数据中心整合的吸引力和挑战

数据中心整合的吸引力和挑战

• 来源:网络
• 更新日期:2020-08-11

摘要：数据中心整合一直是数据中心增长和管理的关键因素。能够100%使用和共享每台服务器，有助于控制硬件、电源、冷却和物理数据中心空间的螺旋式上升的成本。 巩固的钟摆只能摇

数据中心整合一直是数据中心增长和管理的关键因素。能够100%使用和共享每台服务器，有助于控制硬件、电源、冷却和物理数据中心空间的螺旋式上升的成本。

巩固的钟摆只能摇摆到现在。有价值，但是在某些情况下，企业可能需要重新考虑整合，并考虑只有更多硬件才能提供的好处。

将资源和服务放置在主要数据中心之外是对网络局限性，规模和冗余性对于组织至关重要的情况的合理响应。重要的是要分别考虑每种情况及其备选方案，并做出最适合业务的选择。

整合的吸引力和挑战

服务器虚拟化与管理程序软件的结合提供了扩展的处理器命令集，以从底层计算硬件中提取应用程序。

将物理计算资源转换为逻辑等效项后，工作负载就可以使用比以往更多的可用资源，并以通过在裸机上安装应用程序所无法实现的方式共享这些资源。

自从引入服务器整合以来，虚拟化已发展为扩展并支持其他资源的整合，包括I/O和网络元素，并允许更多共享有限数据中心容量。

随着虚拟化和整合缩小公司数据中心的规模，企业可能会意识到，整合并非总是追求单一目标。

整合已成为某些组织必不可少的好处，但是数据中心整合最终会遇到以下物理限制的严峻现实：

服务器内部存在物理限制。跨基础架构共享的内存和CPU周期数量有限。虚拟化可以在一定程度上共享那些有限的资源，但并非没有VM的性能下降风险。

跨网络存在物理限制。管理员可以共享可用带宽，但是总网络带宽是有限的。在可接受的时间范围内跨全球距离交换数据需要足够的带宽，并引入了不希望的延迟物理限制。

操作可靠性存在物理限制。服务器、存储和网络设备最终会失效。其后果可能会影响重要的数据中心基础设施和系统上的所有虚拟机。在传统的物理服务器部署中，服务器故障仅影响托管应用程序。在运行8个或10个虚拟机的整合服务器中，相同的服务器故障将影响所有这些虚拟机。

被数据中心整合阻碍的用例

业务和IT领导者可以在几个关键使用案例中提出令人信服的反对整合的理由，这些案例取决于基础设施的恢复能力、距离、规模和隔离程度。

弹性

冗余工作负载部署是提高工作负载吞吐量的常见做法。这有效地使应用程序使用负载平衡器执行跨重要实例的流量集中化的重要工作。尽管重复实例的数量提高了冗余性，但是选择部署位置（物理服务器）定义了应用程序的弹性。

如果企业的策略是提高工作负载吞吐量，则重复的实例可能会位于同一台整合服务器上。但是，这通常被认为是不好的做法，因为潜在的系统故障可能会停止这些额外的工作负载实例。

当目标包含应用程序弹性时，最佳实践表明组织切勿在同一硬件设置上找到重复的VM实例。相反，每个冗余工作负载实例应位于不同的服务器上。

为实现弹性而设计的关键任务应用程序需要至少两个服务器，这些服务器要轻负载并配置为采用关联性/反关联性管理程序选项，以确保实时迁移或重新启动不会无意中将实例定位在同一硬件上。

灾难恢复设置也出现了类似的反对整合的推动，其中重复的工作负载实例可能位于第二个/远程数据中心站点甚至公共云中的第二个服务器上。

边缘计算和物联网

组织正在拥抱越来越多的重要数据，以制定关键的业务决策，进行研究并运营关键任务设施。但是，就网络延迟、带宽和可靠性而言，数据存储和处理给单个集中式数据中心带来了严峻的挑战。

考虑一个制造工厂。企业不太可能在制造工厂内建立其数据中心。该设施产生的所有传感器数据，以及用于管理和操作该设施的一定水平的命令和控制信号，都必须通过WAN转移到整合的数据中心。

较大的地理距离和庞大的网络设备所导致的网络延迟可能会使实时控制出现问题。同时，不可预见的WAN可用性中断（例如Internet拥塞）可能使集中式数据收集和控制变得不稳定。

在主数据中心之外并靠近实际设施，位置或任务的地方，一定级别的计算和存储资源的部署有可能缓解网络依赖性的挑战；这通常称为边缘计算。

大数据和规模

繁重的数据处理工作量可能会给数据中心带来巨大压力。考虑到大数据项目可能需要数百甚至数千台服务器的计算能力，才能处理数兆字节甚至数PB的存储数据来完成可能只需要几个小时才能完成的任务。

当然，可以在主数据中心内部署物理服务器机架和部署一组虚拟机来处理此类要求苛刻的任务。除了大型企业外，支持大量服务器涌入的成本和基础架构可能是一项艰巨的任务，这尤其令人望而却步。

组织通常不会为建立大数据项目的主要数据中心进行长期资本投资，而是经常将替代计算和存储资源（例如公共云）作为短期运营支出。该技术无需大量资金投入即可提供规模。

私有云和混合云

云计算的出现几乎不仅限于AWS、Azure和Google。组织正在拥抱私有云，以反映不断变化的业务需求。新的服务和自助服务功能使员工和业务合作伙伴可以将应用程序和服务用作组织业务模型的一部分，而不必等待IT部门予以实施。

私有云甚至混合云的引入也面临着在大数据用例中发现的规模挑战。大多数数据中心都是实时部署，依赖于日常操作中的一致性、规律性和可控性。

企业不太可能将这些生产资源重新分配给私有云基础架构，并且企业拥有多余的计算和存储资源可用于从头构建可扩展的私有云的可能性更低。

一种选择是在其他私有云基础架构上进行资本投资，但是这种方法还有其他选择。企业可以在主要数据中心之外使用各种私有云服务。

公共云提供商可以提供虚拟私有云服务。例如，企业可能使用Amazon或GoogleVirtualPrivateCloud等服务。除了主要的公共云提供商之外，组织还可以实施VMware、思科和IBM等第三方提供商提供的私有云即服务。