M A P K I T
description
Transcript of M A P K I T
Folie 1Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
M A P K I T
myAMC.LNI und WLPSizermyAMC.LNI und WLPSizerWerkzeugpräsentationWerkzeugpräsentation
Kay WilhelmKay Wilhelm
Folie 2Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Messwerkzeug myAMC.LNI und Prognosewerkzeug WLPSizer
Vorgehensmodell
Messkonzept
myAMC.LNI – R/3 Live Monitor
WLPSizer
Prognose-Beispiele
Folie 3Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
WorkloadProfile
SAP-R/3Statistik
ATC-Profile
Modellkonfiguration• Client groups• Application Server• Database Server• Network
Lasttest und Monitoring• Benchmark• Referenzanwendung• Echtanwendung
WorkloadMaker
LastmodellSystemmodell
Analyse und Prognose
Aussagen zur Dienstgüte• Antwortzeit• Durchsatz• Auslastung
Performanceprognosen• Lastprognose • Modellparametrisierung
Vorgehensmodell für SAP R/3
Folie 4Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
R/3-UserNetzApplikations-Server
Datenbank-Server
Netz
User-Interaktion = Dialogschritt
DB-Anfrage des Dialogschritts
DB-Ergebnisse für Dialogschritt
Ergebnis-Daten für Dialogschritt
1
4
2
3
Messkonzept für SAP R/3
Folie 5Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
R/3 Live Monitor DBGUI
Dialog
Update
Batch
Other...1 5
5
5
5
1
1
1
...
...
...
good moderate bad
1
good moderate bad
2
good moderate bad
good moderate bad
1
3
Komplexität der Datenbankaktivität (DBSU) Service-Güte der Response-Time (ms)
App
Klassifizierung der Dialogschritte
Folie 6Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
beruhen auf DB-Service abhängig von der Applikation unabhängig von HW-Plattform unabhängig von OS und DB-Software
repräsentieren die Komplexität des Dialogschritts sehr einfach bis 100 DB-Service-Units einfach bis 1.000 DB-Service-Units mittel bis 10.000 DB-Service-Units komplex bis 100.000 DB-Service-Units sehr komplex über100.000 DB-Service-Units
werden berechnet für die Tasktypen Dialog, Update, Batch, Other
Komplexitätsklassen
Folie 7Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Schranken pro Komplexitätsklasse
sehr einfach 250 msec einfach 1000 msec mittel 1 msec pro DB-Service-Unit komplex 1 msec pro DB-Service-Unit sehr komplex 1 msec pro DB-Service-Unit
komplexitätsabhängige Antwortzeit-Bewertung
gut: Meßwert <= Schwellwert mäßig: Meßwert <= 4 * Schwellwert schlecht: Meßwert > 4 * Schwellwert
Dienstgüteklassen
Folie 8Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
myAMC.LNI (R/3 Live Monitor)
R/3 Live Monitor Expert Management
Anzeige der aufgetretenen Einträge in das R/3-Systemlog
Überwachung von vordefinierten Schwellwerten für DB, I/O, ...
Präsentation von Zeitreihen für Auslastungs- und Performancewerte
R/3 Live Monitor Basismanagement
Auslesen der R/3-Statistiksätze und Speicherung der Meßdaten
Dialogschritte werden beschrieben durch Antwortzeit, CPU-Verbrauch, DB-Zeit, Wartezeiten etc.
Gruppierung der Daten nach Tasktyp, Komplexität und Dienstgüte und Zusammenfassung aller Dialogschritte für z.B. eine Stunde
Meßdaten dienen als Basis zur Erstellung der Workloads
Folie 9Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
On-Line Monitoring eines R/3-Systems
Folie 10Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
myAMC.LNI-Ausgaben
R/3 Live Monitor Expert
Service Quality-, Capacity and Accounting ManagementR/3-Stat
User Activity
Gruppierung der Ressourcenver-bräuche (CPU, DB, R/3-Workload) nach Account, Mandant und Tasktyp
Service Quality
Gruppierung nach Tasktyp der pro-zentualen Anteile der guten, mäßigen und schlechten Dialogschritte
ATC
Dialogschrit-te gruppiert nach Tasktyp, Komplexitäts-klasse und Güteklasse
V2-Records
Tabelle aller Dialogschrit-te mit allen gemessenen Verbräuchen
Filter
Ergebnista-bellen von Rule-Sets für zum Beispiel: Selektion performance-relevanter Dialogschritte
Folie 11Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
WLPSizer – Werkzeug zur analytischenModellierung von SAP R/3-Systemen
Ziel: Erstellung von Prognosen für
Konfigurations- und Architekturalternativen
Release-Wechsel, Neue R/3-Module
Lastverteilung, Lastanstieg
Eingabedaten für die Modellierung und Analyse
die SAP R/3 Systemkonfiguration (v.a. aus Bibliotheksbausteinen)
SAP R/3 Last beschrieben durch gemessene Workloads
Folie 12Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Beschreibung von Konfigurationen
ClientsApplication
Server
LANs
Backbone
DB-Server
Datenbank-Server (CPUs, Disks, ….) Application-Server (CPUs) Netze (LANs und Backbone) Clientgruppen (# User, Netzanbindung) Workloads (sog. normierte Lastprofile)
Folie 13Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Netze und Server:Bausteine und Parameter aus Bibliotheken
Lastspezifikation: generiert durch Monitoring und Lastprognose mit Hilfe des
R/3-Live Monitors und WLPMaker
Beschreibung von Konfigurationen im WLPSizer
Folie 14Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Prognosemodelle werden mit dem R/3 Performance Index SAPS und Skalierungsfaktoren parametrisiert
Die Bibliothek enthält SD-Benchmark-Ergebnisse (hier für R/3 Rel 4.6).
Die Modellparametrisierung geschieht nach Auswahl des CPU-Typs automatisch.
Bibliotheken im WLPSizer - CPU-Bibliothek
Folie 15Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Prognosemodelle werden mit den Plattenspezifikationen parametrisiert
Die Bibliothek enthält frei erhältliche Plattenspezifikationen der Hersteller.
Default-Parameter können nachträglich verändert werden.
Die Modellparametrisierung geschieht nach Auswahl der Platte automatisch.
Bibliotheken im WLPSizer - Disk-Bibliothek
Folie 16Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Prognosemodelle werden mit den Protokollspezifikationen parametrisiert
Die Modellparametrisierung geschieht nach Auswahl des Protokolls automatisch.
Default-Parameter können nachträglich verändert werden.
Bibliotheken im WLPSizer - Netz-Bibliothek
Folie 17Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Wahl der CPU-Bibliothekund des CPU-Typs
Wahl der Platten-Bibliothekund des Platten-Typs
Plattenspezifikationen
DB-Parameter
Berechnung der Skalierungsfaktoren
Parametrisierung des DB-Server-Modells
Folie 18Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Workload-Parameter
Name der Workload (Bezeichnung der R/3-Instanz oder Applikation, die sie erzeugt)
Normiertes Workload-Profil (bzgl. eines Referenzrechners)
Anzahl an Dialogschritten dieser Applikation pro Stunde, die das
Zielsystem zu verarbeiten hat.
Quelle: Eine Clientgruppe, die diese Last erzeugt
Ziel: Application-Server, der diese Last verarbeitet
Folie 19Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
T C ratio CPUTI [ms]
DBSU DBKB[KB]
ClBt[Byte]
D 1 0,541 14,654 70,645 0,476 2.735D 2 0,094 64,584 435,918 15,739 5.167D 3 0,040 294,171 1.784,767 86,423 11.008D 4 0,005 3.860,400 18.673,049 2.380,628 16.499D 5 0,001 26.929,687 535.277,125 25.285,747 32.517
U 1 0,048 5,645 131,894 0,713 1.232U 2 0,178 25,276 596,005 31,251 6.546U 3 0,026 85,801 1.526,503 176,137 8.343U 4 0,001 329,327 5.748,615 467,253 18.334U 5 0,000 0,000 0,000 0,000 40.773
B 1 0,000 0,000 171,000 0,132 1.122B 2 0,044 45,154 336,740 29,762 4.554B 3 0,007 128,227 1.974,489 45,324 15.443B 4 0,001 911,184 11.760,895 242,769 22.445B 5 0,000 64.531,248 255.937,000 259.131,063 41.445
O 1 0,009 18,186 68,803 0,030 554O 2 0,004 44,271 406,646 24,806 1.021O 3 0,001 164,063 1.825,583 340,089 13.001O 4 0,000 0,000 0,000 0,000 17.543O 5 0,000 0,000 0,000 0,000 22.321
* * 1,000 77 795 65 4.330
RespTime [ms]
DBTime[ms]
LockTime[ms]
QueueTime[ms]
124,640 108,750 0,145 0,201487,664 418,977 1,681 0,165
2.718,844 2.389,842 4,483 0,17520.357,157 15.349,553 21,356 0,262
235.416,309 213.958,521 43,875 0,000
13,688 8,482 0,003 0,22963,886 41,722 0,221 0,252
586,209 507,172 0,265 0,2241.432,547 1.148,376 0,305 0,000
0,000 0,000 0,000 0,000
27,543 15,689 0,214 0,000270,996 207,950 0,048 0,082736,797 413,915 20,016 1,359
3.275,340 2.372,602 52,653 0,000224.584,736 204.016,992 3,062 0,000
2.039,263 223,247 0,000 1.792,1232.414,767 31,334 0,000 588,521
17.878,779 176,282 0,000 7.627,5830,000 0,000 0,000 0,0000,000 0,000 0,000 0,000
575 454 1 26
Dialog
Batch
Update
Other
Mittelwerte
Normiertes Workload-Profil bzgl. eines Referenzrechners
Folie 20Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Erstellung von Workloadsauf Basis der myAMC.LNI-Daten
Typen von Workloadprofilen:
Single Workloadprofile: einzelne Workloadprofile
Sequence Workloadprofile: Profil-Sequenzen (Workloads beschreiben festes Zeitintervall und besitzen definierbaren Abstand zueinander)
TCQ-Profile: Gruppierung der Dialogschritte nach Tasktyp, Komplexität
und Dienstgüte; erweiterte statistische Auswertungen
Darstellung der Workloadprofile mit Hife der Visualize-Funktion (Excel)
Folie 21Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Vermessene CPU Vermessene R/3-Instanz
Zeitraum der LNI-Messung Zeitraum für
Workload
LNI-Datenbank der Messung
Nach Tasktypen D,U,B,O getrennt
Workload-Erstellung mittels Daten-Aggregierung
Folie 22Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Workload-Typen:
Standard-Workload: Ausgehend von einer Clientgroup werden zugehörige Netze und Server belastet.
Background-Workload: Hintergrundlast kann auf Server oder IO-System gelegt werden.
Custom: Lastverteilung auf Ressourcen ist frei definierbar.
Durchsatz
Erstellen einesWorkloadprofils
Einlesen eines Workloadprofils
Clientgroup als Quelle der Workload
Server als Ziel der Workload
Workload-Typ
Darstellung desWorkloadprofils
Eingabe von Workloads
Folie 23Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I TErgebnisse der Modellrechnungen:
Durchsätze, Auslastungen, Antwortzeiten
... Jeweils klassenbezogene Mittelwerte (D1,..,D5,...,O1,..,O5)
Sichten auf die Ergebnisse:
Server-View: Ergebnisse aus Sicht eines Servers
Workload-View: Ergebnisse aus Sicht einer Workload
Utilization-View: Auslastungen der Komponenten verursacht
durch eine Workload
IO-View: Auslastungen der Platten
Export der Ergebnisse:
Ergebnisse zusammen mit der Modellbeschreibung können in eine Textdatei exportiert werden (Reports).
Die Ergebnisse können in Excel importiert werden.
Reports können zielgerichtet zusammengestellt werden.
Modell-Ergebnisse
Folie 24Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Auslastung des Servers
Export der Ergebnisse
Filter für die Ergebnis-Ansicht
Workloads, die vom Server verarbeitet werden
Modell-Ergebnisse: Server-View
Folie 25Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Export der Ergebnissein eine Text-Datei
Export der Ergebnissenach Excel Definition des Reports
Mögliche Abschnitte für einen Report
Vordefinierte Reports
Modell-Ergebnisse: Reports
Folie 26Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Inhaltsverzeichnis
Modell-Ergebnisse: Export
Folie 27Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Szenario 1: R/3-Release-Wechsel
HAL 2001#CPU 1 2 3 4 5 6
R/3 Release Faktor4.0B 35% 390 656 921 1187 1452 17184.5 15% 332 558 783 1009 1234 14604.6 25% 249 418 587 757 926 1095
R/3-Modul DIA UPD DBFI 1,47 1,00 1,14MM 1,13 1,03 1,03PP 1,50 1,00 1,67SD 1,48 1,01 1,20WM 1,46 0,91 1,26
Anpassung der SAPS-Werte, Grundlage: Benchmark-Messungen
Erhöhung der CPU-Mehrbedarfe für die Dialogschritte
Ein Release-Wechsel kann auf zwei Arten modelliert werden:
SAPS-Tabelle für verschiedene R/3-Releases
Korrekturfaktoren für CPU-Zeiten der App.- und DB-Server(Rel. 4.5B nach 4.6B)
Variante 1
Variante 2
Beispiele für Modell-PrognosenSzenario 1: R/3-Release-Wechsel
Folie 28Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Sinkende SAPS-Leistungen bei Release-Wechsel
CPU-Skalierung vs. R/3-Release
Beispiele für Modell-PrognosenSzenario 1: R/3-Release-Wechsel
Folie 29Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
R/3-Release-Wechsel (Variante 1) - Verringerung der SAPS-Leistungen
Wahl der CPU-Lib des entsprechenden R/3-Release
Die durch Benchmarks ermittelten SAPS-Werte werden aus der Bibliothek automatisch in das Modell übernommen
Beispiele für Modell-PrognosenSzenario 1: R/3-Release-Wechsel
Folie 30Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
T C ratio CPUTI [ms]
DBSU DBKB[KB]
D 1 0,541 14,654 70,645 0,476D 2 0,094 64,584 435,918 15,739D 3 0,040 294,171 1.784,767 86,423D 4 0,005 3.860,400 18.673,049 2.380,628D 5 0,001 26.929,687 535.277,125 25.285,747
U 1 0,048 5,645 131,894 0,713U 2 0,178 25,276 596,005 31,251U 3 0,026 85,801 1.526,503 176,137U 4 0,001 329,327 5.748,615 467,253U 5 0,000 0,000 0,000 0,000
B 1 0,000 0,000 171,000 0,132B 2 0,044 45,154 336,740 29,762B 3 0,007 128,227 1.974,489 45,324B 4 0,001 911,184 11.760,895 242,769B 5 0,000 64.531,248 255.937,000 259.131,063
O 1 0,009 18,186 68,803 0,030O 2 0,004 44,271 406,646 24,806O 3 0,001 164,063 1.825,583 340,089O 4 0,000 0,000 0,000 0,000O 5 0,000 0,000 0,000 0,000
* * 1,000 77,500 795,529 64,972
RespTime [ms]
DBTime[ms]
LockTime[ms]
QueueTime[ms]
124,640 108,750 0,145 0,201487,664 418,977 1,681 0,165
2.718,844 2.389,842 4,483 0,17520.357,157 15.349,553 21,356 0,262
235.416,309 213.958,521 43,875 0,000
13,688 8,482 0,003 0,22963,886 41,722 0,221 0,252
586,209 507,172 0,265 0,2241.432,547 1.148,376 0,305 0,000
0,000 0,000 0,000 0,000
27,543 15,689 0,214 0,000270,996 207,950 0,048 0,082736,797 413,915 20,016 1,359
3.275,340 2.372,602 52,653 0,000224.584,736 204.016,992 3,062 0,000
2.039,263 223,247 0,000 1.792,1232.414,767 31,334 0,000 588,521
17.878,779 176,282 0,000 7.627,5830,000 0,000 0,000 0,0000,000 0,000 0,000 0,000
575,250 453,603 0,811 26,246
Multiplikation der CPUTi mit entsprechendem Faktor.
R/3-Release-Wechsel (Variante 2) - Erhöhung der CPU-Mehrbedarfe für die Dialogschritte der R/3-Module
Beispiele für Modell-PrognosenSzenario 1: R/3-Release-Wechsel
Folie 31Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Vertikaler Upgrade:Modellkomponenten werden durch leistungsstärkere Bausteine ersetzt.
Horizontaler Upgrade:Das Modell wird durch weitere Komponenten ergänzt, z.B. durch Appl.-Server.
Editieren oder Hinzufügen vonModellkomponenten
Szenario 2: Hardware-Upgrade
Beispiele für Modell-PrognosenSzenario 2: Hardware-Upgrade
Folie 32Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Erhöhung der CPU-Anzahl oderWahl eines neuen CPU-Typs
Wahl eines leistungsstärkeren IO-Systems
Vertikaler Upgrade am Beispiel des
DB-Servers
Beispiele für Modell-PrognosenSzenario 2: Hardware-Upgrade
Folie 33Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Szenario 3: Zukünftige Laststeigerungen Lastprognose, z.B. 100% Durchsatzsteigerung (DS/h)
Erstellung des Lastmodells durch Modifikation von Workloadprofilen, z.B. Durchsatzverdoppelung
Modellexperimente zur Untersuchung von
einzuhaltenden Dienstgüten, z.B. RespTime < 2 Sekunden für D3
notwendigen Upgradevarianten, z.B. mehr CPUs
Durchsätze aller Workloads werden mit eingegebenem Faktor multipliziert
Beispiele für Modell-PrognosenSzenario 3: Zukünftige Laststeigerungen
Folie 34Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
actual
double
triple
24 CPU D324 CPU D2
20 CPU D320 CPU D2
Basic D3Basic D2
5
0,567
11,223
1,277
4,517
3,145
0,468
10,14
7,06
1,056
4,049
1,45
0,431
9,091
3,259
0,9730
2
4
6
8
10
12
ResponseTime (sec)
DB-Server
Load
AktuellUpgrade_1
Upgrade_2
Prognose-Ergebnisse für 2 Upgrade-Variantenjeweils für Dialogschritte der Komplexität D2, D3
Folie 35Universität Essen
Vorgehensmodell Messkonzept myAMC.LNI – R/3 Live Monitor WLPSizer Prognose-Beispiele
M A P K I T
Schluß