深度解读Hyper-v三大技术难题

简介:    最近很多朋友在讨论我前段时间在博客上发的微软Server 2008 Hyper-V的文章。也提了很多问题,我整理了一下其中的问题,归为了三类,今天统一在博客中给大家解答一下。   问题1:如何经济有效的预防非计划性停机    当服务虚拟化后,如果一台服务器出现故障将会导致上面创建的所有虚拟机停机,因此,必须搭配高可用性方案,将单点故障造成的非计划性停机风险降到最低。
   最近很多朋友在讨论我前段时间在博客上发的微软Server 2008 Hyper-V的文章。也提了很多问题,我整理了一下其中的问题,归为了三类,今天统一在博客中给大家解答一下。
 
问题1:如何经济有效的预防非计划性停机
   当服务虚拟化后,如果一台服务器出现故障将会导致上面创建的所有虚拟机停机,因此,必须搭配高可用性方案,将单点故障造成的非计划性停机风险降到最低。Hyper-V支持可与Windows Server 2008故障切换群集(Failover Clustering)整合的高可用性方案,不过,构建故障切换集群的前提条件是必须具备共享存储的SAN环境,对于原本是DAS环境的企业来说,升级SAN的成本可是笔不小的负担。
 
对策1:整合现有资源提供存储服务,节省硬件采购成本
   利用软件部署在任何经过认证的x86服务器上,支持FC及IP网络协议,并将不同品牌的存储系统整合成为单一的存储池。用户不需要改变现有的IT环境,利用既有的硬件设备就能打造Hyper-V高可用性集群的共享存储,还能通过存储资源按需分配(Thin Provisioning)功能,将存储池的空间利用率从低于40%提升到100%,大幅节省了硬件采购成本。
 
问题二2:如何快速迁移虚拟机与生成测试环境
   虚拟环境中的服务器的升级、维护、操作系统更新调整、将原来的物理机迁移到虚拟机等操作,都必须暂时停机来进行虚拟机的线上迁移,因此,如何缩短计划性停机的时间就成为管理虚拟环境的另一项重大挑战。此外,许多用户部署Hyper-V的目地是为了获得更便捷的软件开发测试环境,或利用虚拟机来验证系统架构,如何用更简单的程序、在更短的时间内复制更多的虚拟机环境,是管理者的关注重点。
 
对策2:支持线上瞬间迁移,不占用磁盘空间,无须转换时间
   可以在不影响性能的情况下,复制与生产服务器完全相同、且‘立即可用’的磁盘副本,无需转换文件系统,更不用准备额外的磁盘空间,只需新加一组Hyper-V虚拟机并将磁盘路径指向到磁盘副本,在1分钟内即可完成物理机到虚拟机的线上迁移。管理员可以在不影响运行的情况下,轻松创建和生产服务器完全相同的虚拟机,用于快速恢复服务、软件开发测试、系统架构验证等工作。
 
问题3:如何缩短灾难恢复的时间、简化管理程序、降低带宽成本
  Windows Server 2008新增的多站点集群(Multi-Site Clustering),将原本的故障切换集群进一步延伸到远程,通过建立跨WAN网络的地理分散故障切换集群(geographically dispersed clusters),突破高可用性方案的距离限制。
 
   多站点集群的运作通常是通过远程复制机制,搭配必须由第三方提供的远程复制方案。这样,用户除了要支付额外的软件许可费用外,还必须在本地及远程部署相同型号的磁盘阵列,使成本直线上升。当灾难发生时,则必须通过手动方式设定远程的集群存储资源,切换程序十分复杂,往往需要专业人员协助才能成功。另外,在许多案例中,带宽的租用费用甚至会占到整个异地灾备项目成本的20%,因此远程复制对带宽的需求高低,直接影响到异地灾备的成本。用户在评估方案时必须要仔细考量。
 
对策3:一套方案解决物理环境/虚拟环境、本地/远程集群存储及故障切换
   可以利用强大的远程复制功能,直接将本地备份机制延伸到多站点集群,一套方案同时应用于物理环境及虚拟环境、本地及远程站点的集群存储服务,并可以提供自动化的故障切换功能,为客户带来众多利益:
   - 精减式的远程复制,节省带宽负荷达80%
   - 自动进行远程集群的故障监控及切换,5分钟完成远程灾备
   - 自动集群复制导向,轻松在本地及远程迁移虚拟机
 
总结
   虚拟化并不像有些人想象的那样,是一个非常新鲜的概念,大型机上分时共用(time-sharing)的虚拟机技术甚至可以追溯至上世纪六十年代。而正是由于富有挑战性的业务需求,以及虚拟化技术的出现,才产生了今天的重大影响,使得虚拟化技术成为今天组织中必需的组成部分。
 
   使用虚拟化技术最常见的收益就是降低成本。尽管这一收益已很明显,但对金钱的节约只是虚拟化价值中的一部分。虚拟化技术是一种转换技术,如果应用得当,不仅可以帮助公司创建高效低成本的IT系统,更将使IT系统具备自我感知功能,以自动及时适应业务变化的需求。为使这一切成为可能,原本用于隔离或解除捆绑计算资源关系的虚拟化技术,将被应用于计算堆栈中的每个层,从数据中心到桌面皆是如此。这时不再需要将多个层锁定在一起,例如将操作系统锁定给硬件,将应用程序锁定给操作系统,将用户界面锁定给本地计算机,需要使用虚拟化技术,来释放这些层相互之间原本紧密的关系,最终也就为企业节约了成本及加强了竞争力。
相关文章
|
存储 Java 网络安全
SpringCloud GateWay配置(TLS 和 SSL、Http超时配置)—官方原版
SpringCloud GateWay配置(TLS 和 SSL、Http超时配置)—官方原版
2027 0
|
10月前
|
Java 应用服务中间件 API
【潜意识Java】javaee中的SpringBoot在Java 开发中的应用与详细分析
本文介绍了 Spring Boot 的核心概念和使用场景,并通过一个实战项目演示了如何构建一个简单的 RESTful API。
254 5
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
Logic-RL: 小模型也能强推理,通过基于规则的强化学习提升大语言模型结构化推理能力
这篇论文探讨了基于规则的强化学习(RL)如何提升大型语言模型(LLM)的高级推理能力。通过在程序生成的逻辑谜题上训练并强制执行结构化思考,即使是较小的模型也能开发出可转移的问题解决策略。研究引入了多层次奖励系统,包括格式、答案、推理一致性和反思奖励,以引导模型形成严谨的推理过程。实验结果表明,这种方法不仅提高了模型在逻辑任务上的性能,还在数学问题解决、代码调试等领域展现出显著的泛化能力。此外,该方法在较小模型上实现了与大模型相当甚至更优的推理表现,为资源受限环境下的高效推理提供了新途径。
864 0
Logic-RL: 小模型也能强推理,通过基于规则的强化学习提升大语言模型结构化推理能力
|
10月前
|
存储 人工智能 自然语言处理
《数据孤岛:AI模型训练之殇,精度与泛化的双重困境》
在人工智能快速发展的今天,数据是模型的“燃料”。然而,数据孤岛现象——即数据因系统、管理和流程原因被孤立存储,缺乏有效整合——正严重阻碍AI的发展。据调研,40%的企业存在50多个数据孤岛,这一问题导致AI模型训练精度和泛化能力下降,影响从医疗诊断到自动驾驶等多领域的应用效果。解决数据孤岛需要企业、科研人员及政府共同努力,通过统一数据标准、创新技术和完善政策,促进数据共享与融合,推动AI技术释放更大价值。
559 19
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
NeurIPS 2024:真实世界复杂任务,全新基准GTA助力大模型工具调用能力评测
在NeurIPS 2024会议上,GTA(General Tool Agents Benchmark)基准测试被提出,旨在评估大型语言模型(LLM)在真实世界复杂任务中的工具调用能力。GTA采用真实用户查询、真实部署工具和多模态输入,全面评估LLM的推理和执行能力。结果显示,现有LLM在真实世界任务中仍面临巨大挑战,为未来研究提供了重要方向。
310 13
|
机器学习/深度学习 数据采集 搜索推荐
使用Python实现智能食品推荐系统的深度学习模型
使用Python实现智能食品推荐系统的深度学习模型
578 2
|
前端开发 开发工具 git
如何清理 docker 磁盘空间+修改 Gitea 服务器的 Webhook 设置+前端一些好学好用的代码规范-git hook+husky + commitlint
如何清理 docker 磁盘空间+修改 Gitea 服务器的 Webhook 设置+前端一些好学好用的代码规范-git hook+husky + commitlint
217 5
|
缓存 开发框架 移动开发
uni-app:下载使用uni&创建项目&和小程序链接&数据缓存&小程序打包 (一)
uni-app 是一个跨平台的开发框架,它允许开发者使用 Vue.js 来构建应用程序,并能够同时发布到多个平台,如微信小程序、支付宝小程序、H5、App(通过DCloud的打包服务)等。uni-app 的目标是通过统一的代码库,简化多平台开发过程,提高开发效率。 在这一部分中,我们将逐步介绍如何下载和使用uni-app、创建一个新的项目、如何将项目链接到小程序,以及实现数据缓存的基本方法。
391 0
|
Python
Python 头哥实验题目(一、二、三)
Python 头哥实验题目(一、二、三)
2101 0
|
人工智能 Kubernetes Cloud Native
利用通义灵码实现我的第一次开源贡献
本文将分享作者的开源之旅。