《虚拟数据中心构建指南》——1.3  虚拟化生态系统

简介: 本节书摘来自华章出版社《虚拟数据中心构建指南》一 书中的第1章,第1.3节,作者:(法)麦里(Maillé, V.),(法)门内尔(Menecier, R. F.)著;姚军等译.更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.3 虚拟化生态系统

下面几节提供虚拟化生态系统和各种解决方案的快速概览。
1.3.1 服务器虚拟化

必须区分裸机虚拟化产品和主服务器上的(称为基于主机的(host based)产品。服务器上基于主机的虚拟化应用可以用于测试,但是决不能用于生产。如果基于主机的版本投入生产,副作用是灾难性的,但是它们作为测试环境是很有趣的。

这类产品中著名的有:
Microsoft Virtual Server 2005、Vitrual PC
VMware server
VMware Workstation、VMware Player、VMware ACE、VMware Fusion(Mac版本)

在裸机(bare-metal)虚拟化应用程序中,虚拟化层直接安装在硬件上,安装从CD-ROM启动开始,与传统操作系统的安装方式相同。只有这些解决方案经过了优化,可以用于生产环境。它们和操作系统一样安装于硬件上。

下面是主要的裸机虚拟化解决方案:
VMware vSphere
Microsoft Hyper-V
Citrix XenServer
Oracle VM
Red Hat KVM

尽管Citrix XenServer、Oracle VM、Red Hat KVM效果不错,但是市场关注的是Microsoft和VMware之间的争斗。VMware在虚拟化市场上处于领先,在技术上也走在Microsoft的前面。

VMware目前在大公司中确立了很高的地位,在这方面它处于准完全的统治地位。它在生产环境中达到了很高的成熟度,并且很好地与数据中心的各种软硬件元素集成,这是一个很大的优势。

Microsoft提供Hyper-V,这个解决方案很适合于当今的SMB,但是无法为大公司提供VMware的所有高级功能。

1.3.2 桌面虚拟化

工作站虚拟化使每个用户远程登录到位于数据中心的一个虚拟机。远程访问也可以通过许多硬件解决方案实现,如传统PC、便携电脑、低速终端甚至智能手机,不需要在客户端工作站上作任何配置。

下面是目前最有名的解决方案:

VMware View
VMware WSX(新的VMware项目:通过HTML5技术的Windows桌面)
Citrix XenDesktop
NEC Virtual PC Center
Quest vWorkspace
Systancia AppliDis Fusion
Neocoretech NDV

对于便携电脑和台式机,客户端-虚拟化管理器类型的解决方案可以直接安装在现有硬件之上,这些解决方案可以让多个相互隔离的VM运行于单个PC上。有了这样的解决方案,用户可以使用多个不同且完全隔离的环境(例如,一个映像用于专业用途,另一个用于私人用途),并且可以通过集中的管理控制台进行控制。

现有的解决方案有:
Citrix XenClient
Virtual Computer NxTop(现在是Citrix的一部分)

1.性能和容量规划

当在虚拟环境中使用关键应用时,具备用于监控性能和容量规划的工具是很重要的。

以虚拟环境为中心的主要软件工具包括:
VMware vCenter Opterations Management Suite
Quest vFoglight(已被Dell收购)
Orsyp Sysload
vKernel(被Questr Software公司收购,因此现在归属Dell)
Veeam One
Xangati

2.P2V转换工具

迁移项目需要使用将物理机器转换为虚拟机器的工具。这种迁移称作物理-虚拟转换(Physical to Virtual,P2V)。

下面是最著名的P2V工具:
VMware vCenter Converter
Vizioncore vConverter
HP Server Migration Pack
Plate Spin Migrate(Novell)

3.备份
传统备份解决方案可用于虚拟环境。许多制造商提供了非常适合这类环境的解决方案。下面是最流行的产品:
EMC Avmar
Symantec NetBackup
Veeam Backup
IBM Tivoli Storage Manager TSM
VMware Data Recovery
Quest vRanger Pro
Comm Vault
Acronis vmProtect

这些备份解决方案一般不需要代理,它们与VMware提供的API接口,提供无缝集成。某些解决方案允许在虚拟机中进行文件级恢复并提供重复数据删除。

4.云套件

几年前新推出的刀片服务器管理通过重新组合同一个机架上的多台服务器,简化了它们与数据中心的集成(减少电缆、减少占地面积、减少电力消耗等)。云套件的想法与此类似,但是打包了硬件和软件级别的解决方案,可用于整个数据中心。整个套件可以立即投入使用,集成了部署和调整工具,目标是减少虚拟化环境在工业化平台上的交付时间。所有主要的IT厂商都提供了基于这个模型的产品。

私有云方面的产品包括:
Vblock(EMC/VMware/Cisco联盟)
FlexPod(NetApp/VMware/Cisco联盟)
IBM Cloudburst
Oracle Exadata/Exalogic
Dell vStart
HP CloudSystem

公共云方面的产品包括:
Google
Amazon
Microsoft
Salesforce.com

5.云数据存储
对于这种新服务,任何内容都能自动地存储于云中,所以数据可以从任何地方、任何类型的终端(例如,PC、智能手机、平板电脑)访问。这些解决方案广泛流行。与改动发生之后,数据立刻在不同的终端之间自动同步(这也加强了数据的安全)。这使得多个用户需要修改相同文档的工作更容易协同进行。

注意:我们用Dropbox服务编写本书,用这种方法很容易共享我们的文件。
下面是此类著名的解决方案:
Dropbox
Oxygen
VMware Project Octopus
Apple iCloud
Ovh hubiC
EMC Syncplicity

1.4 美好的明天

正如你所看到的,当今的数据中心虚拟化环境有着庞大的生态系统。这些解决方案支持计算的根本变革,即用更少的资源提供更高的效率。但是,仅靠虚拟化并不能解决IT人员面临的所有问题,实际上,如果没有合适的管理,虚拟化可能造成一些问题。因此,在规划虚拟化策略时,重要的是建立VM生命周期,恰当地管理资源分配,减少虚拟化蔓延的现象。从一开始就与各个方面的IT人员协作,包括存储、网络和安全小组,你的虚拟化项目就能够成功。

今天的挑战与前10年不同,因为需求也不一样了。即时新闻和社会化网络生成了难以管理的海量数据。因此,必须为转向云计算服务铺平道路,构建新一代的数据中心,迎接新的挑战。

相关文章
|
1月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
22天前
|
安全 调度 KVM
minos 4.6 中断虚拟化——虚拟中断子系统
Hypervisor 需要对每个虚机的虚拟中断进行管理,这其中涉及的一系列数据结构和操作就是虚拟中断子系统
17 5
|
1月前
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
1月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】在数据中心的运营成本中,冷却系统占据了相当一部分。为了提高能效和降低成本,本文提出了一种基于机器学习的方法来优化数据中心的冷却系统。通过对大量历史数据的分析和挖掘,我们设计了一个预测模型,用于实时监控和调整数据中心的温度。实验结果表明,该方法可以有效降低能耗,提高数据中心的运行效率。
|
1月前
|
机器学习/深度学习 数据采集 存储
提升数据中心能效:采用机器学习优化冷却系统
【5月更文挑战第28天】在数据中心的运营成本中,冷却系统的能源消耗占据了显著比例。随着能源价格的不断上涨和可持续发展的需求日益增长,如何降低这一开支成为业界关注的焦点。本文将探讨利用机器学习技术对数据中心冷却系统进行优化的方法。通过分析历史数据和实时监控,机器学习模型能够预测冷却需求并动态调整系统设置,以实现最佳的能效比。这种方法不仅能减少能源消耗,还能提高系统的可靠性和稳定性。
|
1月前
|
机器学习/深度学习 传感器 监控
利用机器学习优化数据中心冷却系统
【5月更文挑战第27天】 随着数据中心能耗的不断攀升,尤其是冷却系统的能源消耗占据了相当一部分比例,如何通过智能化手段提高冷却效率成为行业关注焦点。本文提出了一种基于机器学习技术的数据中心冷却系统优化方案,通过实时监控和数据分析,动态调整冷却策略,以达到节能减排的目的。实验结果表明,该方案能有效降低数据中心的PUE值(功率使用效能比),为绿色计算提供可行的技术路径。
|
26天前
|
前端开发 安全 Linux
【虚拟化】典型虚拟化系统
【虚拟化】典型虚拟化系统
23 0
|
26天前
|
监控 安全 调度
【虚拟化】系统虚拟化的主要功能和分类
【虚拟化】系统虚拟化的主要功能和分类
86 0
|
26天前
|
Linux KVM 虚拟化
系统虚拟化基本概念与发展历史和趋势展望
系统虚拟化基本概念与发展历史和趋势展望
57 0
|
1月前
|
机器学习/深度学习 算法 数据中心
利用机器学习优化数据中心冷却系统
【5月更文挑战第29天】 在数据中心的运营成本中,冷却系统占据了显著的比重。随着能源价格的不断攀升以及可持续发展的需求日益增加,开发高效、节能的冷却技术变得至关重要。本文将探讨如何应用机器学习算法来优化数据中心的冷却系统性能。通过对历史温度和负载数据的分析,我们训练了一个预测模型来动态调整冷却需求,实现按需冷却。结果显示,使用机器学习方法可以有效减少能耗,同时保持适宜的操作环境。