Während der Performance Clinic-Episode bat ich Stefano, uns mehr über diese sich verändernde Welt zu erzählen und wie wir Automatisierung, KI und maschinelles Lernen nutzen können, um moderne Software-Stacks trotz der zunehmenden Komplexität zu optimieren. Zu Beginn seiner Präsentation zeigte Stefano, wie viel Kosten- und Leistungsoptimierung möglich ist, wenn Sie wissen, wie Sie Ihre Anwendungslaufzeiten, Datenbanken oder Cloud-Umgebungen richtig konfigurieren:

Lassen Sie mich Ihnen einen Überblick über das, was gezeigt wurde, geben und Fragen beantworten, die wir während des Webinars aufgrund eines technischen Defekts auf der Webinar-Plattform nicht beantworten konnten!

Autonome Leistungsoptimierung mit Akamas & Dynatrace

Wenn Sie einen praktischeren Ansatz wünschen, empfehlen wir Ihnen, sich die Aufnahme anzuschauen, während Stefano eine Live-Demo der Integration von Akamas in Dynatrace erstellt hat, in der gezeigt wird, wie der Platzbedarf einer Java-Anwendung durch automatisierte JVM-Optimierung minimiert werden kann.

Kurz gesagt, Akamas verwendet einen AI-gesteuerten Optimierungsansatz, indem mehrere Experimente nacheinander ausgeführt werden, um ein vom Benutzer festgelegtes Ziel zu optimieren, z. B. den Ressourcenverbrauch zu minimieren oder den Transaktionsdurchsatz zu maximieren. Nach jedem Versuchslauf ändert Akamas die Anwendungs-, Laufzeit-, Datenbank- oder Cloud-Konfiguration basierend auf den Überwachungsdaten, die während des vorherigen Versuchslaufs erfasst wurden. Um diesen neuartigen Ansatz zu beweisen, werfen Sie einen Blick auf einige der Optimierungsergebnisse, die Akamas bereits erzielt hat:

Die Integration mit Dynatrace hat zwei Seiten: Erstens werden Metriken aus Dynatrace abgerufen, während Akamas ein Experiment ausführt. Diese Daten fließen dann in die KI und die Machine Learning Engine, um zu entscheiden, welche Konfigurationen als Nächstes geändert werden sollen:

Webinar-Fragen konnten wir nicht beantworten

Während wir das Webinar ohne Probleme überstanden haben, sind wir während der Fragen und Antworten auf ein technisches Problem gestoßen, weshalb wir nicht alle Fragen live beantworten konnten. Ich habe mich mit Stefano zusammengesetzt, um die eingehenden Fragen offline zu beantworten, und jetzt den Rest des Blogs verwendet, um Ihnen diese Antworten zu bringen:

Frage 1: Welche Art von Technologien unterstützt Akamas?

Akamas ist eine flexible Optimierungsplattform und optimiert dank seiner Optimization Pack-Bibliothek viele marktführende Technologien. Zu den unterstützten Technologien gehören Cloud-Dienste, Big Data, Datenbanken, Betriebssysteme, Container und Anwendungslaufzeiten wie die JVM. Benutzerdefinierte Anwendungseinstellungen können dank des flexiblen AI-gesteuerten Optimierers von Akamas und der leistungsstarken Automatisierungsfunktionen ebenfalls problemlos optimiert werden. Eine vollständige Liste der derzeit veröffentlichten Akamas Optimization Packs finden Sie auf unserer Website .

F2: Können Sie bestimmte Bedingungen angeben, z. B. sollte eine bestimmte Einstellung innerhalb eines vordefinierten Bereichs liegen oder ähnlich, welcher GC in unserer JVM verwendet werden soll?

Ja! Akamas Optimization Packs enthalten bereits den Wertebereich, den Parameter annehmen können, damit Sie nicht alle kennen müssen. Beispielsweise enthält der Parameter jvm_gcType bereits die Liste der in OpenJDK 11 zulässigen GC-Typen. Sie können den Bereich auch überschreiben: Sie können beispielsweise sagen, dass jvm_gcType G1 oder Parallel sein kann und Ihr jvm_maxHeapSize von 1 GB auf 2 reicht GB.

F3: Ist Akamas ein SaaS-Angebot oder ein On-Premise-Angebot?

Akamas ist ein lokales Produkt und benötigt lediglich eine virtuelle Maschine, um loszulegen.

F4: Haben Sie eine Möglichkeit, neue Technologie-Stacks über einen Plugin-Mechanismus in Akamas zu integrieren?

Ja! Akamas wird mit einer Bibliothek von Optimierungspaketen geliefert, die alle Kenntnisse enthalten, die zur Optimierung bestimmter IT-Stapel wie Java , Linux oder Docker erforderlich sind (siehe Antwort Nr. 1). Akamas ist eine offene Optimierungsplattform: Optimierungspakete für neue Technologien können vom Endbenutzer sehr einfach erstellt werden. Es müssen lediglich einige YAML-Dateien geschrieben werden, in denen Sie die zu optimierenden Technologieparameter und deren Bereiche beschreiben. Akamas AI wird sie sofort berücksichtigen!

F5: Welche Metrik ziehen Sie für jedes Experiment? Ist dies ein Durchschnitt über den Zeitrahmen des Experiments? oder ziehst du verschiedene Perzentile?

Akamas lässt sich in viele gängige Überwachungstools wie Prometheus oder Dynatrace sowie in Tools zur Lastinjektion wie Neoload oder Loadrunner integrieren , um Leistungsdaten zu erfassen. Akamas sammelt alle von Ihnen konfigurierten Metriken, z. B. den Durchschnitt oder die Perzentile der Antwortzeiten einer Webanwendung, die CPU-Auslastung eines Containers und vieles mehr.

Mit Akamas können Sie auch die Analyse der Experimentmetriken auf leistungsstarke Weise automatisieren. Beispielsweise kann unsere Smart Windowing-Funktion das Zeitfenster während des Experiments (z. B. Leistungstest) automatisch identifizieren, wenn die Anwendung einen stabilen Durchsatz erreicht, ohne die Einschränkungen der Antwortzeit zu verletzen. Die Versuchsbewertung wird im identifizierten Zeitfenster berechnet, damit Sie wirklich zuverlässige Optimierungen erzielen können.