Ein Node reagiert nicht mehr. Auf dem Monitor erscheinen Warnmeldungen. Gleichzeitig benötigen Anwendungen, Datenbanken und Nutzer weiterhin Ressourcen. In diesem Moment denkt der Verantwortliche für die IT-Infrastruktur weder an das CPU-Modell noch an die Zahlen im Datenblatt. Er möchte wissen, ob die Dienste verfügbar bleiben und wie viel Spielraum noch besteht, bevor aus einer Störung ein Betriebsausfall wird.
Diese Verantwortung wiegt schwer. Denn hinter einem Cluster stehen nicht nur virtuelle Maschinen, sondern auch Mitarbeiter, die ihre Arbeit erledigen müssen, Kunden, die warten, Produktionsabteilungen und Dienste, die nicht ohne Folgen unterbrochen werden können. Und ein IT-Team, das bei einem Ausfall bereits Antworten parat haben muss. Unter Druck kann es diese nicht erst entwickeln.
Deshalb entsteht ein Servercluster von AXOL Server nicht anhand eines Katalogs. Ausgangspunkt sind die Ausfälle, deren Folgen vermieden werden sollen, die tatsächlichen Workloads und das erwartete Wachstum. Erst danach kommen Hardware, Proxmox VE, Ceph und die Montage ins Spiel. Vor der Auslieferung folgt die längste Prüfung: mindestens 24 Stunden Stresstests, in denen der Cluster zeigen muss, wie er sich unter hoher Belastung verhält.
Auf einen Blick
- Die Planung orientiert sich an den Workloads, dem erwarteten Wachstum und den Diensten, die auch bei einem Ausfall verfügbar bleiben müssen.
- CPU, Arbeitsspeicher, Storage und Netzwerk werden als Teile eines gemeinsamen Systems mit Proxmox VE und Ceph dimensioniert.
- Der Cluster wird in den Laboren von AXOL Server montiert und vor der Auslieferung mindestens 24 Stunden lang Stresstests unterzogen.
- Das Ziel ist nicht, Ausfälle grundsätzlich auszuschliessen, sondern Unsicherheiten zu reduzieren und das System auf unvorhergesehene Ereignisse vorzubereiten.
Vor der Clusterplanung muss klar sein, was auf dem Spiel steht
Die erste Frage lautet nicht: „Wie viele Nodes benötigen Sie?“ Sondern: „Was muss weiter funktionieren, wenn ein Host ausfällt?“ Die Anzahl der virtuellen Maschinen ist eine wichtige Information, reicht allein aber nicht aus. Es muss geklärt werden, welche Anwendungen Priorität haben, welche von Datenbanken oder externen Diensten abhängen, wann Lastspitzen auftreten und wie lange eine Unterbrechung dauern darf, bevor ein tatsächlicher Schaden entsteht.
Nicht immer liegen diese Daten bereits vollständig und geordnet vor. Ein Unternehmen kennt möglicherweise den belegten Speicherplatz, aber nicht das monatliche Wachstum. Oder es verfügt über ein VM-Inventar, jedoch nicht über eine zuverlässige Historie der I/O-Werte. Das ist nichts Ungewöhnliches. Zu Beginn geht es nicht darum, eine Genauigkeit vorzutäuschen, die nicht vorhanden ist. Vielmehr müssen gemessene Daten von Schätzungen getrennt, Annahmen offengelegt und fehlende Informationen identifiziert werden.
Hier übernimmt AXOL Server die Rolle des technischen Beraters. Der Kunde bringt seine Kenntnisse der bestehenden Umgebung, die Rahmenbedingungen und die Prioritäten ein. Die Systemadministratoren übersetzen diese Informationen in überprüfbare Szenarien. So lassen sich zwei kostspielige Fehler vermeiden: ein zu klein dimensionierter Cluster, dem gerade bei einem Ausfall die nötigen Reserven fehlen, oder ein überdimensioniertes System, das jede Unsicherheit durch zusätzliche Hardware ausgleichen soll.
Um eine erste Architektur zu entwickeln, erfassen wir mindestens:
- die tatsächliche CPU- und RAM-Auslastung einschliesslich Lastspitzen, nicht nur die den VMs zugewiesenen Ressourcen;
- den belegten Speicherplatz, das Wachstum des Storage und Workloads, die besonders empfindlich auf Latenz oder I/O reagieren;
- die Dienste, die während Wartungsarbeiten oder bei einem Ausfall verfügbar bleiben müssen;
- die angestrebten Wiederanlaufzeiten und den tolerierbaren Datenverlust;
- Anwendungsabhängigkeiten, Netzwerk, Backup und Zugriffsanforderungen;
- bereits geplante neue Workloads und den gewünschten Grad an Eigenständigkeit des internen IT-Teams.
Die Planung beginnt bei dem Ausfall, den Sie vermeiden möchten
Solange alle Nodes verfügbar sind, kann die Gesamtkapazität grosszügig erscheinen. Ob die Dimensionierung tatsächlich ausreicht, zeigt sich erst, wenn ein Teil des Clusters nicht mehr zur Verfügung steht. Bei einer N-1-Anforderung müssen die kritischen Workloads auch dann weiterlaufen können, wenn ein Node ausfällt. Bei N-2 muss die Architektur den gleichzeitigen Ausfall von zwei Nodes verkraften.
Der Unterschied macht sich im ungünstigsten Moment bemerkbar. Reicht die verbleibende Kapazität nicht aus, muss jemand kurzfristig entscheiden, welche VMs gedrosselt oder abgeschaltet werden. Diese Entscheidung sollte nicht erst während eines Vorfalls getroffen werden. Sie gehört in die Planungsphase, in der Prioritäten, akzeptable Mindestleistungen und das erwartete Wachstum festgelegt werden.
Daraus ergeben sich die Anzahl der Nodes sowie die Anforderungen an CPU, RAM, Storage und Netzwerk. Man beginnt nicht mit drei oder fünf Servern, um anschliessend eine technische Begründung dafür zu finden. Das Betriebsszenario bestimmt die Architektur.
Ein Cluster ist mehr als die Summe seiner Komponenten
Sobald die Architektur feststeht, nimmt die Stückliste Gestalt an. Dabei geht es jedoch nicht darum, möglichst leistungsstarke Einzelkomponenten auszuwählen. In einem Cluster mit Proxmox VE und Ceph hängen die Komponenten voneinander ab: Eine schnelle CPU kann ein unzureichendes Netzwerk nicht ausgleichen. Und eine hohe Raw-Speicherkapazität garantiert weder den benötigten nutzbaren Speicherplatz noch die erforderliche Performance während Recovery- und Rebalance-Vorgängen.
CPU und Arbeitsspeicher: Performance auch mit einem Node weniger
Core-Anzahl, Taktfrequenz, NUMA, Overcommit und ECC-Arbeitsspeicher werden anhand der Workloads und der Kapazität bewertet, die auch bei einem Ausfall verfügbar bleiben muss. Ziel ist nicht, ein Datenblatt mit möglichst hohen Werten zu füllen, sondern zu verhindern, dass Wartungsarbeiten oder ein Ausfall eine stabile Umgebung plötzlich an ihre Belastungsgrenze bringen.
Storage: Terabyte allein sagen nicht alles aus
Nutzbare Kapazität, Replikation, Failure Domains, Latenz, Throughput und der für Recovery-Vorgänge benötigte freie Speicherplatz müssen gemeinsam berücksichtigt werden. Der Storage muss nicht nur den täglichen Betrieb bewältigen, sondern auch anspruchsvollere Situationen: eine Wiederherstellung, den Austausch eines Datenträgers oder die erneute Synchronisierung von Daten.
Netzwerk: Wenn Ceph Daten verschiebt, braucht es Reserven
In einem Ceph-Cluster ist das Netzwerk ein wesentlicher Bestandteil des Storage-Systems. VM-Traffic, Replikation, Migration, Recovery und Management können gleichzeitig Netzwerkressourcen beanspruchen. Topologie, Redundanz und Netzwerkkapazität müssen daher für den Betrieb unter Last ausgelegt werden, nicht nur für den Normalzustand.
Stromversorgung und Fernzugriff: unscheinbar, bis sie gebraucht werden
Redundante Netzteile, USV, Stromverteilung und Out-of-Band-Management werden unverzichtbar, wenn das Betriebssystem nicht reagiert oder niemand direkt am Rack sein kann. Bei einer Demo fallen diese Aspekte kaum auf. Bei einem technischen Eingriff können sie jedoch einen entscheidenden Unterschied machen.
Auf der Werkbank wird aus der Planung technische Verantwortung
Die Cluster von AXOL Server werden in den Laboren in Ivrea (Turin) und Lomazzo (Como) montiert. Dort wird überprüft, ob das aufgebaute System der geplanten Architektur entspricht. Komponenten, Verkabelung, Stromversorgung, Luftführung und Management-Schnittstellen müssen mit der freigegebenen Konfiguration übereinstimmen.
Auch die Nodes müssen auf einer einheitlichen Grundlage aufbauen. Firmware, Einstellungen und Konfigurationen dürfen nicht allein vom Gedächtnis der Person abhängen, die das System montiert hat. Eine undokumentierte Abweichung mag heute unbedeutend erscheinen, kann aber Monate später die Fehlersuche erheblich verlängern – gerade dann, wenn jede Minute zählt.
Anschliessend werden Proxmox VE und Ceph konfiguriert: Netzwerk, Quorum, Storage, Hochverfügbarkeit und administrative Zugänge. Backup und Disaster Recovery bleiben davon getrennte Ebenen. Hochverfügbarkeit kann bestimmte Ausfälle innerhalb des Clusters abfangen, ersetzt jedoch weder eine unabhängige Sicherungskopie noch eine überprüfte Wiederherstellung.
Warum wird jeder Servercluster von AXOL Server mindestens 24 Stunden lang Stresstests unterzogen?
Wenn alles bereit zu sein scheint, ändert sich bei der technischen Prüfung die Herangehensweise: Es geht nicht darum, die Erwartungen zu bestätigen, sondern Probleme aufzudecken. Ein Cluster, der startet und alle Nodes als online anzeigt, hat lediglich die einfachste Prüfung bestanden. Bevor ihm Unternehmensdienste anvertraut werden, muss er unter Last beobachtet werden – lange genug, damit mögliche Instabilitäten sichtbar werden.
Deshalb durchläuft jeder Servercluster von AXOL Server mindestens 24 Stunden Stresstests. Die längere Testdauer soll Instabilitäten aufdecken, die bei einer kurzen Prüfung möglicherweise unentdeckt bleiben würden. Während der Tests wird das System als Ganzes unter Last beobachtet, entsprechend den internen technischen Prüfverfahren von AXOL Server.
Wird eine Anomalie festgestellt oder eine Komponente ausgetauscht, wird die Ursache behoben und der Stresstest beginnt wieder von vorn: Der Cluster durchläuft erneut einen vollständigen Testzyklus von mindestens 24 Stunden. Ziel ist es, die Wahrscheinlichkeit zu erhöhen, dass ein Problem bereits auf der Werkbank von AXOL Server auftritt und dort behoben werden kann – statt erst im Rack des Kunden, während die Dienste bereits im Produktivbetrieb laufen.
Nach der technischen Prüfung folgt die vereinbarte Übergabe
Nach Abschluss der technischen Prüfung geht der Cluster in die mit dem Kunden vereinbarte Übergabephase über.
Installation, Housing, technische Begleitung und Migration richten sich nach dem vereinbarten Leistungsumfang. Für die Inbetriebnahme ist ein eigener Plan erforderlich. Workloads, Abhängigkeiten, Wartungsfenster, Backups und Rollback dürfen nicht erst am Tag der Übergabe improvisiert werden.
Wer die Verantwortung für eine IT-Infrastruktur trägt, gewinnt Sicherheit nicht durch das Versprechen, dass niemals etwas ausfallen wird. Ein solches Versprechen kann niemand seriös geben. Entscheidend ist vielmehr das Wissen, dass das System anhand realer Szenarien dimensioniert, mindestens 24 Stunden unter Stress beobachtet und mit den erforderlichen Reserven sowie technischen Ansprechpartnern übergeben wurde.
Für den Einstieg müssen die Daten nicht perfekt sein
Für ein erstes Gespräch reichen ein Inventar der Hosts und VMs, die verfügbaren Auslastungsdaten, der belegte Speicherplatz, das erwartete Wachstum und die wichtigsten Anforderungen an die Betriebskontinuität. Auf dieser Grundlage lassen sich fehlende Messwerte, zu überprüfende Szenarien und Annahmen identifizieren, die mit besonderer Vorsicht behandelt werden müssen.
Der AXOL Server-Konfigurator erstellt eine erste Konfiguration und eine technisch-wirtschaftliche Zusammenfassung. Auf dieser Grundlage können Sie eine kostenlose einstündige Beratung mit den Systemadministratoren von AXOL Server anfragen, um die Daten zu validieren, die Workloads genauer zu analysieren und ein individuelles technisch-kommerzielles Angebot zu erarbeiten. Dieser Schritt macht aus einer ersten Schätzung ein konkretes Projekt, das gemeinsam mit denjenigen besprochen wird, die es umsetzen und später betreiben werden.