反對數據中心整合的理由

數據中心整合一直是數據中心增加和管理的關鍵因素。可以100%使用和共享每臺服務器,有助於控制硬件、電源、冷卻和物理數據中心空間的螺旋式上升的成本。服務器

鞏固的鐘擺只能搖擺到如今。有價值,可是在某些狀況下,企業可能須要從新考慮整合,並考慮只有更多硬件才能提供的好處。網絡

將資源和服務放置在主要數據中心以外是對網絡侷限性,規模和冗餘性對於組織相當重要的狀況的合理響應。重要的是要分別考慮每種狀況及其備選方案,並作出最適合業務的選擇。架構

反對數據中心整合的理由

整合的吸引力和挑戰ide

服務器虛擬化與管理程序軟件的結合提供了擴展的處理器命令集,以從底層計算硬件中提取應用程序。性能

將物理計算資源轉換爲邏輯等效項後,工做負載就可使用比以往更多的可用資源,並以經過在裸機上安裝應用程序所沒法實現的方式共享這些資源。大數據

自從引入服務器整合以來,虛擬化已發展爲擴展並支持其餘資源的整合,包括I/O和網絡元素,並容許更多共享有限數據中心容量。雲計算

隨着虛擬化和整合縮小公司數據中心的規模,企業可能會意識到,整合並不是老是追求單一目標。設計

整合已成爲某些組織必不可少的好處,可是數據中心整合最終會遇到如下物理限制的嚴峻現實:blog

  • 服務器內部存在物理限制。跨基礎架構共享的內存和CPU週期數量有限。虛擬化能夠在必定程度上共享那些有限的資源,但並不是沒有VM的性能降低風險。
  • 跨網絡存在物理限制。管理員能夠共享可用帶寬,可是總網絡帶寬是有限的。在可接受的時間範圍內跨全球距離交換數據須要足夠的帶寬,並引入了不但願的延遲物理限制。
  • 操做可靠性存在物理限制。服務器、存儲和網絡設備最終會失效。其後果可能會影響重要的數據中心基礎設施和系統上的全部虛擬機。在傳統的物理服務器部署中,服務器故障僅影響託管應用程序。在運行8個或10個虛擬機的整合服務器中,相同的服務器故障將影響全部這些虛擬機。

被數據中心整合阻礙的用例內存

業務和IT領導者能夠在幾個關鍵使用案例中提出使人信服的反對整合的理由,這些案例取決於基礎設施的恢復能力、距離、規模和隔離程度。

彈性

冗餘工做負載部署是提升工做負載吞吐量的常見作法。這有效地使應用程序使用負載平衡器執行跨重要實例的流量集中化的重要工做。儘管重複實例的數量提升了冗餘性,可是選擇部署位置(物理服務器)定義了應用程序的彈性。

若是企業的策略是提升工做負載吞吐量,則重複的實例可能會位於同一臺整合服務器上。可是,這一般被認爲是很差的作法,由於潛在的系統故障可能會中止這些額外的工做負載實例。

當目標包含應用程序彈性時,最佳實踐代表組織切勿在同一硬件設置上找到重複的VM實例。相反,每一個冗餘工做負載實例應位於不一樣的服務器上。

爲實現彈性而設計的關鍵任務應用程序須要至少兩個服務器,這些服務器要輕負載並配置爲採用關聯性/反關聯性管理程序選項,以確保實時遷移或從新啓動不會無心中將實例定位在同一硬件上。

災難恢復設置也出現了相似的反對整合的推進,其中重複的工做負載實例可能位於第二個/遠程數據中心站點甚至公共雲中的第二個服務器上。

邊緣計算和物聯網

組織正在擁抱愈來愈多的重要數據,以制定關鍵的業務決策,進行研究並運營關鍵任務設施。可是,就網絡延遲、帶寬和可靠性而言,數據存儲和處理給單個集中式數據中心帶來了嚴峻的挑戰。

考慮一個製造工廠。企業不太可能在製造工廠內創建其數據中心。該設施產生的全部傳感器數據,以及用於管理和操做該設施的必定水平的命令和控制信號,都必須經過WAN轉移到整合的數據中心。

較大的地理距離和龐大的網絡設備所致使的網絡延遲可能會使實時控制出現問題。同時,不可預見的WAN可用性中斷(例如Internet擁塞)可能使集中式數據收集和控制變得不穩定。

在主數據中心以外並靠近實際設施,位置或任務的地方,必定級別的計算和存儲資源的部署有可能緩解網絡依賴性的挑戰;這一般稱爲邊緣計算。

大數據和規模

繁重的數據處理工做量可能會給數據中心帶來巨大壓力。考慮到大數據項目可能須要數百甚至數千臺服務器的計算能力,才能處理數兆字節甚至數PB的存儲數據來完成可能只須要幾個小時才能完成的任務。

固然,能夠在主數據中心內部署物理服務器機架和部署一組虛擬機來處理此類要求苛刻的任務。除了大型企業外,支持大量服務器涌入的成本和基礎架構多是一項艱鉅的任務,這尤爲使人望而卻步。

組織一般不會爲創建大數據項目的主要數據中心進行長期資本投資,而是常常將替代計算和存儲資源(例如公共雲)做爲短時間運營支出。該技術無需大量資金投入便可提供規模。

私有云和混合雲

雲計算的出現幾乎不只限於AWS、Azure和Google。組織正在擁抱私有云,以反映不斷變化的業務需求。新的服務和自助服務功能使員工和業務合做夥伴能夠將應用程序和服務用做組織業務模型的一部分,而沒必要等待IT部門予以實施。

私有云甚至混合雲的引入也面臨着在大數據用例中發現的規模挑戰。大多數數據中心都是實時部署,依賴於平常操做中的一致性、規律性和可控性。

企業不太可能將這些生產資源從新分配給私有云基礎架構,而且企業擁有多餘的計算和存儲資源可用於從頭構建可擴展的私有云的可能性更低。

一種選擇是在其餘私有云基礎架構上進行資本投資,可是這種方法還有其餘選擇。企業能夠在主要數據中心以外使用各類私有云服務。

公共雲提供商能夠提供虛擬私有云服務。例如,企業可能使用Amazon或GoogleVirtualPrivateCloud等服務。除了主要的公共雲提供商以外,組織還能夠實施VMware、思科和IBM等第三方提供商提供的私有云即服務。

【責任編輯:趙寧寧 TEL:(010)68476606】

相關文章
相關標籤/搜索