新塑造的数据中心,需要混合的方法

简介:

现如今,企业组织的CIO们必须将传统数据中心基础设施与公有云和私有云环境的灵活敏捷性充分结合起来。

十年前,数据中心的愿景还仅仅聚焦于在一处单一数据中心实现基础设施的整合——具备一处热备份站点——由少量高度可扩展的服务器组成,服务于一个大型的应用程序池。

而到了今天,IT企业组织所面临的任务是:优化传统基础设施,并使其更加适应快速变化的业务战略。

故而企业的IT部门必须提供可靠的变更控制,以及对于传统IT的所有可预测性;同时还需要为当下这样一个由移动化、大数据和云原生应用程序(cloud-nativeapp)技术构成的新世界提供类似云的服务速度。

为了最大限度地提高灵活敏捷性并最小化复杂性,企业的CIO们必须整合不同的公共和私有云环境,以创建集中的管理和优化的混合云。

企业必须通过简化和综合管理实现有效地资源分配。借助DevOps,许多新的应用程序正在被创建,所以当前的IT基础设施还必须尽可能的减少易于出错的人工手动流程,并增加自动化的IT操作。

企业IT的成功是通过利用企业内部和第三方云服务所提供的软件定义的基础设施的优势的能力来衡量的。数据中心的重构包括了软件和硬件组件。

为什么要更新升级传统遗留设备?

在诸如金融和保险等垂直行业中,鉴于其替换的风险和成本等因素的考虑,使得传统遗留平台至今仍大量存在。毕竟,一旦这些行业的传统遗留平台的替换项目失败,后续将会造成业务的重大损失,使得这些企业的业务部门失去对IT部门的信心,同时也会对IT部门的员工的职业生涯构成威胁。企业必须谨慎考虑系统测试所涉及的时间和成本,以及大型用户再培训计划的前景。与此相反,经过了流程试验和测试的稳定平台仍然相当具有吸引力。

然而,根据Temenos公司最近针对银行业界的调研发现,在银行业界,有14%的成本是与IT相关的,而跨行业的平均成本则为7%。这一现象是由多种因素造成的,包括冗余、过时或孤立的应用程序。这迫使整个行业亟待采取相应的措施了。

某些企业组织可能会选择借助使用一些工具来混合使用旧的和新的平台,如IBM公司的WebSphereMQmessagebroker。这可以处理多款操作系统,能够为运行在不兼容的操作系统上的应用程序之间提供一种方便的传递消息的方式。类似地,虚拟化技术可以将传统系统软件与其最初设计运行的硬件分解,允许用户更换其硬件,并在单台服务器上整合传统系统。

这种混合和匹配产品的成本包括持续的孤立信息,更多的带宽消耗,由于缺乏软件修补而造成的应用程序安全性问题,以及简单地维护传统技术组。现如今,很少有年轻的IT工作人员想要采用Cobol编程或WindowsNT4。在某些时候,维护一款传统遗留系统的成本和不便将迫使银行重新塑造他们的数据中心。

现如今的所有企业都是数据驱动的。对于许多企业组织而言,由其客户所生成的数据的创建速度要比他们的分析速度快得多。任何考虑收集物联网数据,以促进更好的决策和业务增长的企业自然都需要花费大量的时间和精力来提高实时分析和可用性。而这方面所面临的挑战是:整理、管理和存储这些数据信息,使其可视化、易于理解,并自动化数据流程,以便确保更高效,无错误地运行

对于客户数据的洞察分析

数据可视化工具和仪表板,例如,甲骨文公司的商务智能云服务(OracleBICloudService)、IBM的Watson分析、SAP的Lumira和微软在Azure中提供的SSRS(SQLServer报告服务)都可以识别模式并支持可靠的数据驱动型决策。这样,企业客户就可以找到解锁性能的洞察见解。对于客户的正确的洞察见解可以有助于提高业务绩效,并加深与客户的关系。

越来越多的企业数据中心正在对其所有的服务器部署实施虚拟化,以确保企业数据中心现场私有计算和场外公共云服务的无缝整合。而企业IT部门现在所面临的挑战是:管理和监控由虚拟化技术所带来的基础设施的快速的变化。通常,这涉及到整合、自动化和业务流程管理,工作负载的重整和迁移。为数不少的企业已经看到,他们领先的同行们正通过这些战略推动了整个企业工作效率和业务绩效的提高。但是,这一切究竟是如何发生的呢?

好消息是,企业的管理层通常都愿意为此转型分配大量的资源,而且许多系统集成商都准备好了提供包括评估,设计,构建,测试,部署实施,支持和托管云转型的支持。这种转型中的关键步骤是什么,其又将如何管理呢?

采取正确的步骤措施

为了解决“企业客户如何使用云?”这一关键问题,企业的管理层必须制定其云和数据战略(关键聚焦领域可以是产品和技术创新,客户洞察和市场拓展),征求IT部门和网络部门的意见,并将产品业务部门和营销高管的意见整合起来,进而从实时的IT数据统一洞察分析。

直接涉及业务部门是非常重要的,因为越来越多的应用程序部署项目都是由企业的业务部门所直接启动的,并往往绕过了企业的IT部门——即所谓的影子IT。

云和数据战略应旨在根据企业的管理,风险和合规性政策来转变业务决策,加强客户关系,并创造新的营收机会。

任何数据中心重构策略还必须确保IT团队具备在支持跨应用程序数据分析级别的监控、分析和自动化IT操作的工具。企业的IT和网络团队通过恰当的数据挖掘、存储和商业智能功能来审核并支持业务部门对于大数据和基础架构分析的需求。

使用参考模型

”客户旅程分析“(CustomerJourneyMapping)通常用于描述企业与其客户之间的持续的关系。企业云和数据战略必须确保能够在任何时间,任何地点,任何设备和任何渠道上支持与客户的这类对话,并实时提供增值服务。当规划数据中心的重构时,使用参考模型以确保一致性和全面性是一个好主意。许多供应商都提供了许多的垂直行业参考模型,包括领先的云平台提供商VMware、微软;以及OpenStack架构供应商,如红帽故事、IBM和惠普企业公司。

但技术仅仅只是第一步。从云服务驱动业务价值的关键推动因素是人员和流程。企业客户可能需要云托管服务来改造其运营服务。混合云提供了两个方面的优势,优化了企业现有的内部数据中心空间,并在业务场景需要时可以突破公共云服务。

数据中心的重塑也需要硬件方面的配合。由于功率、冷却和空间的限制以及较低的资本支出决定的处理和连接限制迫使企业客户必须融合其基础设施,并远离孤立的服务器,存储,数据和流程,更有效地使用可用的电力和空间。

这种融合基础设施将多款IT组件(包括服务器,数据存储设备,网络设备和软件)集成到一款单一,优化的现场计算软件包中,用于IT基础设施管理,自动化和业务流程管理。通过集中管理的计算机,存储和网络资源池,可以在更广泛的企业应用程序之间共享。可以使用策略驱动的流程来管理这些共享资源。

组合型基础设施

惠普企业公司创造了组合型基础设施(ComposableInfrastructure)这一术语,以概括其对数据中心架构的超融合方法(现在,随着惠普企业公司最近对于Simplivity公司的收购使其在这方面的优势获得了进一步的增强)。这提供了为任何应用程序或工作负载组成和重组计算,存储和架构的流体池的能力。同样,思科通过一款软件定义的基础设施(SDI)扩展了其统一计算系统管理的功能,将基础设施作为代码处理,分解计算资源,以便能够更高效地对其进行编程和自动化管理。通过这种方式,基础设施资源成为可动态组成的流动池。

超融合基础设施可能最终导致企业客户将采用无服务器的计算模型。但这并不意味着企业客户摆脱了服务或应用程序所运行的硬件,而是在一个统一的环境中提供作为服务的功能的能力。

亚马逊网络服务(AWS)的Lambda产品展示了这种无服务器计算模型的第一个实例化。其在去年推出,Lambda允许用户运行代码,而无需在AWS的EC2平台上配置服务器。一旦代码加载,Lambda负责所有剩下的工作——调配资源以运行工作负载,在正确的动态水平监视和管理维护这些工作负载。其竞争产品包括了微软的AzureFunctions和IBM的BluemixOpenWhisk,以及谷歌的PlatformCloudFunctions。

今天,很少有企业客户愿意进行完整的数据中心重塑。绝大多数企业用户都在从传统的关键任务,孤立的现场应用程序到分布式和分散式数据中心的分阶段过程之中,支持移动用户,特定位置和24/7的客户服务。而未来的IT数据中心功能将需要更少的应用程序管理和更多的业务应用程序开发和部署支持。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

目录
相关文章
|
存储 关系型数据库 数据中心
|
8月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
5月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
8月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
8月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
|
8月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
8月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
8月前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
7月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
8月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。