
数据中心绿化 结构管理至关重要
每个IT组织都在尽力降低自己的成本并逐步实现“绿色”运营。在追求这些业务目标的过程中,他们考虑的更多是数据中心整合、能耗解决、虚拟化部署、云计算评估等问题。通常,IT部门会争先恐后地购买解决方案,点击“安装”,却发现迎接他们的是又一次业务危机。之所以造成这样的局面,是因为承载这些解决方案的框架显得有些弱不禁风。IT组织和数据中心管理人员对他们所提供的服务以及生成这些服务的服务器和应用配置项(CIs)缺乏准确的认识。这种状况严重地违背了最基本的业务进程改进原则——应该对初始的人员、进程及技术状况有一个准确的认识。
如果对当前的业务状况没有一个准确的认识,一个组织何以设定并实现自己的业务目标?解决问题时应该孰先孰后?哪些解决方案对企业更有意义?这些问题根本无法解决。为了对这些方面进行修复,某些组织会把一些具有远见卓识的人聚集起来并向他们询问“我们需要做什么”,或者是问“我们需要买什么”。即使是这样,答案也仅仅局限在这些人所熟知的领域。一个想象中的系统配置数据库和现实中的是两个完全不同的东西。对于这些设想者而言,他可能知道企业的需求,但对当前的业务状况却几乎没什么了解。一个对当前系统有所了解的人提到的肯定是很多细节问题而不只是空想。在进行方案设计时,如果你可以对当前业务状况有所了解,那你得到的肯定是一个与众不同的结果。
如果我们想要改进能源消耗和冷却系统的话,对企业如今所应用服务的了解显得至关重要。在许多数据中心,对于服务和配置的普及就像是民歌的传播,那些熟知部落知识的人往往会成为业内的大师,他们会通过口头讲述的方式来传递关于某一首歌的名字和发源地、其存在价值和组合方式等等历史知识。
保存数据中心数据,了解配置项目
要了解数据中心的当前状态,制定一个技术目录显得很有必要。其中,应该包括应用配置项之间的关系以及对相关进程和规程的了解。这些数据可以被转移CMS(配置管理程序)以及帮助识别进程改进机遇。确切地说,配置数据并不需要涉及过多细节,但是,核心的数据需要被考虑到。随着时间的推移,要确保这些数据可以得到有效的管理。
从这点来讲,业务变更管理已成为一项核心的控制流程,不仅可以用来对业务变更的相关风险进行管理,也可以对CMS的升级进行管理,从而确保数据可以准确及时地得到反馈。
掌握了相关的CIs及现有业务流程信息之后,IT组织就可以制定相应决策,确定下一步行动方案。他们必须组织相关调查行动,看自己所选用的服务是否可以在虚拟的或是共享服务器上存在,或者说是否要求提供专用的服务器。此时,可以利用容量模拟技术来制定相应规划来利用现有的数据中心以及一些新的方法。例如,Uptime Institute发现有多达30%的数据中心使用的是Ghost系统——它们会消耗许多能源和空间却无如果这些法提供相应的业务价值,因为它们对IT部门来说已无太大意义。如果这些系统可以被识别出来并得到有效的处理,势必会给数据中心在空间、能源及冷却方面带来诸多效益。
最后,无论是对于所有的IT行业还是具体的数据中心而言,要想改进系统,都需要对企业当前的人力、流程及技术等业务状况有所了解。对于那些试图利用绿色IT来降低业务成本的数据中心,必须精确地掌握现有IT服务的相关信息,从而制定高效的管理规划。有些组织试图跳过对当前业务状况的调研阶段,依据那些未完成的或是错误的数据来制定决策,最后却发现他们的全新“解决方案”实际上根本就不是解决方案,会给他们带来更多的投资和运营成本,而提供的支持却越来越少。因此,我们最好是投入一些精力物力来对数据中心在人力、流程及技术等方面的CIs进行调研。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10