
遏制数据中心衰退的三点建议
不是只有经济学家才能观察出,世界经济正面临着放缓衰退的势头;也不是只有那些天才或预言家才能断言,数据中心的预算也很有可能缩水。不管数据中心的预算会不会缩水,未雨绸缪总是没错的。行动起来,降低成本,这将是明智之举,Gartner公司的副总裁及研究员肯?麦基如是说。
早在去年, Gartner公司就提出了备战经济衰退的必要性。从那时起,部分地区局势已经出现了明显恶化趋势。
“我们用来研究的依据(如专家已经预测到国内生产总值可能会出现经济衰退)已经恶化到一定程度,这一因素有力地说服我们,是时候准备为客户削减IT成本了!”麦基说到。
麦基建议聘用专业工作人员制定IT成本削减的措施,并任命一名高级核数师(或会计师团队)专职记录项目组的表现。同时,每周召开例会向高级管理人员报告进展情况,与法律代表协商、咨询法律问题,使其在遇到可能会出现问题时,表现更加得心应手。这些削减成本的措施,确保不会导致增加贵公司的法律责任的负担。
因此,现在是时候采取措施解决数据中心衰退的现象,问题是你应该在哪些方面削减成本?
引入虚拟化
数据中心成本最重要的是电,没有之一(包括使用计算设备和冷却系统的电力)。虚拟化起到了关键的作用,可以减少整体用电量,因其减少了所需的电源和冷却的物理机器的数量。
承载虚拟机的单一物理服务器有时可代替两个、三个(有时更多)个未充分利用的物理服务器。虽然一台利用率在80
%物理服务器的用电量超过利用率在20 %的物理服务器
,但效能远远比20%的高得多,因为低利用率的服务器随附的四个磁盘驱动器,所以需要四个低效电源运行四个服务器,依此类推结果可想而知。
虚拟化也通过减少硬件的数量来节约成本,有些不必要的硬件往往成为累赘。使用越少的服务器,那么当它们寿终正寝时,更换的次数也会随之变少。幸亏有诸如微软和VMware等公司研制的先进虚拟机管理软件,让我们在设置和配置他们所花费的时间(以及相关的成本)远小于物理服务器管理。
其实,不仅服务器需要虚拟化。对于服务器受用的理论,存储系统也可兼而得之:存储虚拟化可以通过减少过度供应、减少磁盘和其他必须供电和冷却存储介质的数量、购置和更新来降低成本。
引入自动化
数据中心自动化需要大量的投资,但它同时也有显着的成本节约。在衰退时期应该谨慎看待一些因素,比如适中的价格区间和相对较快的投资回收期等。包括补丁管理、安全警报(反过来可能使远程操作成本降低)和一些劳动力繁复的任务,如密码重置。譬如,当一个企业中有大量员工需要使用IT来处理密码问题时,语音身份验证系统就可以显着降低这种密码重置所带来的能耗。此类系统会自动验证用户的身份以及重置相关密码。
任意一款优秀的自动化软件,总会给人们带来额外的惊喜。它可以降低处理任务所花费的工时数,这样,管理人员可以灵活选择是该降低数据中心的人力资源成本,还是将员工重新分配到其他任务中去,进一步落实削减成本系统,从创造一个虚拟的循环过程。
应用程序的整合
数据中心运行越多的应用程序,管理它们就会更加复杂、昂贵。因此,假设整合成尽可能少的几个应用程序,财政预算就会减少一大笔,当然,应用程序和所需的任务必须匹配上。如果这些都是开源的应用程序(有可能意味着是基于Linux的),就会有显着储存的潜在性,无论在操作系统和应用程序的许可证方面的费用,还是CALS①。
记住,技术支持的成本还在,微软等大型厂商的案例表明,开源软件的所有权的总成本不低于封闭源代码。但最起码,你可能能够从有封闭源代码的厂商使用开放源交换到更好的交易筹码。
无论是在宏观层面上看整个数据中心的运营方式的结构,从微观层面上的已有的些许变化,都会给我们很大的启发。例如,你可以就系统可用性设定自己“五个九”的目标,前提是评估一下是否真的有必要。要是达到这一目标的99.9 %,会降低多少成本?对整体的业务的盈利能力有什么影响?等等。
如果确定只有少数几个应用程序能保证99.999%的正常运行时间,那么就要考虑此数据中心是否是对于这些应用程序是否适用。如果低于此级别的服务,一个专门的应用服务提供商可能能够以固定的较低成本补偿给每个用户一些费用。反之,提供不必要的冗余是没有意义的,只会把钱付诸东流。
另外,数据中心运行的时长比本来需要的时间多。这时候便需要远程管理工具,你会发现在某些时候无人管理的数据中心突发情况,就需要工作人员“随叫随到”远程问题理清,一切尽在掌控之中。
最后, 有几个IT管理框架最佳案例值得一提,如IT基础设施库(IT Infrastructure
Library,ITIL)和Microsoft操作框架(Microsoft Operations Framework,MOF
)。框架与操作协调是一个中等长期的项目,但它们的目的是确保所有的IT服务(包括与数据中心相关的项目)尽可能高效地交付。
如果你能做到这些,为确保您的数据中心能够适应任何经济放缓导致的恶果,接下来还有很长的路要走。路漫漫其修远兮,吾将上下而求索。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23