VM-Performance-Probleme erkennen und beseitigen

Anbieter zum Thema

Schneider Electric GmbH

Vogel IT-Medien GmbH

PQ Plus GmbH

Kennwerte für de Hauptspeicher

mem.active.average misst die Anzahl von Speicherseiten, die eine VM zu einem gegebenen Zeitpunkt nutzt. Da eine VM meist mehr Speicher allokiert hat als sie nutzt, ist mem.active.average nicht repräsentativ dafür, wie viel Speicher eine VM genutzt hat. mem.active.average ist dennoch nützlich, um ein Bild davon zu erhalten, wie viel Speicher eine VM nutzt. Probleme lassen sich nur mit mehr Speicherallokation lösen.

mem.consumed.average misst den gesamten Speicher, den eine VM nutzt, auch den aktuell nicht aktiv genutzten. Der Kennwert ist nützlich, um Speicherengpässe zu erkennen. Es ist wichtig, gleichzeitig auch mem.active.average zu analysieren, um erkennen zu können, ob eine VM wirklich unter zu geringem Speicher leidet.

Zeigt eine VM einen hohen Wert bei mem.consumed.average, kann es sich um einen Speicherfresser handeln. Die Lösung ist dann nur das Hinzufügen von Speicher oder Verschieben der VM.

mem.overhead.average gibt Aufschluss über die Speichermenge, die zum Managen von allokiertem Speicher belegt ist. Je größer der Speicher einer VM, desto mehr Speicher wird auch für die Verwaltung benötigt. Der Kennwert ist nützlich um zu bestimmen, wie viel Speicher für alle VMs allokiert werden muss.

Netzwerkmetriken

Die drei Kennzahlen net.received.average, net.transmitted.average und net.usage.average messen in VM-Bereichen, wo es meist keine Bottlenecks gibt. Signifikante Werte finden sich erst auf der Ebene von Clustern oder Rechenzentren. Selbst dort sind die Werte winzig. Netzwerkmesswerte sind selten der Grund für Performance-Flaschenhälse.

Um mit diesen Metriken Probleme zu finden, benötigen Administratoren fortgeschrittene Analysefähigkeiten. Einige Kennzahlen sind nur auf der Ebene der VMs, andere auf Host-, Cluster- oder Resource Pool-Ebene zu analysieren. Dabei kann ein Problem einer VM von einer anderen erzeugt sein, es muss also die Interaktion von VMs berücksichtigt werden. Die Analyse dieser Daten erfordert meist große Rechenleistung.

Die Komplexität von gesharten Ressourcen in einem virtualisierten Rechenzentrum erfordert das ständige Überwachen von Metriken, von denen hier eine Auswahl vorgestellt wurde. Durch das ungeheuere Datenvolumen, dass diese Metriken in Echtzeit erzeugen, sollte die Analyse so zeitnah wie möglich geschehen. Damit lassen sich nicht nur Bottlenecks beseitigen, sondern auch verhindern.

Die Autoren:

*Alex Rosemblatt, Jonathan Klick arbeiten bei vkernel

(ID:35561650)