
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
解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07