
云计算需构建虚拟化基础 IT应注重数据分析
在云计算、大数据被热炒的趋势下,中集青岛冷藏产业基地并没有盲目跟风,而是稳扎稳打的走着自己的虚拟化之旅,借助虚拟化技术打造属于自己的IT即服务平台。中集青岛冷藏产业基地信息中心主任耿峰在接受采访时表示,使用虚拟化整合后最明显的优势就是可以快速统一部署服务器提高使用效率,并且会在未来IT架构的建设上要更多的考虑数据存储及分析等问题。
服务器虚拟化提升三大效率
中集青岛冷藏产业基地信息化建设早已经开始,2007年实现服务器虚拟化,耿峰指出,“企业的硬件设备如服务器从之前需要30多台到现在的40多台。”2010年开始部署企业私有云。其中每一个技术或平台的实施都与其成长与业务的发展息息相关。经过10多年信息化建设中集青岛冷藏产业基地的IT地位也从业务牵动转向战略牵引,逐步迈向信息化企业。
其中虚拟化的实施是耿峰最为津津乐道的,“使用虚拟化整合后最明显的优势就是可以快速统一部署服务器,并且使得低利用率的服务器负载整合到一台服务器,提高了硬件的使用效率。”耿峰指出,从原来的采购到安装系统、应用程序再到测试的3 – 10天,到现在紧紧不到30分钟就可以完成。并且遇到服务器宕机等问题,利用自动备份也不会影响业务的连续性。
耿峰详细介绍了X86服务器虚拟化整合后的三大明显提升:
节省35%-75% TCO:通过将整合多个物理服务器到一个物理服务器降低40%软件硬件成本,每个服务器的平均利用率从7%提高到60%-80%,并且降低70-80%运营成本,包括数据中心空间、机柜、网线,耗电量,冷气空调和人力成本。
提高运营效率:部署时间从小时级变为分钟级,服务器重建和应用加载时间从 20-40 hrs 至15-30 min,每年节省10,000 人/小时(300台服务器),以前硬件维护需要以前的数天/周的变更管理准备和1 - 3小时维护窗口,现在可以进行零宕机硬件维护和升级。
提高服务水平:帮助企业建立业务和IT资源之间的关系,使IT和业务优先级对应,将所有服务器作为大的资源统一进行管理,并按需自动低动态资源调配,和无中断的按需扩容。
但是,服务器虚拟化也存在不少挑战,像依赖硬件可用性、易发生人为错误、标准化困难、审核困难、需要数天,甚至数周等问题。“在做服务器虚拟时还要考虑好公司是否适合虚拟化,并且要制定虚拟化的规划和方案,利用已有的基础设备,以及对服务器虚拟化后运维。”耿峰强调。
IT架构需支撑未来的数据存储及分析
未来数量庞大且相互关联的创新可能就像一个都市丛林,云计算、大数据都可能是企业信息化建设是良好的契机。
2010年中集青岛冷藏产业基地开始的私有云之旅也是结合了客户端虚拟化,通过桌面虚拟化试用软件从集中位置来配置PC及其它客户端设备,方便集中管理计算机,让运维部门可以在数据中心加强对应用软件、系统补丁、杀毒软件的管理和控制。
一般来说,瘦客户机的功能由操作系统决定,硬件配置也为满足支撑操作系统而设计,因此操作系统大体上决定了设备的价格。耿峰指出,我们的后台服务器上安装了Windows Server操作系统,用户登录虚拟交付平台即可使用。并且后台服务器上安装的应用系统客户端(例如OA、核心业务)在虚拟交付平台上发布。
此外,如何更加创新地搭建一个架构来支撑这海量的数据,是中集青岛冷藏产业基地目前所需考虑的问题。而手机产生的数据还只是集中在虚拟化平台上做相应的简单分析,对于数据的价值没有得到最大的利用。耿峰认为,本着“张弛有道”的思想,未来在数据分析和挖掘的薄弱环节找到更多突破口。
对于数据的安全管理问题,耿峰也总结了几条经验:一是采取集中存储的模式。尤其是大数据时代的来临,集中存储对于数据管理和调取都是非常有好处的;二是建立整套的数据备份体系;三是定期容灾、定期做恢复性的演练,以及节点备份点。
虽然对于云计算的理解不尽相同,但是在构建云计算基础架构的道路中,服务器虚拟化几乎被公认为必经的一步。尽管服务器虚拟化这项技术最早并不是诞生于x86服务器上,但是随着x86服务器虚拟化技术的不断发展和生态系统的不断壮大,基于x86平台构建虚拟化,走向云计算已经成为大多数企业的首选。作为一条特殊的x86服务器产品线,IBM eX5服务器不仅具备x86的开放性和性价比,更具备独特的内存扩展功能、灵动分区以及极速存储技术,从而有效应对关键型虚拟化应用的内存和I/O灵活扩展和升级。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 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