构建精细化运营的智慧数据中心

容量管理，资源最大化利用

    容量管理，是解决不断变化的业务需求，确保在适当的时间，以适当的数量、适当的价格提供基础设施服务的能力，关键驱动力来源于：

    1) 超高密度设备导致的基础设施能力的可获得性；

    2) 总拥有成本（TCO）控制；

    3) 业务的快速伸缩导致的IT设备的快速变更。

    在数据中心基础设施的容量分析中，主要借助供电、制冷、空间、端口、承重等数据，根据规划与设计的约束条件，计算制冷、供电的匹配能力、空间和网络端口可获得性、地板和机架承重限制，在IT需求与物理基础设施供应之间取得平衡。而最为关键的是机架级的供电与制冷的供给及需求的准确分析与评估，需要从如下几个方面进行量化：

    1) 潜在需求：业务配置对供电、制冷的最大潜在需求，一般指考虑系统的峰值功率后的总需求；

    2) 实际需求：当前配置的实际需求，指系统实际运行过程中的供电与制冷需求；

    3) 设计供给：设计阶段给定的机架供电、制冷潜在供给能力，指在设计阶段，基础设施所能供给机柜的能力。

图 2 容量管理指标对比模型

    在实际环境中，实际需求小于潜在需求，而设计的供给能力往往大于机柜所配置业务的最大潜在需求，因此通过容量的规划与精细化测量、评估、匹配，可有效的提高供电与制冷资源的利用率。

    通过历史运行数据分析，对实际需求进行准确估测，以减少实际需求与潜在需求间的余量，实现电源、制冷与负载间的匹配；同时，减少潜在需求与设计供给间的裕量，从已装机的供电、制冷系统中获得最佳的机柜供给，最大化的使用装机容量。在此过程中，可以采用的方法包括：

    1) 最佳机位匹配算法，全面考虑供电、散热、U空间、端口的匹配能力；

    2) what if的模拟测试方法，分析和测试如果发生变更则可能对能力配置规划产生的影响；

    3) 机柜功率封顶技术，减少对设计需求的裕量。

    在基于ITIL的实践中，容量管理往往与配置变更、问题事件、可用性管理等结合。容量管理以实际的配置以及配置的变更为基础，通过测量、分析与评估，给出问题改进建议以及可用性分析报告，来促进配置的调优。

    准确的配置模型是进行容量管理的基础，智能管理系统一般使用基于行业标准（如CIM模型）的预定义对象模型，构建CI属性和关系，并且模型具有层次结构和继承关系，便于后续的维护管理，设备信息录入以及设备间关联关系的构建能力是基本要求。

    变更控制是动态容量管理的保障，为保障容量分析的及时、准确，需要对配置的变更进行同步，保障现场配置与管理系统配置数据库信息一致。借助移动APP，例行对配置信息进行巡检、核查，是保障信息一致性的有效手段。

    问题、事件管理为容量分析给出的优化建议、预警提供支持，保障容量优化规范、有序、可控。

    此外，可视化能力使得从事容量管理的实践驾轻就熟，管理系统提供可视化的建模能力，以视图为基础，跟踪资产的基本信息、物理数据（机架中的位置）、占位、工作状态等，全面的掌控资源、容量状态。借助可视化容量预警、报告，可避免主观臆断的移动、添加、以及改变配置，使得基础设施的可持续性受益，确保生命周期内设备、资源的最大化利用。

  3.3 服务的部署、运营与持续构建

    数据中心基础设备的精细化运营的最终目的在于，通过构建不同运营模式的成本模型，提供不同等级的SLA保障服务，以资源绑定用户，实现不同运营模式的匹配（租赁、托管） 。

灵活部署，柔性扩展

    传统数据中心，通常采用项目单一部署的模式，IT设备与制冷、供电等相关基础设施静态绑定，此类强耦合架构，一旦实施，很难根据实际需求作出适应性改变，无法满足快速响应用户的要求。为适应用户需求的快速变化，模块化数据中心、业务的分期部署与开通成为数据中心运营的首选模式。

    匹配该建设模式的运营系统，需要满足：服务组件化、可灵活部署、可并行维护等诉求。

    管理容量的可伸缩，系统支持分布式架构、提供模块化部署能力，通过灵活组态模式实现模块构建，适应不同区域和不同数量监控对象的快速建设需求。支持数据中心设计时的统一规划、分期部署，并以超大容量的接入能力满足不断扩展的需要。

    管理服务组件化，松耦合，支持服务热部署，可在线接入相应的服务，而不影响系统其他部分的正常运行，保障服务的连续可用性。

    SOA的架构设计，保障服务的可获得性，并通过“基于服务的业务交付”模式划分服务粒度，快速组合、封装、编排，快速发布，持续构建满足用户需求的差异化服务，实现组件、服务的精细化管理。

规划、投资决策

    服务管理的另一个目标就是管理量化，借助数据来分析系统的状况、变化趋势、将来可能遇到的问题等。

    基础设施运营决策者，需要通过获取确切、可信的数据，来分析各系统的容量、性能，从而为其决策提供依据。因此，要求智慧管理系统能整合资源的利用率与业务增长的需求，提供报表、业务审计报告，供业务投资与决策参考，保障运营投资按计划进行。

    这些预测性、基于发展的动态分析都应该基于准确的管理模型、动态的数据信息，有效支撑投资决策，保障业务的有效、适时发布，在确保服务可提供、可获得的基础上，规避不必要的资源浪费。参考实现：

  1) 通过生命周期管理掌控资源的使用状态、可使用时限；

  2) 借助容量管理，实现对容量的准确的分析、预测；

  3) 运营成本模型；

  4) 业务增长预测；

  5) 资源利用率与业务量模型。

实现基础设施的IaaS

    基于ITIL的数据中心管理实践，从建设模式、运营模式、服务交互模式等方面推动着数据中心发展，使得IDC管理由传统的动环监控向融合、统一的集中管理发展，通过资源、信息整合提供各类随需而变的服务。

    IDC的运营管理系统建设，不但要关注基础设施部分，也需要考虑与基础设施关联的系统，如制冷系统、变配电系统、生命安全系统等；不但要关注设备本身，也需要关注设备与设备、设备与系统、系统与系统间的关联；不但要关注基础设备的实时监控，也需要关注对历史数据、运行的动态数据的分析和整合，实现主动、自优化的智能运营系统。

    管理实践模式的转变催生了DCIM，DCIM的目标就是通过IDC基础设施的精细化管理，将基础实施与IT基础架构连接起来，优化使用与IT系统性能、IT操作相关的电源，制冷、空间等资源，通过与ITSM解决方案集成，使得IT服务以及业务服务管理以最有效的方法实现服务交付：

  1) 借助基础设施的融合，DCIM支持跟踪与管理资产，监控所有的IT与基础设施资源，跟踪和管理容量使用，支持规划、设计，测量、跟踪、分析环境数据并转化为关键策略。

  2) 根据业务需求，建立数据中心基础设施的资源池，将机房、模块化、机架、机位等资源池化，根据不同资源量和性能需求，提供高可用、经济、安全的解决方案以及相应的资源出租和设计、优化、配置服务。

  3) 建立基础设施的持续可用性保障计划，服务SLA 保障指标量化，差异化的服务成本，服务标准可衡量，支撑租赁、托管等多样性服务。

  4) 按照基于服务的架构基本要求，实现资源、SLA，可服务能力的组件化配置，并将服务进行推送到服务台，用户可根据其业务的需求，完成自助式的交互服务。

    多源数据的整合，资源池化为建设适应性基础架构(AI：Adaptive Infrastructure)准备了技术条件，通过统一的管理、动态的资源分配、自助式服务交付、可衡量的服务标准，实现从保障基础设施的稳定运行，到提供面向业务服务的基础架构的转变，构建可服务的基础架构。

4 结束语

    云计算的发展，从建设模式、管理模式、业务模式和业务承载方面影响着IDC，并使得业务向以客户为中心、以服务为导向转型，通过整合内容、资源的价值链运营，在高性能基础架构上提供各类随需而变的整合服务。通过精细化的智慧管理，解决当前数据中心普遍存在的资源利用率低、成本快速增加、资源管理日益复杂、以及服务多样性等问题，是打造与业务动态发展相适应的高可用、经济性运营、可服务、可持续发展的数据中心的最佳选择。