数据中心IT资产管理最佳技巧

简介:

未充分使用的服务器、用不上的又昂贵的软件许可、功能跟不上的过时系统,这些浪费掉的资源几乎在所有的数据中心都能遇到。

未充分使用的服务器、用不上的又昂贵的软件许可、功能跟不上的过时系统,这些浪费掉的资源几乎在所有的数据中心都能遇到。

组织渴望更高的效率、自动化、整合与遵从,他们要对软硬件资产放在数据中心的什么位置门儿清。在构建好的业务策略与最佳实践的基础上,IT资产与库存管理工具ITAM收集、存储、分析并报道详细的硬件与软件信息。

看似微不足道的数据中心资产细节会增加企业的成本并产生性能问题。例如,一台运行Microsoft Windows Server 2012的服务器经常被IT团队忽视。但如果公司已经确定将Windows Server 2012 R2作为标准的操作系统版本,那么过时的操作系统将造成系统性能与兼容性问题,还会带来遵从问题,需要及时更新并进行许可。同理,一台已经服务六年的服务器已经超过其服务合同里的期限,或者拥有不足的计算资源运行最新的业务负载。IT团队就必须计划硬件升级或者替换。

IT资产管理最佳实践在不同数据中心表现不同。以下是如何为您的组织选择最佳的方案。

找你的代理商解决问题

ITAM平台收集了来自数据中心与办公室网络的系统操作细节。有些ITAM产品,如BMC公司的FootPrints或Zoho的ManageEngine AssetExplorer使用软件代理,其他的,如ServiceNow的Discovery或BDNA的Technopedia Discover是无代理的。至于是否该使用软件代理则公说公有理,婆说婆有理。

通常,代理对硬件系统与设备提供更深入的洞察。找寻用于异构或者远程数据中心的基于代理的ITAM.代理对单个系统有用,缓存细节,并将更改报告给中央ITAM服务器,而不用时时检查更改并吃掉网络带宽,就像无代理工具那样运作。

代理过去是侵入式的,对性能产生很大影响。但在如今的服务器与虚拟机中情况发生了变化,不过代理的代码需要维护并更新。无代理ITAM通过对中央服务器打补丁与更新进行维护,并不是对企业中的每个代理都维护。无代理的话,组织能以更少的政治阻止部署ITAM,因为对现有系统产生的更改不多。

在数据中心资产管理中使用基于代理的还是无代理的工具,其实不是一个孤注一掷的决定。组织将在需要或获得最佳收益的系统上部署代理,将剩余架构中将使用无代理对数据收集集中化。工具的选择与IT想要收集的信息都对作出是否采用代理的决策有影响。ManageEngine的AssetExplorer在同个产品中提供了基于代理与无代理的选项,方便组织作出决策。

整合后继续使用ITAM

在数据中心中,虚拟化通常降低了整体服务器数量。因此,为什么ITAM仍然那么重要?虚拟化、整合与其他融合基础架构包解决的是企业中的不同问题。ITAM的主旨在于通过融合IT与业务,提升效率,所以就算在虚拟环境也该继续使用。

使用ITAM提升业务流程,开发数据引导战略决策,确保软硬件的遵从,控制库存,并增加系统或工作负载可用性。

有些软件厂商要求周期性许可审计,确保用户遵从他们目前的条款。ITAM工具如果正确部署与配置,将会按照应用实例数量产生报告,包含目前每个实例的版本以及其他的关键细节。因此组织能够在厂商审计之前确保遵从、发现或者修复问题。

ITAM详细目录可在虚拟环境识别未经授权的软件。流氓与过时软件在高度整合环境中占据了之前的计算资源。某些情况下,未授权的软件很危险,如果没有检测到,将会带来安全与遵从风险。

大愿景

组织通常采用诸如ITAM技术解决具体问题:软件许可监管、不稳定硬件维护等等。随着时间推移,公司部署越来越多的工具用于追踪不同的任务,每个工具构建唯一的数据给不同的知识库。

其他处理,如物理存货跟踪系统(例如识别具体的服务器或其他系统),能孵化更多企业能抓住的工具与数据。

当组织收集好所有的IT资产数据,就应该将在使用的不同资源与工具获得的数据进行比较或关联。

实施几个ITAM平台与产品——这是一种最不受欢迎的成本与劳动力部署场景——几乎不产生兼容数据或以通用方式存储数据的方法。甚至在工具与Microsoft System Center Configuration Manager或其他通用管理应用集成时就已存在不兼容情况。结果呢?多个不兼容目录散落在不同服务器中,被那些不太关注数据的独立业务单元掌控。

某公司可能统一或将每个ITAM工具的数据结盟,产生一个更完整的资产管理蓝图。这是一个非常复杂的事业。就算数据格式的兼容的,追踪到相同的资产细节,那么每个数据集的内容必须进行调解。多个工具将报告相同的操作系统愿景,但列表却不同。例如DLL与驱动文件,这两个工具都不能报告操作系统许可状态的明确信息。

在统一ITAM数据时会花费大量手工。IT团队必须定位、比较并评估数据存储,最终创建一个单独的统一目录,以便让每个ITAM工具使用。组织引入专业的ITAM顾问服务,帮助管理数据清理与数据架构,并确定适当位置的目录、目录里的数据以及该目录是否能进行合并或者对比。

本文转自d1net(转载)

目录
相关文章
|
1月前
|
监控 安全 网络安全
|
6月前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
126 5
|
6月前
|
机器学习/深度学习 运维 算法
利用机器学习优化数据中心的能效管理
【4月更文挑战第30天】在数据中心的运营成本中,能源消耗占据了一个显著的比例。随着能源价格的上升和环境保护意识的增强,如何降低能源消耗成为数据中心管理者们面临的一个重要挑战。本文探讨了一种基于机器学习的方法来优化数据中心的能效管理,通过分析历史数据和实时监测数据,动态调整资源分配和冷却策略,以实现能源消耗的最小化。
|
6月前
|
机器学习/深度学习 资源调度 算法
利用机器学习优化数据中心的能效管理
【5月更文挑战第31天】 在数据中心管理和运营中,能效优化是降低运营成本和减少环境影响的关键。本文提出了一种基于机器学习的方法来动态调整数据中心的资源分配,旨在提高整体能源效率。该方法通过分析历史数据和实时负载信息,预测未来工作负载并相应地调整硬件配置。实验结果表明,与传统的静态管理策略相比,所提出的动态管理策略可以显著降低能耗,同时保持服务质量。
|
6月前
|
机器学习/深度学习 缓存 算法
深入理解操作系统的虚拟内存管理利用机器学习技术优化数据中心能效
【5月更文挑战第25天】 在现代计算机系统中,虚拟内存是允许用户程序逻辑地址空间与物理内存解耦的关键概念。它为每个进程提供了一个独立的、连续的地址空间,通过内存管理单元(MMU)硬件的支持,将程序使用的虚拟地址映射到实际的物理内存地址。这种机制不仅简化了程序的编写和内存的管理,还提供了保护机制,防止不同进程之间的相互干扰。本文将探讨虚拟内存的工作原理、分页系统的实现以及虚拟内存带来的性能影响,并讨论操作系统如何优化内存使用和管理。
|
6月前
|
机器学习/深度学习 存储 算法
利用机器学习优化数据中心的能效管理
【5月更文挑战第23天】在本文中,我们探讨了一种基于机器学习的方法来优化数据中心的能效管理。通过分析历史数据,我们的模型能够预测数据中心的能源需求,并据此调整能源分配,以达到节能和提高能效的目标。这种方法不仅能够降低运营成本,还能减少对环境的影响。
|
6月前
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。
|
6月前
|
机器学习/深度学习 存储 大数据
利用机器学习优化数据中心的能效管理
【2月更文挑战第17天】 在数据中心的运营过程中,能效管理是维持可持续性和成本效益的关键。本文探讨了一种基于机器学习的方法来优化数据中心的能源使用效率。通过分析历史能耗数据和实时工作负载信息,构建了一个预测模型来指导冷却系统的动态调整,以减少不必要的能源消耗。实验结果表明,该方法能够有效降低能耗,同时保证数据中心的性能和可靠性。
70 2
|
存储 资源调度 Kubernetes
新书自荐《深入集群:大型数据中心资源调度与管理》
深入集群 大型数据中心资源调度与管理,已经第2版了(2021-10月)。之前在ata和百晓生发布了新书自荐,这次同步到社区。
724 1
新书自荐《深入集群:大型数据中心资源调度与管理》
|
存储 负载均衡 安全
IT知识百科:什么是超融合数据中心网络?
IT知识百科:什么是超融合数据中心网络?
305 0