Skalierung einer ArcIMS Anwendung. Konzept: Andrea Rosso - ESRI Inc. Vortrag: Frank Bosch - ESRI Kranzberg

Transkript

1 Skalierung einer ArcIMS Anwendung Konzept: Andrea Rosso - ESRI Inc. Vortrag: Frank Bosch - ESRI Kranzberg

2 Übersicht ArcIMS Architektur Skalierung einer Anwendung 1. Voraussetzungen 2. Entwickeln und testen 3. Skalierung Beispiele

3 ArcIMS - Architektur ArcInfo / ArcView DHTML Client Java Client Custom Clients Manager Author Designer Administrator Web Server Connectors ArcIMS Application Server Spatial Server Image Feature Metadata Geocoding Query Extract Tasker Monitor Custom Data

4 Die Hauptbestandteile: Web Server WS WS Application Server AS AS Spatial Server SS SS

5 Schritt 1: Design-Phase der ArcIMS WebSite Definition der Anforderungen an die Anwendung Welche Hardware? Welche Bandbreite? Performance Verfügbarkeit Netzwerkkonfiguration

6 Voraussetzungen #1 1. Skalierbarkeit Wie viele Zugriffe kann ich handeln? Messgröße: Requests / Tag Wie viele ArcIMS Machinen/Instancen brauche Ich? 2. Performance Wie schnell reagiert mein System auf einen Request? Messgröße: Sekunden / Request

7 Vorraussetzungen #2 3. Verfügbarkeit Wie Ausfallsicher ist mein System? Wie lange steht mein Server? Meßgröße: % Uptime 95% 99% 99.50% 99.90% % % Days/Yr Hr/Mon Min/Wk

8 Vorraussetzungen #3 4. Administrierbarkeit Mit welchem Aufwand kann ich mein System administrieren? 5. Sicherheit Wie sicher ist mein System vor Datendiebstahl und Hackern? Meßgröße: Zeit um die Seite zu knacken

9 Wie viele ArcIMS Instanzen brauche ich? Was ist eine Instanz? Spatial Server Image Query Spatial Server Image

10 Wie viele ArcIMS Instanzen brauche ich? Ich muss folgendes abschätzen: Anzahl der Zugriffe pro Tag Gleichzeitige Zugriffe / Zugriffe pro Sekunde

11 Mittlere Zugriffszahl Pareto s 80/20 Regel 80% des Webtraffics entstehen in 20% der Zeit. Maps/Day Max Avg. Maps/Hr Max Avg. Maps/Sec 10,000 1, ,000 16, ,000 83, ,500, , max avg. Maps/hour = Maps/day 80% 24hrs 20%

12 Geschätzte Maximale Last Nach dem Poisson Modell Avg. Maps/Sec 16% 50% 84% 99% 99.87% Bei durchschn Map Requests in der Sek., nähern wir uns einem Maximum von Map Requests in der Sek.

13 Was bedeutet das? Für Zugriffe -> erwarte 12 Requests/Sekunde Die ArcIMS Site muß 12 gleichzeitige Zugriffe handeln Es müßen 12 Instanzen vorhanden sein, damit die Requests nicht in die Warteschleife kommen.

14 Wie viele ArcIMS Machinen brauche ich? Hängt ab von: ImageServer vs. FeatureServer Vector vs. Raster in Maps SDE vs. Shapefiles Daumenregel 4-8 Instanzen des ImageServers pro CPU 5-15 Instanzen des FeatureServers pro CPU Niemals mehr als 10 Threads pro Spatial Server

15 Req/Tag Szenario 12 Threads -> 2 CPUs 2 CPU Maschine Web Server AppServer Map Servers Image Servers Query Servers Vorteil Geringer Administrationsaufwand Nachteil Ausfallsicherheit gering

16 100,000 Req/Tag Szenario 2 1 CPU Maschinen Web Server Map Servers AppServer Image Servers Query Servers Vorteil Bessere Verfügbarkeit Bessere Performance Nachteil Höherer Administrationsaufwand

17 Skalierbarkeits Faktoren Serverseitige Business Logic ColdFusion/JSP/ASP Extra processing auf Web Server Maschinen

18 Server Skalierbarkeit - Optionen SDE vs. Shapefiles Shapefiles SDE schnelleres Setup Single hit Performance ist schneller Mehr CPU-Last auf dem MapServer Bessere Administration Bessere Skalierbarkeit Auslagerung der CPU-Last auf DB Server Retrieval Time Shape SDE Anzahl der Nutzer

19 Welche Bandbreite? ImageServer Avg. Img Size * req/s = Mbits/s Beispiel 1: 100k JPG * 50 = 5MBytes/s = 40Mbits/s = Large T3! Beispiel 2: 10k PNG * 10 =.1MBytes/s =.8Mbits/s = T1

20 Welche Bandbreite? FeatureServer Abhängig von: Komprimierung ~ fach Anzahl der geströmten Features Client Requests unbedeutend

21 Auswahl des Clients und Performance Client Thick Java, ActiveX, ArcExplorer, ArcGIS 8.1 Thin JavaScript, DHTML Serverseitig HTML von ColdFusion/JSP/ASP

22 Klientenauswahl und Performance Bandbreite 28.8k use Server-Side or Thin DSL or Intranet can use Thick Functionality Simple functionality (pan, zoom, id) - Thin Sophisticated Geoprocessing Thick

23 ArcIMS und Performancetuning AXL Tuning!!! Maßstäbe, Antialias., Labels Daten Tuning Image Types (Kompr. vs. Unkompr.) Generalization Output (GIF, JPG, PNG 8-bit, PNG 24-bit)

24 Beispielszenarien

25 Der Einstieg Anforderung: 30,000 maps/day Konfiguration Alles auf einer Maschine (WebServer, ArcIMS, Shapefiles) 2 CPU 512M Kann 4 gleichzeitige User bedienen

26 Ein kleines System Vorteile Geringe Kosten Einfach Administrierbar Hohe Performance Nachteile Geringe Skalierbarkeit Geringe Ausfallsicherheit

27 Wachstum Die Seite wird in der ArcAktuell /ArcNews vorgestellt Traffic wächst Performance sinkt Hardware Crashes Seite gestoppt (down) für mehrere Stunden

28 Der nächste Schritt Finde Performance Flaschenhälse Image Generation Beseitigung der Skalierungsprobleme Vertical scaling (schnellere Machinen) Horizontal scaling (mehr Machinen) Beseitigung der Verfügbarkeitsprobleme Eliminate single points of failure

29 Eine mittlere Lösung Web Server Map Servers ArcSDE Server

30 Eine mittlere Lösung Hardware WebServer 2+ CPUs, 512Mb+ MapServers 2+ CPUs, 512Mb+ DataServer 4+ CPUs, 1GB+ Schafft ca Instanzen Schafft ca. 150, ,000 Zugriffe

31 Eine mittlere Lösung Vorteile Ausfallsicherheit verbessert Datensuche verlagert auf ArcSDE Server Nur wenig mehr zu administrieren Nachteile Geringe Performance-Verluste Jetzt mehrer Systeme Datenbank Server Web Server

32 Ein großes System Web Server App Servers Map Servers ArcSDE Server

33 Ein großes System Hardware WebServer 2+ CPUs, 512Mb+ AppServers 2+ CPUs, 1GB+ MapServers 2+ CPUs, 512Mb+ DataServer Big! Schafft 50+ Instancen Schafft 1,000,000+ Karten/Tag

34 Ein großes System Vorteile Hohe Skalierbarkeit Hohe Verfügbarkeit Nachteile Complete Pain to Manage Wieder Performance-Verluste

35 ESRI Geography Network Knoten

36 ESRI Geography Network Knoten Global Load Balancer Redlands Off-Site Data Center

37 Hardware Konfiguration DatenServer: 2 Sun Ultra Enterprise Mhz Processors 8 Gb of Random Access Memory 1 Tb of Disk Storage Web Server: 2 Ultra 60s, 1 E250, 2 U220Rs 512M 1GB RAM Mhz Processoren

38 Hardware Configuration ImageServer 4 E250, 2 U220Rs 512M 1GB RAM 2-450Mhz Processoren AppServer/ImageServer 2 E450, 2 U420Rs 2GB RAM 4-450Mhz Processoren

39 Site Stats Machines: 22 Maps Generated per Day: 1M+ Peak per hours: 30k+ Average Map Generation Time: ~2.4s Map Services: 102 Estimated Capacity per Day: 4M+

40 Q & A