京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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