull'infrastruttura hardware di un'organizzazione, in hosting localmente presso le sue strutture. I workload basati sul cloud pubblico vengono eseguiti su server gestiti da un provider di servizi cloud (CSP) esterno e si trovano off-site, spesso in più località in tutto il mondo. Entrambe le infrastrutture offrono vantaggi per la gestione dei workload aziendali.

I workload on-premise forniscono:

I workload del cloud pubblico offrono invece:

Molte aziende scelgono di utilizzare cloud privati (noti anche come cloud aziendali), che offrono una combinazione di determinati benefici offerti dalle architetture cloud sia on-premise che pubbliche.

Un'azienda può scegliere workload on-premise o basati su cloud pubblico, oppure una combinazione dei due. L'utilizzo e la gestione efficace di questi workload possono migliorare il processo decisionale dell'organizzazione, nonché l'efficienza complessiva, le prestazioni e l'economicità delle infrastrutture IT aziendali.