Komplexe Cloud-Umgebungen transparent machen

AIOps und ein „Nervensystem“ für Multi-Cloud

| Autor / Redakteur: Gregor Keller * / Stephan Augsten

In Multi-Cloud-Szenarien helfen Künstliche Intelligenz, Machine Learning und ein übergreifendes Monitoring-Netz dabei, die Umgebung zu verwalten.
In Multi-Cloud-Szenarien helfen Künstliche Intelligenz, Machine Learning und ein übergreifendes Monitoring-Netz dabei, die Umgebung zu verwalten. (Bild gemeinfrei: geralt / Pixabay)

Multi-Cloud-Umgebungen sind hochkomplex, sie erfordern ein aktives und plattformübergreifendes Monitoring von Infrastruktur und Applikationen. Eine Lösung: Die Kombination aus AIOps und einem intelligenten „zentralen Nervensystem" für die IT.

Auf einen einzelnen Cloud Service Provider zu setzen, ist nicht immer der richtige Weg. Das bestätigt die Studie Cloud Monitor 2019, die das Beratungshaus KPMG zusammen mit Bitkom Research erstellt hat. Demnach setzen bereits 16 Prozent der Unternehmen in Deutschland Cloud Services mehrerer Provider ein.

Das hat unterschiedliche Gründe. So will ein Teil der Firmen Cloud-Dienste nutzen, die jeweils nur bei einem speziellen Anbieter erhältlich sind. Ein Beispiel: Die ERP-Software (Enterprise Resource Planning) bezieht eine Firma von Salesforce.com oder SAP. Dagegen nutzt sie die Cloud-Storage-Ressourcen von Amazon Web Services, Microsoft oder Google.

Als weiteres Argument für eine Multi-Cloud-Umgebung führten die Befragten eine bessere Verteilung der Ressourcen bei voller Auslastung an. Hinzu kommt der Wunsch, eine redundante Cloud-Infrastruktur aufzubauen, also die Abhängigkeit von einem Service Provider zu vermeiden.

Ein Nachteil von Multi-Cloud-Strategien ist jedoch, dass die Komplexität der IT-Infrastruktur steigt. Dies umso mehr, da Unternehmen häufig nicht nur Public-Cloud-Dienste nutzen, sondern Hybrid-Clouds. Diese kombinieren Cloud-Dienste aus dem Unternehmensrechenzentrum mit Ressourcen von Public Clouds.

Damit nicht genug: Je stärker ein Unternehmen auf Cloud Services setzt, desto kürzer fallen in der Regel die Release-Zyklen der Geschäftsanwendungen aus. Denn Cloud Service Provider spielen Updates und neue Funktionen meist schneller ein als die hauseigene IT-Abteilung. Hinzu kommt, dass in Cloud-Umgebungen immer mehr Microservices oder Serverless-Komponenten zum Einsatz kommen. Sie werden nach Bedarf mithilfe von Container-Technologien wie Docker, CRI-O, Kubernetes und OpenShift bereitgestellt.

Doch Container-Umgebungen in einer Cloud erhöhen die Zahl der Komponenten, die verwaltet und überwacht werden müssen. Das gilt vor allem dann, wenn Unternehmen einen Blue-Green-Ansatz wählen: Eine Anwendungsumgebung (Green) ist für den Produktivbetrieb vorgesehen. Eine zweite (Blue) dient für Tests und als Entwicklungsplattform.

Der Durchblick geht verloren

Eine Konsequenz dieser Entwicklung ist, dass Unternehmen Gefahr laufen, den Überblick über ihre IT- und Multi-Cloud-Umgebungen zu verlieren. Das ist vor allem dann der Fall, wenn Anwendungen und Geschäftstransaktionen auf Ressourcen zurückgreifen, die sich über mehrere Plattformen verteilen – etwa Anwendungen, Storage- und Server-Kapazitäten on premise und auf diversen Cloud-Plattformen.

Die Folge: Wenn Geschäftsanwendungen nicht mit der gewünschten Leistung bereitstehen, fällt es schwer, die Ursachen zu ermitteln und zu beseitigen. Abhilfe schafft eine Lösung, die folgende Ansätze miteinander verbindet:

  • Artificial Intelligence for IT Operations (AIOps), also ein „intelligenter“ IT-Betrieb, der auf künstliche Intelligenz (KI) und maschinelles Lernen (ML, Machine Learning) zurückgreift
  • ein „zentrales Nervensystem“ für IT- und komplexe Cloud-Umgebungen

AIOps für fundierte Analysen und Einblicke

AIOps-Plattformen nutzen KI-Algorithmen und maschinelles Lernen, um die Vielzahl der Daten zu analysieren, die Lösungen für das Monitoring und Application Performance Management von IT- und Cloud-Umgebungen bereitstellen. Weitere Aufgaben einer AIOps-Plattform sind das Erkennen von Anomalien und die automatisierte Suche nach den Ursachen von Performance-Engpässen.

Solche Systeme arbeiten dabei schneller und akkurater als IT-Administratoren. Diese wiederum können sich darauf konzentrieren, die Ergebnisse zu interpretieren und die Auswirkungen von Fehlern auf den Geschäftsbetrieb abzuschätzen. Zudem können sie Fehlerursachen beseitigen, bevor diese Geschäftsprozesse negativ beeinflussen.

Ansätze wie AIOps unterstützen Unternehmen vor allem in folgenden Bereichen:

  • Sie stellen Erkenntnisse (Insights) zur Verfügung, die IT-Führungskräften und Geschäftsverantwortlichen dabei helfen, schneller und fundierter Entscheidungen zu treffen.
  • Sie reduzieren die Zeiten, bis Performance-Probleme behoben sind. Dazu trägt bei, dass sich entsprechende „Reparaturarbeiten“ automatisieren lassen.
  • AIOps erlaubt es, ein proaktives Monitoring der Leistungsdaten von Anwendungen durchzuführen und Performance-Einbrüche im Vorfeld zu verhindern. Das wirkt sich positiv auf die Qualität und Verfügbarkeit von geschäftskritischen Services aus.

Zentrales Nervensystem als Steuerzentrale

Die zweite Komponente ist das zentrale IT-Nervensystem. Es handelt sich um eine offene Plattform, auf der alle Informationen aus internen und externen Quellen zusammenlaufen. Dies sind beispielsweise Log-Daten sowie Informationen von Configuration-Management-Systemen und ITSM-Lösungen (IT Service Management). Hinzu kommen Performance-Metriken, außerdem Daten von Frameworks für das Bereitstellen und Verwalten von Workloads in virtualisierten und (Multi-) Cloud-Umgebungen. Beispiele sind Pivotal Cloud Foundry, RedHat OpenShift und Kubernetes.

Wichtig ist, dass eine solche Plattform nicht nur Informationen von Anwendungen sowie Netzwerk- und Cloud-Ressourcen berücksichtigt. In die Auswertung sollten auch Geschäftsdaten mit einfließen. Nur dann kann das Nervensystem ermitteln, wie sich bestimmte Leistungsdaten der IT- und Multi-Cloud-Infrastruktur sowie der Applikationen auf die Nutzerfahrung und den Geschäftsbetrieb auswirken.

Eine weitere Aufgabe einer solchen Steuerzentrale besteht darin, zusammen mit Orchestrierungs- und Automatisierungslösungen automatisch und proaktiv einzugreifen, wenn Schwierigkeiten auftreten oder wenn zusätzliche Ressourcen bei einem Cloud-Anbieter geordert werden müssen.

Exakt dies, das Load Balancing zwischen den Services unterschiedlicher Cloud Service Provider, ist einer der Gründe, weshalb deutsche Unternehmen laut der Studie von KPMG und Bitkom Research auf Multi-Clouds setzen. Lassen sich Prozesse wie das Buchen oder Abbestellen von Cloud-Diensten automatisieren, entlastet das die eigenen IT-Spezialisten und erhöht die Agilität des Unternehmens. Ein weiterer Vorteil: Ein Unternehmen ordert tatsächlich nur Ressourcen, die es tatsächlich benötigt.

Umfassende Transparenz statt Silos

Die Verbindung von AIOps mit einem zentralen Nervensystem für die IT ermöglicht es IT-Fachleuten, Performance-Analysen bis hinab auf die Ebene von Programmcode durchzuführen. Das erfolgt unabhängig davon, welche und wie viele IT- und Cloud-Plattformen, Container, Microservices und Entwicklungsumgebungen ein Unternehmen einsetzt.

Ein solcher Ansatz löst somit eine der größten Herausforderungen, mit denen sich IT-Führungskräfte und CIOs auseinandersetzen müssen: Mehr als 90 Prozent von ihnen beklagen sich darüber, dass herkömmliche Monitoring-Lösungen nur Daten über einen Teil der IT- und Anwendungslandschaft bereitstellen. Das ergab eine Studie von AppDynamics. Der Grund ist, dass solche Produkte auf einzelne IT- und Applikations-Silos festgelegt sind. Es fehlt eine plattformübergreifende Sicht.

Gregor Keller
Gregor Keller (Bild: AppDynamics)

Doch exakt dieser Blick auf das Große und Ganze ist notwendig, um Performance-Engpässen auf die Spur zu kommen. Und das ist der größte Nutzen, den AIOps und ein zentrales Nervensystem bieten: Sie machen klar, welcher Zusammenhang zwischen Ereignissen in einer IT- und Multi-Cloud- Umgebung sowie dem Geschäftserfolg besteht. Eine solche ganzheitliche Sicht ist für alle Unternehmen unverzichtbar, wenn sie die Herausforderungen der Digitalisierung erfolgreich bewältigen wollen.

* Der Autor: Gregor Keller ist Sales Engineering Manager bei AppDynamics.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46188369 / Datenbanken / Big Data)