為了優化企業性能，IT部門應該評估頂層任務，以決定如何選購服務器并創建最有效的工作負載。 服務器是現代計算能力的核心，但是有很多眼花繚亂的方法可以選擇服務器來承載工作負載。盡管可以用相同的虛擬化和集群化的具備管理能力的白盒系統填充數據中心，隨著越來越多的公司在云端部署工作負載，本地數據中心托管仍在企業內部的工作負載需要越來越少的資源。這幫助IT和業務領導者可從縮減的服務器的規模中尋求更多的價值和性能。

今天，白盒系統的廣闊海洋受到服務器特性的新一輪專業化挑戰。部分組織正在重新發現一臺服務器可能確實適合所有的工作負載。您可以選擇甚至定制服務器群集硬件以適應特定的使用類別。

虛擬機整合以及網絡級I/O增加帶來的優勢

服務器虛擬化的核心優勢是能夠在同一臺物理服務器上托管多個虛擬機，以充分利用服務器的可用計算資源。虛擬機主要依靠服務器內存（RAM）和處理器的內核數量。無法詳細確定給定服務器上可以駐留的虛擬機數量，因為您可以將虛擬機配置為使用各種內存空間和處理器內核。但是，服務器上的經驗法則包括選擇一枚具有更多內存的處理器，（更多的）處理器內核數量通常允許更多的VM駐留在同一臺服務器上，這樣可以提高整合性。

例如，Dell EMC PowerEdge R940機架式服務器可以支持多達28個處理器核心，并提供48個雙倍數據速率4（DDR4）雙列直插式內存模塊（DIMM）插槽，最多支持高達6 TB的內存。有些組織可能選擇部署單獨的機架式服務器，而選擇刀片服務器作為替代形式，或者作為超融合基礎設施系統的組成部分。服務器適用于高級別的虛擬機整合，包括冗余的熱插拔電源以及DIMM熱插拔和DIMM鏡像等彈性內存功能。

接下來考慮關于如何選擇高度整合的服務器，目的是提升對網絡級I/O的關注。企業級工作負載通常交換數據、訪問集中式存儲資源、在不同的LAN或WAN之間通過接口與用戶通訊。當多個虛擬機嘗試共享相同的低端網絡端口時，可能會導致網絡瓶頸。綜合服務器可以從快速網絡接口中受益，例如萬兆以太網端口，但選擇具有多個GbE端口的服務器通常更經濟，也更為靈活，您可以將其整合在一起以提高速度和彈性能力。

在選擇服務器時，根據用例評估某些功能的重要性。

虛擬化容器代表了一種相對較新的虛擬化實現方法，幫助開發人員和IT團隊以代碼和依賴性共同封裝實例的方式創建和部署應用程序，但容器共享相同的底層操作系統內核。容器對于高度可擴展的基于云的應用程序開發和部署非常有吸引力。

與虛擬機整合一樣，計算資源將直接影響可能托管的容器數量，因此服務器將提供足夠數量的RAM和處理器內核數量。更多的計算資源通常會允許更多的容器。

但是大量的同步容器會給服務器帶來嚴重的內部I/O挑戰。每個容器必須共享一個通用的OS內核。這意味著可能有數十個甚至數百個容器試圖與同一內核進行通信，從而導致可能影響容器性能的過度延遲。同樣地，容器通常作為應用程序組件進行部署，而不是完整的應用程序。這些組件容器必須相互通信并根據需要進行擴展以提高總體工作負載。這會在容器之間產生巨大的，有時甚至是不可預測的API流量。在上述兩種情況下，服務器本身的I/O帶寬限制以及應用程序的架構設計效率都會限制服務器可能成功托管的容器數量。

當許多容器化的工作負載通過局域網或廣域網傳輸時，網絡I/O也可能造成潛在的瓶頸。網絡瓶頸可能會降低對共享存儲的訪問速度，延遲用戶響應甚至導致工作負載錯誤。考慮容器和工作負載的網絡需求，并為服務器配置足夠的網絡容量——可以選擇較為快速的10 GbE端口，也可以選擇配置多個1 GbE帶寬端口，以便提高速度和恢復能力。

大多數服務器類型都能夠托管大容量的容器，但他們通常會選擇使用測量I/O負載，I/O負載和I/O負載的組合容量的刀片服務器。Hewlett Packard Enterprise（HPE）ProLiant BL460c Gen10刀片服務器，最多支持高達26個處理器內核和2 TB容量的DDR4內存。

圖形處理單元（GPU）越來越多地出現在服務器級別產品之中，以幫助從大型數據處理和科學計算到更多與圖形相關的任務（如建模以及可視化）在內的算法密集型任務。GPU還使IT能夠在受到更好保護的數據中心中保留和處理敏感、有價值的數據集，而不是讓數據流向業務終端。

一般來說，對GPU的支持只需要在服務器中增加一個合適的GPU卡，對服務器的傳統處理器、內存、I/O、存儲、網絡或其他硬件細節幾乎沒有影響。但是，企業級服務器中包含的GPU適配器通常比可用于桌面或工作站的GPU適配器復雜得多。事實上，GPU越來越成為刀片系統高度專業化的模塊。

例如，HPE ProLiant WS460c Gen9圖形服務器刀片使用帶兩個GPU的Nvidia Tesla M60外圍組件互連式加速（Peripheral Component Interconnect Express）圖形卡，4096個計算同一設備架構（Compute Unified Device Architecture）內核和獨立的16 GB的圖形化DDR5視頻RAM。該圖形系統通過使用多個圖形服務器刀片支持多達48個GPU。對大容量GPU硬件（特別是在GPU硬件也被虛擬化時）的支持允許很多用戶和工作負載共享使用圖形子系統。