The Doppler Quarterly (FRANÇAIS) Été 2018 - Page 36

mement délicate. Nous sommes passés de 465 datacenters à seulement six, en économisant au passage près de 200 millions de dollars. Du fait qu’un moins grand nombre de datacenters nécessite moins de réseaux, nous avons dégraissé 600 millions de dollars sur nos frais d'opérateur. L’élimination de nombreuses instances SAP nous a permis de dégager environ 100 autres millions de dollars sur le coût des licences. Un milliard de dollars d’économies supplé- mentaires a enfin été réalisé grâce à la rationalisation de notre portefeuille applicatif, passant de 7 000 à 1 800 appli- cations, conjuguée à une réduction des effectifs de 20 000 à 2 000 personnes. Une simple étape préliminaire À ce stade, nous étions assez satisfaits de nos progrès. Notre activité reposait sur six datacenters flambant neufs et les coûts semblaient se situer à un niveau gérable. Ce que nous ne savions pas à l’époque, c'est que nous n'en étions encore qu'au stade de la simple mise en route. Au cours des 18 mois nécessaires à la mise en place des nou- veaux datacenters, nous avons commencé à rencontrer des problèmes de capacité. Nous avons décidé de combler cet écart avec des EcoPOD, des datacenters modulaires conte- neurisés conçus par HPE et délivrant une puissance de 1 mégawatt de capacité en mode autonome. Nous avons positionné un EcoPOD à proximité de chaque datacenter, en prévoyant d'en ajouter deux par an au cours des cinq années suivantes. Certes, cela représentait une dépense, mais considérablement moindre par rapport à l’ajout, voire à la construction de systèmes d'alimentation et refroidisse- ment pour chaque datacenter existant. Bien que notre stratégie nous ait permis d’atteindre l’objec- tif souhaité et de nous doter de la capacité d'alimentation en courant continu requise pour rester opérationnels, Meg Whitman, Présidente-directrice de HPE à l’époque, nous a interrogés sur notre programme et sur les indicateurs de mesure associés, dont le taux d’utilisation des processeurs. À ce stade, celui-ci s'élevait à environ 10 %, soit un niveau à peine inférieur à la moyenne du secteur. Meg a alors émis le souhait que nous atteignions un taux de l'ordre de 80 %. Indubitablement, nous avions du pain sur la planche. En exa- minant notre environnement, nous avons constaté que près de 10 000 machines virtuelles (MV) étaient pratiquement inutilisées. La raison à cela ? C'est que les développeurs les accaparaient. L'approbation et la mise en service d'une MV nécessitait en moyenne un délai de 21 jours. Mais les déve- loppeurs ne voulaient pas patienter jusque-là. Ils voulaient disposer de capacités sur place pour pouvoir commencer à travailler immédiatement, comme cela est possible aujourd'hui dans un environnement PaaS. Ils ont donc com- mandé des machines supplémentaires et ce, par dizaines. 34 | THE DOPPLER | ÉTÉ 2018 Cette constatation nous a amenés à réfléchir à la perspec- tive d’une transformation encore plus grande. Passage à l'étape suivante La première décision que nous avons prise a été de mettre en place un système apparenté à un cloud, que nous avons appelé un « provisionnement de plateforme hautement automatisé ». Il ne s’agissait pas à proprement parler d’un cloud. Il n’y avait aucune API, juste de l'automatisation. Les développeurs pouvaient se connecter à un portail et com- mander des composants tels que des noyaux, du stockage, de la mémoire, un système d’exploitation, des bases de don- nées intermédiaires et un équilibrage de charge. Vingt minutes plus tard, ils disposaient d'un environnement. Cette approche nous a aidés à gérer plus efficacement notre environnement informatique. Nous avons identifié les MV surprovisionnées, utilisé des outils d’automatisation et relevé de 30 % notre taux d'utilisation. Nous sommes ainsi parvenus à éliminer le recours aux modules EcoPOD et à ramener à quatre le nombre de datacenters. L’étape suivante consistait en une migration dans le cloud. Nous avons commencé par créer un cloud OpenStack sur site pour les projets de développement natifs dans le cloud, à la suite de quoi nous avons négocié le courtage des charges de travail sur Azure. La réponse positive a été immédiate. L'ancienne méthode consistant à se fier aux ressources informatiques traditionnelles n'inspirant que de la lassitude, nous avons entrepris de transformer la majo- rité de nos charges de travail. Notre plan initial prévoyait leur dissémination des charges de travail entre quatre compartiments principaux : infor- matique traditionnelle, cloud privé OpenStack, cloud public et SaaS. Le premier hébergerait environ 10 % de nos appli- cations, à savoir les ressources informatiques tradition- nelles telles que les instances SAP HANA, les grand ̴́)́!@U`ȁՕ́ѽɹɔѕɵ\)ոɅ% 4مЃɔѕԁȁͥє)QЁɕє͕ɅЁԁՐ=Mх )ՐՉ Ѓ́ѥ́ML )ԁ́ٽ́Ёɕȁمхɝ́)Ʌمٕ́́ͽѥ́Րȁͥє٥ɽ )Սٕ́́ՐՉ 1ɽ)ͥЁ͕́ѥ́́ѽЁ)ɽ̸1́́ԁՐՉ+ЃȁЁ́ͅѥ٥͕́́Ʌ)Ё́́٥Օ́ȁѕȁ̃)դ́ɵɅЁ͕ȁɅЁԁх)́ԁՐՉAȁɅє)ٽ́ɕԃ͔́́ѧɔՐ