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
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26