京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13