Konfigurationsmanagement durch Frequenzanalyse künstlicher

Werbung
Lehrstuhl für Netzarchitekturen und Netzdienste
Institut für Informatik
Technische Universität München
Konfigurationsmanagement durch
Frequenzanalyse künstlicher Lastfluktuationen
Johann Schlamp
­ Aufgabensteller: Prof. Dr.­Ing. G. Carle
­ Betreuer: Marc Fouquet
Heiko Niedermayer
­ Datum:
18.02.2009
Gliederung

Motivation

Related Work

Vorgehensweise

Einordnung der Arbeit

Rahmenbedingungen

Zeitplan
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
2
Motivation
Abhängigkeiten in großen IT­Landschaften?
Johann Schlamp
→ Konfigurationsmanagement unumgänglich
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
3
Related Work
Übliche Ansätze:

Manuelles Erfassen von Abhängigkeiten

Proprietäre Lösungen für spezielle Einsatzgebiete
 IBM Tivoli
 HP OpenView
 ...

Statistische Analyse des Netz­Verkehrs mit Hilfe von timing­
basierten Hypothesen
 dezentral durch agenten­gestütztes „Mithören“
(Sherlock, eXpose, Orion)
 lokal durch Korrelation des „Durchgangs­Verkehrs“
(Constellation)
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
4
Vorgehensweise
LoadGen
Webserver
Fileserver
Active Directory
SQL Server
TimingClient
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
5
Vorgehensweise (2)
Ablauf:



Gezieltes Senden eines periodischen Last­Signals
Sampling an verschiedenen Hosts
Nachweis durch Frequenzanalyse
Szenarien:

Vorwärts­Analyse:
 Finden aller Abhängigkeiten eines Hosts (z.B. für Backup­Strategien)
 Erstellen einer kompletten Netz­Übersicht (z.B. für Ausbau­Pläne)

Rückwärts­Analyse:
 Suche nach zugreifenden Systemen (z.B. für Wartungsarbeiten)
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
6
Einordnung der Arbeit
Pro:

Zentrale Abhängigkeits­Analyse (keine Agenten nötig)

Erkennung nicht Wahrscheinlichkeits­basiert

Gezielte Analysen in kurzer Zeit möglich

Vorwärts­ und Rückwärts­Analysen
Contra:




Nur Host­Host­Abhängigkeiten direkt erkennbar (keine Services)
Flächendeckende Untersuchungen möglicherweise langwierig
Lasterzeugung in Produktiv­Umgebungen eventuell problematisch
Negative Einfluss­Faktoren denkbar (Cross­Traffic, Caching, VMs)
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
7
Rahmenbedingungen
Anforderungen:



Verwendung eindeutig nachweisbarer Lastfluktuationen
Möglichst generischer Messdienst ohne Einfluss auf die Analyse Implementierung eines starken CLI oder einer rudimentären GUI
Ziele:



Untersuchung verschiedener Varianten der Frequenzanalyse
Analyse des Einflusses ausgewählter Faktoren
„Multi­Messungen“, „Multi­Level“­Abhängigkeiten
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
8
Zeitplan
Beginn
Ende
Einarbeitung
Proof of Concept
Theoretische Überlegungen
Prototyp
Experimente & Auswertung
Ausarbeitung
Januar Februar
Johann Schlamp
März
April
Mai
Juni
Juli
August
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
9
Vielen Dank.
Fragen?
...
Fragen!
Johann Schlamp
Konfigurationsmanagement durch Frequenzanalyse künstlicher Lastfluktuationen
10
Herunterladen