通過將附近的資源分配給用戶,分布式的數據中心能夠改善應用程序性能以及系統健壯度。
應該將數據中心資源集中起來還是分散成微數據中心的相關討論并不新鮮,而且不會很快有最終結論。不少大型企業將他們的遠程數據中心布局集中在一個或多個中心位置,然而分散群組的數據中心提供更好的性能,提升可靠性并降低成本。
企業選擇邊緣計算——靠近終端用戶群體的小型數據中心的目的是改善響應速度。工作人員和客戶經常是在地理位置上分離的,但大家都需要快速訪問數據。當信息存儲在靠近用戶所在地區,傳送給他的速度也越快。例如,擁有網上店鋪的零售商希望將其網站放在靠近其美國、俄羅斯和巴西的用戶附近。
對于帶寬比較敏感的信息,例如流媒體內容、醫學圖像或復雜的建筑圖,可能降低網絡響應速度,降低工作效率。將數據遷移到靠近用戶的位置能解決這些問題。例如,從事模擬渲染的公司也許會將其數據中心置于靠近全國每個分支機構的附近,處理更具價值的、更占用帶寬的數據,而不是將數據集中在公司的總部進行處理。
小型化還是室內化
機架大小的微數據中心單位滿足需要的使用場景:遠程辦公、移動部署、用于軍事和救援能力支持的臨時IT能力。許多公司曾經對選擇用小機或在戶外部署這些全新的IT系統非常謹慎,寧愿選擇傳統大型在室內運行和緊密操控的數據中心。不過硬件供應商也在努力提升系統設計以吸引更多的用戶。
在數據中心服務器市場,硬件供應商在產品的小型化和移動化方面展開競爭。老牌供應商如Dell、HP和IBM都推出了小型、輕量化和更加便攜的數據中心。此外,如Elliptical Mobile Solutions、Schneider Electric還有Silicon Graphics International等供應商已經加入到新一代可獨立運行的微型數據中心產品的競爭中來。
管理自己的數據中心
AOL已經進入邊界計算領域。在收購了內容生產網站——如Huffington Post、Engadget以及Patch后,它需要一個更加靈活的數據中心網絡,當任何特定的內容受到歡迎時,相關設備可以快速支撐服務器提升響應速度。
該公司部署的標準機架尺寸的微型數據中心,涵蓋從大的中央系統,到小型的、支持遠程管理的無人值守IT設備,以重塑企業的IT基礎設施形態。擁有上千臺虛擬機的新的高密度機房服務器是AOL內容推送網絡的核心,具備迅速推送新消息的IT能力。
傳統大型企業采用類似的主機代管的方法追逐與AOL同樣的分散且靈活的數據中心。采用托管的方式,企業員工通常負責基礎設施與不同程度的遠程管理和管理員控制。采用微數據中心做法的不同之處在于,企業要自己進行運維工作。
數據中心部署方法的區別
經濟性考量將影響是否將遷移數據中心到遠郊。
企業部署成百上千臺服務器,在同一地點購買和運營大量設備以追求成本效應。隨著數據中心的增加,系統之間的連接關系也變得更加復雜。雖然硬件成本降低了,但輔助數據中心工作的成本卻變得更高了。
更大、更復雜的數據中心需要更復雜和更昂貴的管理及故障排除工具。它們也占用了更多的物理空間,這也是造成不動產成本上升的原因。然而,分配IT資源到不同的地方將增加管理上的挑戰,企業需要跟蹤所有的基礎設施和它們間的內鏈。隨著遠程站點數量的增長,精準定位任務的問題也變得更加突出。
停機時間是另一個促成系統分散部署的原因。許多公司的業務不能掉線。即使在機架上有冗余系統,冗余的電源供應能源以及其他位置的特定保障功能,集中一處的數據中心一旦遇到停機將滿盤皆輸。如果主系統持續處于脫機狀態,整個公司站點的業務都將處于停滯狀態。
通常情況下,企業有基本的備份和恢復系統,它們運行在計算機主系統上,并在附近有備份的災難恢復。如果惡劣的天氣或類似的災害襲擊該地區,可以取出主站點及其備份。
分布式數據中心的布局提供了更高的可靠性,因為主要的處理任務可以在幾個站點而不是單一站點上進行。虛擬化對邊緣數據的應急能力起著關鍵的作用。IT組織可以通過遠程方式將一個虛擬化的過程從一臺故障的服務器上遷移到任何同一系列的服務器上運行。一臺機器的故障將不會影響整體工作負載。故障的系統會被隔離和修復,而整個環境無需停機時間。
根據Ponemon Institute LLC的調查,最常見的計劃外數據中心中斷的原因是不間斷電源設備故障。隨著中心系統變得越來越龐大和復雜,麻煩的可能性也隨之增加。體積小的、分布式的數據中心則較少遇到這樣的問題。
在服務器的生命周期中,企業花在其能源賬單上的成本要遠高于其硬件本身的價格。根據IDC的調查結果,數據中心,特別是大的核心數據中心,能夠很容易地耗盡當地的電網資源。分布式的數據中心可以有效分散多個地點之間的能源使用,對電網的影響相對較小。
一處大型數據中心也可能對當地的供水造成壓力。Apple公司曾與市政開發部門合作,需要將地下水鉆取出來為其500000平方英尺的數據中心進行冷卻。遠程站點也可以需要使用水冷,但每個站點的消耗量則會低得多。