Perangkat pengelolaan data gabungan Unicards
Unicenter TNG membantu mengatasi dugaan pengelolaan kinerja. Manfaat tambahan adalah bahwa laporan dan grafik dari penampil kinerja dapat digunakan untuk memvisualisasikan sumber daya dan membenarkan keputusan.
Misalnya, Steve mencoba untuk memutuskan apakah kelompoknya perlu membeli lebih banyak workstation atau jika anggota kelompok tersebut dapat memeras lebih banyak kinerja dari kinerja yang mereka miliki. Unicenter TNG secara rutin mengumpulkan semua jenis data pada sumber daya perusahaan. Steve dapat mengekstrak data yang berkaitan dengan seperangkat mesin tertentu dan menentukan berapa banyak permintaan yang ditempatkan pada sistem tersebut dalam periode 24 jam. Dengan membandingkan penggunaan CPU dari beberapa workstation, misalnya, Steve dapat menentukan bagaimana beban kerja sistem dapat didistribusikan ulang, yang menyebabkan penggunaan sumber daya lebih efisien. Tentu saja, kesimpulannya mungkin bahwa semua sistem mendekati kapasitas, dan inilah saatnya untuk memesan peralatan baru. Dia kemudian dapat menggunakan data pendukung untuk membenarkan permintaan pembeliannya.
Analisis data dan analisis data
Manajemen kinerja TNG Unicenter memungkinkan Anda membandingkan data kinerja real-time dengan data dari periode waktu sebelumnya - kemarin, minggu lalu, kuartal terakhir, atau dua tahun yang lalu (dengan asumsi data tersebut dikumpulkan dua tahun yang lalu).
Keuntungan membandingkan data baru dan lama antara lain:
- Mengantisipasi masalah: Perbandingan sisi-by-side memungkinkan Anda mengamati perubahan sumber daya sistem dan area masalah potensial, seperti ambang memori, penggunaan disk, caching, dan sejenisnya.
- Analisis lebih kuat: Seiring waktu, seiring dengan perluasan basis data historis, kemampuan perencanaan dan analisis kapasitas menjadi lebih kuat. Kemampuan mencatat dan melaporkan secara online membantu Anda memutuskan apakah sistem bekerja dalam batas yang dapat diterima.
- Pengambilan keputusan yang diberdayakan: Kelompok TI mengendalikan jenis data yang dikumpulkan dan bagaimana pengumpulannya. Administrator dapat memutuskan sumber daya mana yang harus dipantau, kapan data harus dikumpulkan, dan berapa lama data harus disimpan.
Agen kinerja
Unicenter TNG menggunakan dua jenis agen untuk mengumpulkan data terkait kinerja:
- Agen kinerja real-time: Lingkaran kinerja yang juga disebut , agen ini memberi Anda tampilan real-time kinerja sistem
- Agen Kinerja Historis: HPA mengumpulkan data bandwith, yang disimpan dalam kubus kinerja.
Data time-banded yang dikumpulkan oleh HPA adalah data kinerja yang diambil sampel pada interval yang telah ditentukan dan merupakan gambaran bagaimana sistem berperilaku pada periode waktu tertentu. HPA menanyakan sistem operasi setiap menit (biasanya setiap 5, 10, 15, atau 20 menit) untuk mengumpulkan data kinerja dan menuliskannya ke file kubus. Administrator dapat menentukan seberapa sering data dikumpulkan dan memvariasikan frekuensi sesuai dengan jenis data. Jadi, misalnya, Unicenter mungkin akan mengumpulkan kapasitas memori setiap 3 menit namun mengumpulkan data tentang berapa banyak pengguna yang masuk setiap 20 menit.Pengumpulan data bisa padat sumber daya. Pemungutan suara yang sering (seperti interval 60 detik atau 3 menit) menggunakan lebih banyak sumber daya sistem daripada interval yang lebih lama (misalnya satu jam, atau default 20 menit yang diberikan oleh Unicenter). Administrator harus mempertimbangkan seberapa sering sumber daya yang berbeda perlu disurvei dan menggunakan interval koleksi yang paling sesuai dengan kebutuhan organisasi. Anda dapat mempercepat waktu jajak pendapat untuk tujuan khusus, seperti pengujian, namun pastikan untuk memperlambat kecepatan saat tes selesai.
Historical performance agent (HPA)
Unicenter menggunakan HPA untuk memusnahkan data. HPA melakukan beberapa fungsi penting:
- Mengumpulkan data: HPA secara berkala mengumpulkan semua jenis data sistem di seluruh perusahaan IT. Data tersebut mencakup penggunaan memori, penggunaan disk, cache, koneksi yang digunakan, jumlah pengguna yang masuk, dan sumber daya sistem lainnya.
- Menghasilkan performance cubes: HPA menulis data yang dikumpulkan ke file kubus kinerja, yang merupakan file koma-delimited dengan tanggal, waktu, parameter terukur (seperti penggunaan memori), dan bidang nilai.
- Mendistribusikan kubus: HPA mentransfer file kubus ke sejumlah manajer dengan menggunakan CA Messaging (CA-M) dan CA File Transfer (CA-FT).
Grid kinerja sebenarnya adalah data koma-delimited yang dapat dilihat melalui Excel. Unicenter TNG menyediakan template dan item menu khusus yang memungkinkan Anda melihat dan membuat grafik file kubus.
Jenis kurva kinerja
Tergantung pada jangka waktu dan cakupannya, HPA akan membuat tiga jenis kubus kinerja:
- Kubus kinerja harian: Kubus ini mencakup data dari periode hingga 24 jam, dan bisa dikombinasikan dengan kubus harian lainnya untuk menghasilkan rata-rata beberapa hari.
- Periode kinerja kubus: Periode kubus terdiri dari kubus harian yang disusun dari satu mesin. Kubus ini mencakup lebih dari satu hari dan bisa mencakup minggu, satu bulan, satu tahun, atau lebih.
- Enterprise performance cube: Kubus enterprise terdiri dari kubus harian atau periode yang dikumpulkan dari lebih dari satu mesin.
Perencanaan kapasitas
Unicenter TNG membantu memaksimalkan penggunaan sumber daya dengan kemampuan perencanaan kapasitasnya. Dengan manajemen kinerja, Anda dapat mengetahui bagaimana sistem digunakan. Anda dapat mengamati, misalnya, ketika menjalankan pekerjaan batch setelah berjam-jam, server dalam akuntansi sering menemukan masalah memori, melebihi ambang batas yang telah ditentukan. Anda menentukan bahwa server di bagian sumber daya manusia jarang digunakan pada malam hari. Berdasarkan pengamatan ini, Anda dapat mengalihkan beberapa pekerjaan akuntansi untuk dijalankan pada malam hari di mesin HR.
Dengan mempertimbangkan metrik kinerja, seperti waktu respons, throughput, dan persetujuan, perencanaan kapasitas Unicenter TNG memungkinkan Anda:
- Menilai penggunaan server.
- Tentukan mesin mana yang sering digunakan dan mana yang kurang digunakan.
- Periksa tren penggunaan (seperti apakah server sering digunakan atau kurang sering seiring berjalannya waktu).
- Identifikasi kemacetan, s saat pekerjaan batch menumpuk dalam antrean atau lalu lintas jaringan yang berlebihan merendahkan waktu respons.