Infrastructure as Code als Maßnahme zur Cloud Automatisierung – Hilfestellung zur Auswahl des richtigen Werkzeugs

In den letzten Jahren gab es wohl kein größeres Schlagwort als „Cloud Computing“ (CC). CC verfügt über das Potential einen großen Teil der IT-Branche zu verändern, den Schwerpunkt auf serviceorientierte Ansätze zu verlagern und die IT-Konzeption und den IT-Einkauf neu zu gestalten (Armbrust et al. 2009). Die Auslagerung der IT-Infrastruktur zu Cloud Service Providern (CSP) wie Amazon, Google oder Microsoft erfordert den Einsatz agiler Techniken, da der IT-Markt eine schnelle Produkteinführungzeit anstrebt (Artac et al. 2017). IT-Betreiber stehen vor allem vor der Herausforderung, die für die Bereitstellung und Konfiguration der Cloud-Infrastruktur benötigte Zeit zu verkürzen, damit Software-Entwickler ihre Anwendungen so schnell wie möglich bereitstellen können (Scheuner et al. 2014). Dieses Spannungsverhältnis zwischen IT-Betreibern (Ops) und Softwareentwicklern (Devs) ist allgemein anerkannt. Während Ops darauf abzielen, die Cloud-Infrastruktur stabil zu halten, sind Devs daran interessiert, kontinuierlich neue Anwendungen oder sogar neue Releases für bereits eingesetzte Anwendungen bereitzustellen (Hummer et al. 2013). Es ist nicht ungewöhnlich, dass Ops zögerlich sind, Änderungen an der Cloud-Infrastruktur vorzunehmen und den Softwarecode langsamer verarbeiten als von Devs gewünscht (Hummer et al. 2013). Infolgedessen haben Unternehmen DevOps-Praktiken eingeführt, um dieser Tendenz entgegenzuwirken (Hüttermann 2012). DevOps zielt darauf ab organisatorische Distanzen zu verringern und die kontinuierliche Zusammenarbeit zwischen Ops und Devs zu fördern (Artac et al. 2017). Ein Grundstein dafür stellt Infrastructure-as-Code (IaC) dar (Morris 2016). IaC übernimmt die Bereitstellung und Konfiguration der gesamten Cloud-Infrastruktur im Quellcode, so dass manuelle Tätigkeiten kaum noch notwendig sind (Scheuner et al. 2014). Dieser Ansatz stärkt die Verwendung konsistenter und wiederholbarer Routinen (Sandobalin et al. 2017), wodurch die Entwicklung einer Automatisierungslogik für die Bereitstellung und Konfiguration der Cloud-Infrastruktur erleichtert wird (Hummer et al. 2013). Die Bereitstellung und Konfiguration der Cloud-Infrastruktur ist die Grundlage einer laufenden Cloud-Umgebung (Masek et al. 2018). Moderne IaC-Tools bieten Entwicklern mehrere Möglichkeiten, die Bereitstellung und Konfiguration der Cloud-Infrastrukturen zu automatisieren (Hummer et al. 2013). Terraform¹, CloudFormation², Chef³, Puppet⁴ oder Ansible⁵ sind nur einige der vielen Tools, die helfen IaC in den Entwicklungsprozess zu integrieren. Obwohl IaC den Entwicklern den direkten Zugriff auf die CSP-Plattform erspart (mit Ausnahme von CloudFormation), benötigt es die manuelle Erstellung des Bereitstellungs- und Konfigurationscodes, um die Cloud-Infrastruktur zu verwalten (Bhattacharjee et al. 2018). Da jedes der IaC-Tools ein spezifisches Design hinsichtlich Syntax, Semantik und Formatierungsregeln hat, müssen Entwickler einen Code schreiben, der die Anforderungen des ausgewählten Tools erfüllt (Bhattacharjee et al. 2018). Je nach spezifischem Anwendungsfall sind einige von ihnen möglicherweise besser geeignet als andere. Daraus ergibt sich das folgende Problem in der Praxis:

Es stehen mehrere IaC-Tools zur Verfügung, um die Bereitstellung und Konfiguration der Cloud-Infrastruktur zu automatisieren und mit der Fülle an Auswahlmöglichkeiten wird der Auswahlprozess des geeigneten IaC-Tools schwierig.

Daraus lässt sich folgende Frage ableiten, welche in diesem Artikel thematisiert wird:

Wie ist es möglich, den Auswahlprozess für das geeignete IaC-Tool zu unterstützen?

Im Zuge der Weiterentwicklung des CC hat sich der IaC-Ansatz etabliert und die Management-Performance von Cloud-Infrastrukturen hat sich verbessert (Alt et al. 2017). Das Ziel von IaC ist es, den IT-Betrieb zu vereinfachen, indem der Zeit- und Arbeitsaufwand für die Bereitstellung, Konfiguration, Aktualisierung und Wartung der Dienste verringert wird (Morris 2016). Aufkommende Probleme sollen schnell erkannt und behoben werden und alle Systeme sollen konsistent und auf dem neuesten Stand gehalten werden (Morris 2016). Der Einsatz von IaC soll die Hürden für Änderungen an der Infrastruktur senken. Das IT-Personal sollte dann weniger Zeit für Routineaufgaben und mehr Zeit für die Erfüllung der sich ständig ändernden Anforderungen der heutigen Geschäftswelt aufwenden können (Morris 2016). IaC folgt den Grundprinzipien der Softwareentwicklung und zielt auf Automatisierung für die Bereitstellung und Konfiguration von virtuellen und physischen Infrastrukturkomponenten ab (Hummer et al. 2013; Spinellis 2012). Es stellt einheitliche, reproduzierbare Muster für die Bereitstellung und Modifikation von Cloud-Infrastrukturen und deren Konfiguration zur Verfügung (Morris 2016). IaC ermöglicht es Unternehmen, Tools zur Softwareentwicklung wie Versionskontrollsysteme, automatisierte Testbibliotheken und verschiedene andere Tools zur Verwaltung ihrer Cloud-Infrastruktur einzusetzen (Morris 2016). Die Bereitstellung und Konfiguration der Cloud-Infrastruktur kann durch die Spezifikation des Programmcodes innerhalb der IaC-Tools festgelegt werden (Spinellis 2012). Zu den Bereitstellungs- und Konfigurationsspezifikationen gehören die erforderlichen Bibliotheken oder Server, die Menge des RAM oder die CPU-Geschwindigkeit für eine virtuelle oder physische Infrastrukturkomponente (Jiang und Adams 2015). Unternehmen verwenden IaC-Tools, um neue Cloud-Infrastrukturen einzurichten, bestehende zu erweitern oder solche zu reparieren, deren Einstellungen nicht mehr gültig sind (Spinellis 2012). In allen Fällen liefert die Spezifikation eine präzise, ausführbare Dokumentation der Einstellungen der Cloud-Infrastruktur (Spinellis 2012).

Mit IaC ist es möglich, jedes beliebige Element der Cloud-Infrastruktur schnell zu reproduzieren, da alles innerhalb eines Skripts erfasst ist (Morris 2016). Durch diese Ermöglichung können die Risiken und Ängste, die sonst mit Änderungen verbunden sind, eliminiert werden (Morris 2016). IaC erfordert, dass die Systeme unter der Annahme entworfen werden, dass sich die Cloud-Infrastruktur im Laufe der Zeit ändert und sich an die ändernden Bedürfnisse anpasst (Morris 2016). Selbst wenn Server wegfallen oder skaliert werden, sollen Anwendungen weiterhin laufen (Morris 2016). Die nützliche Eigenschaft von IaC-Tools, Cloud-Infrastruktur-Ressourcen einfach zu erstellen, zu löschen, zu ersetzen, zu skalieren und zu verschieben, erleichtert die Verbesserung und Anpassung der laufenden Cloud-Infrastruktur (Morris 2016). Auf diese Weise werden die Services ausfallsicherer (Morris 2016). Ein weiteres Prinzip des IaC ist die Konsistenz der Cloud-Systeme (Morris 2016). Die Konfiguration von Cloud-Elementen, die einen ähnlichen Dienst bereitstellen, sollte identisch sein (Morris 2016). Da es keine Inkonsistenzen gibt, können Unternehmen ihrer Automatisierung vertrauen (Morris 2016). Zudem basiert IaC auf dem Prinzip der Reproduzierbarkeit, was bedeutet, dass alle Maßnahmen, die an der Cloud-Infrastruktur durchgeführt werden, wiederholbar sind (Morris 2016).

Die Automatisierung der Bereitstellung und Konfiguration von Cloud-Infrastrukturen ist ein relativ neues Forschungsgebiet, und es gibt keine umfassenden Untersuchungen zur Auswahl des geeigneten IaC-Tools. Daher wurde eine Fallstudie durchgeführt, die dem Leitfaden von (Eisenhardt 1989) folgt, der einen Fahrplan für die Entwicklung von Theorien aus der Fallstudienforschung vorschlägt. Abb. 1 fasst den Forschungsansatz zusammen.

In dieser Studie wird ein multinationales Versicherungsunternehmen (MVU) untersucht welches mit über 9000 Mitarbeitern zu den führenden Versicherern in Deutschland zählt. Die Studie folgt einem qualitativen Ansatz und die Daten wurden nach (Eisenhardt 1989) durch eine Kombination aus Beobachtungen, Dokumentation und Interviews erhoben. Diese Daten stammen aus der Abteilung „IT-Produkte und -Dienstleistungen“ und wurden in einem Zeitraum von sechs Monaten erhoben. Der Forscher nahm am täglichen Leben des MVU teil und beobachtete bestimmte Verhaltensweisen, darunter Gespräche mit Mitarbeitern, Besprechungen und Aktivitäten. Die Teilnahme des Forschers am täglichen Leben des Unternehmens erleichterte auch die Sammlung dokumentarischer Informationen, wie z. B. Präsentationen im Zusammenhang mit der CC-Toollandschaft, Prozessbeschreibungen, Tagesordnungen und Ankündigungen.

Darüber hinaus wurden Interviews mit Experten aus dem CC-Bereich geführt, wie sie in der Fallstudienforschung (Yin 2014) üblich sind. Ziel der Interviews in dieser Untersuchung war es, ein tieferes Verständnis des aktuellen Prozesses der Bereitstellung von Cloud-Infrastrukturen und der Konfigurationsautomatisierung im MVU zu gewinnen. Dabei ging es darum zu verstehen, welche Aspekte der verwendeten IaC-Tools die Organisation dazu veranlasst haben, diese zu verwenden. Darüber hinaus werden Aspekte identifiziert, die aus Sicht der Befragten zu Unzufriedenheit führen, und es werden, wenn möglich, Vorschläge zur Verbesserung des aktuellen Prozesses und der verwendeten IaC-Tools ermittelt. Zur Erreichung dieser Ziele wurden sechs halbstrukturierte Interviews mit Mitarbeitenden durchgeführt, die entweder direkt mit den IaC-Instrumenten oder im CC-Umfeld arbeiten und daher über Expertenwissen verfügen. Die Interviewlänge betrug jeweils zwischen 30 und 90 min. Die Interviews wurden im Zeitraum von Januar bis Februar 2020 durchgeführt. Tab. 1 enthält allgemeine Informationen zu den Interviews und den Interviewpartnern.

Da die Automatisierung der Bereitstellung und Konfiguration von Cloud-Infrastrukturen ein relativ neues Forschungsgebiet ist, haben sich nur wenige Artikel mit dieser Technologie befasst. Insbesondere der Mangel an Unterstützung bei der Auswahl von IaC-Tools zeigte, dass weitere Forschung auf diesem Gebiet wünschenswert ist. Daher konzentrierte sich diese Forschung auf diesen speziellen Bereich, erweiterte das Forschungsthema und lieferte wertvolle Erkenntnisse, die es Forschern ermöglicht, neue Forschungslücken zu identifizieren. Die Auswahlkriterien für IaC-Tools und der vergleichende Überblick, können Unternehmen bei der Auswahl des geeigneten Instruments helfen und Fehlentscheidungen verhindern, die sonst zu Ineffizienz oder Unzufriedenheiten führen. Darüber hinaus kann kein IaC-Tool alle Bedürfnisse eins Unternehmens vollständig erfüllen (vgl. I2, l. 460–463). Die meisten Tools haben in einem hochdynamischen Umfeld noch immer ihre Schwächen (vgl. I3, L. 241–233). Je nach Komplexität der Cloud-Infrastruktur ist es erforderlich, dass mehrere Tools gleichzeitig eingesetzt werden oder die fehlende Funktionalität selbst entwickelt wird (vgl. I3, L. 361–363). Diese Untersuchung versucht, den Auswahlprozess durch eine Anleitung zur Auswahl des richtigen Werkzeugs zu unterstützen. Die daraus resultierenden Erkenntnisse sind insbesondere für Unternehmen, die eine Automatisierung der Cloud-Infrastruktur anstreben, von Bedeutung. Darüber hinaus tragen die Ergebnisse auch zur zukünftigen Forschung in diesem speziellen Bereich bei. Die Generalisierbarkeit dieser Forschung ist begrenzt, da der Forschende die Ergebnisse in einer einzigen Fallstudie erfasst hat, was zur Repräsentation einer einzigen empirischen Tatsache führt. Die Verallgemeinerbarkeit der Ergebnisse eines einzelnen Falles in anderen empirischen Fällen ist möglich, indem zusätzliche Studien durchgeführt und diese Ergebnisse in anderen Fallstudien bestätigt werden (Darke et al. 1998). Daher ist es ratsam, dieses Forschungsthema auch in anderen Branchen zu untersuchen, in denen IaC-Tools zur Automatisierung der Cloud-Infrastruktur eingesetzt werden.