1、这些解决筹划应用不合适的分析算法，仅仅只专注于基本举措措施的应用，而不推敲应用法度榜样的机能。

2、这些解决筹划完全依附于汗青数据，是以无法处理碰到弗成猜测的需求模式的应用法度榜样。

3、这些解决筹划的强力分析迫使他们须要批量履行分析，并按期主动化，大年夜而妨碍了这些解决筹划对赓续变更的需求做出反竽暌功。

4、这些解决筹划所提出的建议往往在被履行之前就已然被镌汰了。

5、这些解决筹划依附于汗青数据，故而并不实用于云原生应用法度榜样工作负载。

比来，一些容量治理对象增长了根据其分析生成建议的才能，在某些情况下，可以经由过程脚本或与外部营业流程体系集成来处理这些建议。

正如我们所看到的，容量治理对象并不合适确保应用法度榜样的机能，因为它们无法及时履行、无法处理弗成猜测的需求、不克不及范围化扩大缩放、生成的操作履行筹划也根本弗成靠，并且完全不实用于云原生工作负载。

然而，在所有情况下，这种容量治理对象所应用的分析集中在进步基本举措措施应用率，而不是确保应用法度榜样的机能。这是异常有问题的，因为从新设备基本架构以实现效力，而不推敲机能可能会导致严重的应用法度榜样机能问题。

当涉及到虚拟机的安立时，容量治懂得决筹划依附于一种装箱问题 (bin-packing)算法，个中应用率峰值与峰谷匹配，以便优化所评论辩论的基本举措措施的密度。这种不复杂的办法有几个根本问 题。

1、无法及时履行

在计算理论中，装箱算法被归类为一种组合的NP-hard(非肯定性多项式，non-deterministic polynomial)问题。这意味着找到该问题的解决筹划是属于异常计算密集型的，由此导致的结不雅是，依附于装箱算法的分析必须以批量的方法持续地及时运行。是以，由分析产生的主动化操作是周期性的而不是持续履行的。这类似于在文件体系本身内置写入优化之前磁盘碎片整顿是若何产生的。

这种办法的核心问题是，其根本无法确保应用法度榜样的机能，因为只有及时主动化可以经由过程赓续设备基本举措措施资本来知足当前应用法度榜样的需求，进而应对波动的应用法度榜样需求。

2、无法处理弗成猜测的需求

此外，确保应用法度榜样机能所需的智能工作负载治理功能被清除在治理法度榜样层之外。固然容量治理仍然是一种有效的筹划工作，但对于确保机能的治理法度榜样来说，这并不是一个充分的弥补。

鉴于分析是批量按期运行的，它们只是基于汗青数据，是以只有当将来的需求是慎密反竽暌钩了汗青需求时，那么这些数据擦?黾确的。

固然这种办法对于按期的容量治理可能是已经足够了，然则却完全不合适及时应用法度榜样的机能控制。很多现代应用法度榜样具有弗成猜测的需求模式，故而仅仅依附于汗青数据分析是不足的。

例如，虚拟桌面工作负载并没有一致的汗青数据。即使传统的交易处理应用法度榜样也会碰到弗成猜测的需求峰值，恰是这些情况对营业流程产生了负面影响。为了使分析引擎可以或许确保应用法度榜样的机能，其必须充分推敲到汗青和当前的及时工作负载的需求。

此外，因为主动化操作(如安顿决定计划)只能按期履行，并且无法解决弗成猜测的需求，是以他们必须依附净空分派(headroom allocation)来许可足够的备用容量来处理不测的需求峰值。这种净空分派实际高低降了底层基本举措措施的有效应用，并不是解决波动需求的充分化决筹划。应用净空办法，企业数据中间必须选择留下足够的未应用容量来处理任何预期的需求岑岭或风险的机能问题。恰当的解决筹划可以或许及时响应波动的需求，清除过度设备和或将带来机能风险之间的艰苦选择。

3、无律例模化的扩大缩放

因为bin-packing算法是NP-hard，其添加了多个维度，所以不轻易实现范围化的扩大缩放。事实上，在基本架构范畴，跟着算法扩大到不仅仅推敲计算，并且须要推敲存储、收集和应用法度榜样，履行分析所需的时光和资本也在呈指数级的增长。是以，不仅算法不范围化扩大缩放，其也不克不及及时转换为履行，是以无法包管应用法度榜样的机能。最后，跨越多个范呈攀扩大是异常艰苦的——不仅仅是计算，并且好包含收集、存储和应用法度榜样。

传统的容量治理对象的出现早于软件定义的数据中间，故而其最初并没有推敲主动化的身分。是以，履行分析，操作筹划的制订及履行是自力履行的阶段。平日情况下，主动化是经由过程脚本或第三方营业流程来实现的，这使得解决筹划的安排、设备和保护大年夜大年夜复杂化了。别的，因为主动化只能在完成分析之后产生，所以不克不及及时履行。

5、操作履行筹划弗成靠

由容量治理对象所制订的操作履行筹划会遭受到一些致命的困扰——这些操作履行筹划可能并且平日是弗采取的。因为分析是基于汗青数据而批量运行的，所以由这些数据所生成的所有操作履行筹划都是基于如许的假设前提：当履行操作时，情况处于与数据捕获分析时雷同的状况。是以，如不雅情况在数据捕获的时光与履行动作的时光之间产生了任何方法额变更，则这些操作将是无效的。

此外，因为所有操作是互相依附的，所以单个更改(例如一台迁徙的虚拟机)可能会使得全部操作筹划无效。这种变更可能会产生在(因为算法的计算密度，平日须要花费几个小时)分析正在履行时，甚至在行动筹划本身正在履行的过程中。事实上，如不雅在测验测验履行行动筹划之前没有办法肯定是否产生了任何无效的变革，这种状况将进一步加剧。 是以，在动态变更的基本举措措施中履行操作行动筹划的任何测验测验都是弗成靠的。

6、不实用于云原生工作负载

最后，基于汗青分析的批量的容量治理完全不实用于云原生工作负载。越来越多的应用法度榜样正在经由过程应用安排在容器(container)中的微办事来程度扩大。这些基于容器的微办事器将根据应用法度榜样的需求而赓续创建和及时烧毁。是以，汗青数据不足以履行批量容量分 析。传统的批量容量治懂得决筹划完全不实用于云原生工作负载，这意味着在不久的将来它们将面对镌汰。事实上，云原生工作负载只能由及时控制体系治理。

结论

确保现代数据中间应用法度榜样机能所须要的是一款及时的┞菲握体系，其可以解决跟着虚拟化技巧的出现，软件定义的数据中间的设计被被清除在外的智能工作负载的治理问题。

　　推荐阅读

　　金融服务工具化助力商业银行“互联网+”

当前，互联网金融公司接踵在付出、融资和理财范畴，应用互联网思维，契合我国互联网成长业态，推出为社会"大众,"广泛接收的金融产品或办事。必须承认的事实是，部分贸易银行面对互联网冲击，动作迟缓，>>>详细阅读

本文标题：关于现代数据中心的容量管理

地址：http://www.17bianji.com/lsqh/38450.html

 1/2    1