Microsoft Azure: Ausfallprognosen senken VM-Unterbrechungen um 36 %

So funktioniert Azure Failure Prediction and Detection

Azure Failure Prediction and Detection, kurz AFPD, ist laut Mark Russinovich, Chief Technology Officer von Microsoft Azure, seit 2024 vollständig in Betrieb. Das System soll einen reaktiven Prozess ersetzen, bei dem zunächst eine Komponente ausfällt, ein Workload unterbrochen wird und Techniker den Fehler untersuchen, bevor ein Neustart oder Hardwareaustausch erfolgt.

Das System arbeitet in drei Phasen. Zunächst überwachen Modelle für maschinelles Lernen und Erkennungsregeln die Telemetriedaten der gesamten Azure-Flotte. Dazu gehören das Verhalten von Knoten, Signale von Komponenten und Indikatoren wie der Zustand von Solid State Drives. Wird ein Knoten als problematisch eingestuft, markiert AFPD ihn als nicht verfügbar für neue Workloads und migriert, sofern möglich, bestehende Kunden-Workloads live auf einen gesunden Knoten. Microsoft zufolge führt dies normalerweise nur zu einer Pause von wenigen Sekunden und erfordert keinen Neustart.

Wenn eine Live-Migration nicht möglich ist, stellt Azure in Resource Health und Scheduled Events der virtuellen Maschine eine Benachrichtigung mit einer Frist für die erneute Bereitstellung und einer empfohlenen Maßnahme bereit. Anschließend wird der betroffene Knoten aus dem Produktivbetrieb genommen, diagnostiziert, mit proaktiv bereitgestellten Ersatzteilen repariert und wieder in die Flotte aufgenommen.

Messbare Verbesserungen und Unterstützung für SAP-Workloads

Microsoft zufolge hat AFPD die monatliche Reparaturrate von Knoten um 80 % erhöht und die Gesamtzahl der Hardware-Neustarts um mehr als 36 % reduziert. Für seinen Ansatz zur Vorhersage, Eindämmung und Behebung von Knotenunterbrechungen in großem Maßstab erhielt das System außerdem den Best Paper Award beim 2025 IEEE Cloud Summit.

SAP-Workloads sind ein prominentes Beispiel, weil sie Finanz-, Lieferketten- und Betriebssysteme unterstützen können, bei denen kurze Ausfallzeiten erhebliche Folgen haben können. Microsoft bezeichnet SAP als anschaulichen Beleg für den Nutzen von AFPD, nicht jedoch als ausschließlichen Schwerpunkt des Systems.

AFPD arbeitet in den Angeboten General Purpose und Specialized Compute von Azure Compute, bei HPC/AI-Workloads und in ausgewählten Storage-Szenarien. Microsoft zufolge läuft das System automatisch in der gesamten Flotte. Es handelt sich weder um eine separat kostenpflichtige Stufe noch um eine Funktion, die Kunden auf Infrastrukturebene konfigurieren müssen.

Benachrichtigungskanäle bieten Kunden Optionen für den Betrieb

Azure stellt AFPD-Erkenntnisse über Resource Health, Resource Graph Explorer, Event Grid und Scheduled Events bereit. Resource Health liefert Details und empfohlene Maßnahmen für einzelne virtuelle Maschinen, während Kunden mit Resource Graph Explorer den Zustand einer gesamten Flotte abfragen können. Event Grid kann Änderungen über Azure Functions, Webhooks oder REST-APIs an Überwachungs- und Automatisierungssysteme senden.

Scheduled Events können über IMDS frühzeitige Benachrichtigungen zu virtuellen Maschinen bereitstellen. Dadurch können konfigurierte SAP-Cluster mit hoher Verfügbarkeit Ressourcen von betroffenen Knoten weg verschieben. Microsoft zufolge ist der Inhalt der Benachrichtigungen in Resource Health, Resource Graph und Event Grid identisch. Kunden können den Kanal daher abhängig von Umfang und Integrationsanforderungen auswählen.

Für Nutzer, die SAP oder andere geschäftskritische Workloads auf Azure betreiben, empfiehlt Microsoft zu prüfen, ob AFPD-Ereignisse über diese Kanäle verarbeitet werden, und eine Automatisierung für Scheduled Events vorzubereiten. Dies gilt auch für Ereignisse mit einer NotBefore-Zeit bis zu sieben Tage in der Zukunft.