2.2 Trennung von Change und Capacity Management (S. 8-9)

Eine saubere Trennung von Change und Capacity Management ist die erste und wichtigste Maßnahme für zuverlässige Performance-Vorhersagen. Ich erhielt kürzlich eine Anfrage mit der Aufgabe, eine Performance-Vorhersage zu erstellen. Der Kunde hatte ein Datenbank- Upgrade geplant und wollte wissen, wie die Performance der Applikation unter der neuen Version sein würde. Diesen Auftrag musste ich ablehnen, da es sich hierbei eindeutig um eine Aufgabe für das Change Management und nicht für das Capacity Management handelte. Halten Sie sich stets vor Augen, dass Vorhersagen immer auf einem Modell basieren. Modelle sind allerdings keine Eins-zu-eins-Abbildungen der Natur, sondern stellen eine Vereinfachung dar, in der die wichtigsten Einflussfaktoren berücksichtigt werden. Die internen Strukturen und Prozesse des Datenbank-Betriebssystems sind viel zu komplex, um in vertretbarer Zeit ein zuverlässiges Modell zu erstellen, das die Veränderungen eines Upgrades widerspiegelt.

Generell lässt sich sagen, dass der Einfluss durch Änderungen, die dem Change Management entstammen, effektiver, kostengünstiger und schneller durch reale Tests herausgefunden werden kann. Viele Firmen praktizieren dieses Vorgehen bereits, indem sie so genannte UAT-Datenbanken betreiben und vor der Implementierung in der Produktion die Auswirkungen auf die Applikation testen. Die Abkürzung UAT steht für User Acceptance Testing. Auch Oracle hat Bedeutung und Notwendigkeit eines solchen Vorgehens erkannt und in der Version 11g mit dem neuen Feature Real Application Testing darauf reagiert. Wir wollen uns an dieser Stelle jedoch nicht zu weit vom Thema entfernen.

Der Einfluss von durch das Change Management verursachten Änderungen ist jedoch real. Es stellt sich damit die Frage nach der Gültigkeit bereits gebildeter Prognosen, wenn Änderungen in der Datenbank im Rahmen des Change Managements vorgenommen werden. Generell lässt sich sagen, dass Prognosen ihre Gültigkeit behalten, solange die Änderungen keinen Einfluss auf den Workload haben. Die Überwachung des Workloads ist also ein wichtiger Bestandteil der fortlaufenden Validierung von Forecasts.

Jede Vorhersage basiert auf einer Baseline, die einen bestimmten Workload der Datenbank charakterisiert. Eine Veränderung der Baseline macht eine Neuberechnung der Vorhersage erforderlich. Das stellt insofern kein Problem dar, da die Neuberechnung mit mathematischen Methoden nicht aufwendig ist und in kurzer Zeit erfolgen kann. Allerdings müssen für die neue Prognose aktuelle Workload-Statistiken herangezogen werden. Viele Datenbanken lassen sich nach dem Prinzip „Und täglich grüßt das Murmeltier" betrachten. Die Workload- Charakteristik wiederholt sich alle 24 Stunden, und damit können innerhalb von 24 Stunden die Statistiken für eine neue Baseline gesammelt werden. Für Datenbanken, die am Wochenende oder Monatsende spezifische Workloads ausweisen, gibt es Methoden, die Statistiken anzupassen, ohne auf Ergebnisse eines Langzeit-Sammelprozesses warten zu müssen. Durch eine klare Trennung von Change Management und Capacity Management verringert sich die in Abbildung 2.2 dargestellte Komplexität von Einflussfaktoren entscheidend, und das Thema Performance Forecast wird insofern beherrschbar.

Die Trennung von Change und Capacity Management bedeutet nicht, dass die Änderungen, die aus dem Change Management kommen, ignoriert werden. Durch den Einsatz von UAT-Datenbanken und Real Application Testing werden die Auswirkungen auf den Workload vorab bestimmt. Gleichzeitig garantiert das Workload Monitoring, dass Auswirkungen, die durch das Change Management entstehen, nicht unentdeckt bleiben.

2.3 Die Bedeutung von Workload-Statistiken

Workload-Statistiken sind eine notwendige Voraussetzung für das Erstellen von Performance Forecasts. Jede Prognose wird auf Basis einer Baseline gebildet. Eine Baseline ist ein charakteristischer Workload im betrachteten Zeitfenster. Die Statistiken bilden außerdem die Basis für die Schwellenwerte des Workload Monitoring. Forecast und Monitoring bedingen einander. Während ein Forecast die Werte für die erwartete Entwicklung des Workloads an das Monitoring liefert, sendet das Monitoring Warnungen und Alarmsignale über Abweichungen vom erwarteten Workload an den Forecast. Der Validierungsprozess untersucht die Abweichungen und stellt die Ursachen fest. Abweichungsursachen können zum Beispiel aus dem Change Management kommen oder durch ein überplanmäßiges Wachstum der Datenbank ausgelöst werden.