
數(shù)據(jù)中心容量規(guī)劃九大建議
有效容量規(guī)劃的實用建議
1.由小到大
許多容量規(guī)劃幾個月后就以失敗而告終,因為它太早地包含了過大的范圍。尤其是那些沒有這方面經(jīng)驗的公司更是如此。開始時,最好是只做一些關鍵資源——如處理器或帶寬,然后隨著經(jīng)驗的積累再逐漸擴展項目。
2.講客戶的語言
當詢問開發(fā)人員(尤其是終端客戶)工作負荷預測時,盡量用他們能明白的通俗用語來討論。例如,不要問客戶處理器利用率預計增加量,而應該問有多少額外的用戶會同時使用這個應用,或者有多少特殊事務會在高峰期執(zhí)行。
3.考慮未來平臺
在評估用于容量規(guī)劃的工具時,記住公司可能考慮的那些新架構,選擇既可用于當前平臺又可用于今后平臺的工具包。有些工具看起來很適合現(xiàn)有平臺,但可能在計劃的架構中可用性很低或不可用。隨著一些公司越來越傾向于web-enabled系統(tǒng),這種情況尤其可能發(fā)生。
4.與供應商共享計劃
如果你打算在多個平臺下使用你的容量規(guī)劃產(chǎn)品,最好告知軟件供應商你的規(guī)劃,這一點很重要。在討論過程中,確保所有附加費用——驅動器、代理、安裝時間和勞力、證書拷貝、更新維護協(xié)議等費用都確認無誤,與預付款相符。證書更新和維護協(xié)議的費用通??梢愿鶕?jù)其它附加費用情況進行協(xié)商,予以部分減免。
5.預期非線性成本率
我大學的一位備受尊敬的教授總喜歡說一句話,我們其實生活在一個非線性的世界。至于容量升級,當然就更是如此了。有些升級是線性的,增加一倍的處理器、內存、管道或磁盤就會增加一倍的升級成本。但是,如果升級了卡、芯片或設備,相對合適的容量增加量可能帶來不合適的額外費用。
6.準備好意外的工作負荷縮減
工作負荷的預期變化并不總是導致容量需求的增加。部門合并、減員和生產(chǎn)率提高可能減少一些生產(chǎn)工作量。同樣,隨著重點工程的部署完畢,開發(fā)工作也可能會減少。盡管所需容量的增加很明顯是更常見的事,減少也是有可能的。在詢問用戶的今后工作時,一個較好的準則就是強調工作負荷變化,而不僅僅是負荷增加。
7.為人事變動做好準備
隨著時間的推移,所有企業(yè)都會經(jīng)歷不同程度的人事變動。為了盡可能地減小對容量規(guī)劃的影響,一定要確保至少有兩個人熟悉這套方法,并對規(guī)劃過程做文檔記錄。
8.不斷努力改進規(guī)劃過程
要持續(xù)不斷地改進容量規(guī)劃過程,最好的做法之一是設定一個目標:每個新版的規(guī)劃方案都至少擴展和改進規(guī)劃的一個部分。改進的部分可能包括新增平臺、集中打印機或遠程布置。新的規(guī)劃應該至少一年制作一次,最好是每半年一次。
9.評估潛在升級成本
大多數(shù)基礎設施硬件資源的升級都有許多潛在的升級成本。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10