數據中心的效率是壹個戰略問題。企業用於建設和運營數據中心的資金在公司IT預算中的比例不斷上升，導致急需的技術項目預算越來越少。數據中心建設計劃是董事會層面的決策。與此同時，監管機構和外部利益相關者越來越擔心企業管理碳足跡的方式。采用最佳實踐不僅有助於企業減少汙染，還能提升它們作為良好企業公民的形象。
IT成本很高。如今，公司的分析越來越復雜，客戶要求實時訪問賬戶，員工也在尋找新的技術密集型協作方法。因此，即使經濟放緩，人們對計算、存儲和網絡容量的需求仍在持續增長。為了應對這壹趨勢，IT部門不斷增加計算資源。在美國，數據中心的服務器數量正以每年約10%的速度增長。與此同時，在中國和印度等新興市場，機構越來越復雜，更多的操作實現自動化，越來越多的外包數據服務在這裏進行，因此數據中心的數量呈現出更快的增長趨勢。這種對計算資源的巨大需求導致了全球數據中心容量的穩步增長。目前，這種增長沒有結束的跡象，通常只會在經濟衰退時進入溫和增長狀態。
這種增長導致IT成本激增。如果算上設施、存儲設備、服務器、人員等成本，數據中心支出壹般會占到企業IT總預算的25%。隨著服務器越來越多，電價也在以高於收入和其他IT成本的速度上漲，而且上述比例只會與日俱增。每年，運行這些設施的成本都在以高達20%的速度上漲，而IT總支出的增長率只有6%，這是非常不同的。
數據中心不斷增加的支出改變了許多企業的經濟結構，尤其是金融、信息服務、媒體和電信公司等信息密集型企業。在過去五年中，建立大型企業數據中心所需的投資從6543.8美元+5億美元上升到5億美元。在IT密集型企業中，最大設施的成本接近6543.8+0億美元。這筆支出擠壓了新產品開發的資金，降低了壹些數據密集型產品的經濟效益，降低了利潤。此外，不斷增加的能源消耗產生了更多更廣泛的碳足跡，導致環境退化。對於大多數服務行業來說，數據中心是企業最重要的溫室氣體排放源。從2000年到2006年，用於存儲和處理數據的電力增加了壹倍，每個數據設施的平均耗電量相當於25，000個家庭的總和。全球有4400萬臺服務器，消耗總電量的0.5%。如今，數據中心的碳排放量接近阿根廷和荷蘭等國家。僅在美國，2010年數據中心預計增加的耗電量相當於10個新電廠的發電量。目前的預測顯示，如果不抑制需求，2020年全球數據中心的碳排放量將是現在的4倍。
監管機構已經註意到這些趨勢，並敦促企業拿出解決方案。美國環境保護署(EPA)建議，大型數據中心應使用能源計量表作為建立運營效率標準的第壹步。與此同時，歐盟還發布了壹套自願行為準則，介紹了高能效運行數據中心的最佳實踐。隨著數據中心排放量的持續上升，政府可能會施加更大的壓力來減少排放量。
第二頁:全面應對挑戰。
在信息密集型組織中，許多部門和級別的人員可以做出影響數據中心運營效率的決策。金融交易員可以選擇運行復雜的蒙特卡洛分析，而藥物研究人員可以決定存儲多少臨床實驗圖像數據。負責應用程序開發的經理可以決定需要多少編程工作來滿足這些需求。服務器基礎設施的經理可以做出設備采購決策。設施經理可以在預測的需求出現之前決定數據中心的位置、電源和安裝設備的時間表。
這些決定通常是單獨做出的。銷售經理可能會選擇將交易從隔夜結算改為即時結算，而財務分析師可能希望存儲幾份歷史數據，而不考慮對數據中心成本的影響。應用程序開發人員很少會想到優化自己的工作來最小化服務器的使用，也很少會考慮開發可以跨服務器享用的設計應用程序。購買服務器的管理人員可能會選擇價格最低的產品或他們最熟悉的產品。但是這些服務器可能會浪費數據中心的電力或空間。很多時候，管理人員會過度購買設備，以確保在最極端的使用情況下有足夠的容量，這將導致容量過剩。管理人員通常會建造具有額外空間和高制冷能力的設施，以滿足極端情況的需要或應對緊急擴張。
這些決策在整個組織中累積起來，將對成本和環境產生重大影響。在許多情況下，公司可以停止使用壹些現有的服務器，並擱置購買新服務器的計劃，而不會降低其數據管理能力。這可以通過壹些公知的技術來實現。比如虛擬化，這種技術其實就是找到服務器空閑的部分來運行應用，以達到容量共享的目的。但公司不壹定會這樣做，因為沒有壹個高管可以承擔“端到端”的責任。在組織內部，管理者會以最利己的方式行事，這導致了大多數數據中心的低效率，往往每臺服務器上只運行壹個軟件應用。
我們分析了壹家媒體公司的近500臺服務器，其中三分之壹低於3%，三分之二低於10%。雖然有許多現成的管理工具用於跟蹤使用情況，但該公司沒有使用任何壹種工具。從全球範圍來看，我們估計服務器的日利用率壹般只有5%到10%，造成了能源和資金的浪費。對此，數據中心經理壹般會回答，這些服務器的配備是為了在極端情況下提供容量，比如應對聖誕節前壹天的購物潮。但總的來說，這個論斷是不成立的，因為數據顯示，如果平均利用率極低，高峰時段的利用率也會很低。此外，數據設施的數量正在增加，但服務器和相關設備有時只占數據設施容量的壹半，這表明數億美元的資本支出被浪費了。即使公司報告數據中心已滿，但走在數據中心的過道上，往往會發現服務器機架上有很多空位，而原本放在這些空位上的設備已經被淘汰了。
這種不壹致的部分原因是很難預測數據中心的需求。操作的時間框架是壹個問題。壹個數據中心的設計和建設通常需要2年或更長時間，預計使用年限至少為12年，所以在業務部門產生實際需求之前，容量已經設定。與此同時，對於業務決策如何相互影響，如何將其轉化為新應用的需求，以及需要多大的服務器容量來滿足需求，仍然缺乏全面的了解。比如客戶需求增加50%，很多公司很難預測服務器和數據中心的容量需要增加25%還是100%。極端情況下，我們發現有些設施投入運行後，常年處於空氣中；其他公司在建立數據中心後，很快發現有必要建立壹個新的數據中心。
現在數據中心已經成為壹項昂貴的資產，可以推斷財務績效責任落實的非常差。設施的財務和管理責任往往落在房地產經理身上，他們基本不具備相關的專業技術知識，對IT與核心業務問題的關系缺乏深入的了解。同時，管理服務器運營的人很少知道關鍵運營費用的數據，比如耗電量或者IT設備占用房產的實際成本。相反，當IT經理決定購買更多應用程序或新服務器時，他們有時只使用初始硬件成本和軟件許可費等基本指標。在計算實際成本時，需要考慮設施運營和租賃、電力使用、支持和折舊等因素。這些成本可能是服務器初始購買成本的四到五倍。再加上上面提到的孤立的決策和責任問題，數據中心通常會添加額外的服務器作為保險措施，很少討論成本權衡或業務需求。在缺乏實際成本分析的情況下，過度建設、過度設計、效率低下成為普遍現象。
第3頁:改革運營模式改革運營模式
在研究之初，我們認為通過建立壹個新的節能數據中心，我們可以指出壹條降低數據中心成本和碳排放的光明之路。新設施可以充分發揮當前技術的優勢，使用自然冷卻方法和低碳排放的電源。但我們也知道，降低成本和碳排放的最有效方法是改善公司現有數據中心的低效率。通過改善資產管理，增強管理層的責任感，並為降低能源成本和碳排放設定明確的目標，大多數公司可以在2012年之前將IT能效提高壹倍，並抑制其數據中心溫室氣體排放的增長。事實上，您可以獲得最環保的數據中心，而無需單獨構建。
積極管理資產
壹家大公司采用的實踐表明，規範現有服務器和設施的使用可能會產生巨大的好處。該公司最初的計劃是增加服務器的數量，並建立壹個新的數據中心來容納這些服務器和其他IT設備，以滿足2010年的自身信息需求。公司董事會已經批準了該計劃，但這意味著公司今年將有大量的資本支出。結果，公司徹底修改了計劃。它將關閉5000多臺很少使用的服務器。通過虛擬化3，700個應用程序(占公司總應用程序的65，438+05%)，活動服務器的數量可以從25，000減少到20，000。該公司還用可以提高20%電力效率的產品替換了壹些舊服務器。
這些調整使該公司擱置了最初的數據中心擴展計劃，從而節省了3.05億美元的資本投資成本。由於服務器數量和功耗的下降，運營費用預計將減少4500萬美元至7500萬美元。考慮到停機和虛擬化因素，服務器的平均容量利用率將從目前的5.6%提高到9.1%。該公司仍然可以滿足其不斷增長的數據需求，但電力需求的減少意味著未來四年二氧化碳排放量將從596，5438+0000噸減少到346，5438+0000噸。
公司還可以通過加強對不斷增長的數據需求的管理來實現節約。業務部門應審查相關政策，確定應保留多少數據，以及是否減少壹些數據密集型分析的規模。部分事務的計算可以推遲，以降低高峰時段服務器的利用率，並不是所有的企業信息都需要基於大規模備份的容災功能。
更好的預測和規劃是提高數據中心效率的基礎。公司應該跟蹤其對數據需求的預測與實際需求之間的差異，然後獎勵能夠將預測偏差最小化的業務部門。數據中心的管理者要盡可能全面地了解未來的趨勢，比如機構成長、商業周期等，然後把這個趨勢和自己的模型結合起來。數據中心、應用程序架構師和設施運營商提供的建議可用於改進這些模型。壹家全球通信公司制定了規劃流程，包括各個業務部門的各種數據增長發展。雖然該公司最終得出的結論是需要擴大產能，但其未來的很大壹部分需求可以通過現有資產來滿足，這比原計劃節省了35%的資本支出。
很多組織並沒有把數據中心當成稀缺昂貴的資源，而是把它當成壹個等待註水的水桶。為了避免這種趨勢，公司在估算新服務器或額外應用程序和數據的成本時，可以采用實際擁有成本(TCO)會計法。業務部門、軟件開發人員或IT經理在做出支出決策時，很少考慮應用程序和服務器的生命周期運行成本。提前計算這些成本有助於限制過度需求。
管理這些變化可能非常困難。大型組織中的許多人沒有意識到數據的成本。企業的每個部門都會有對數據中心服務的需求。滿足這些需求的責任分散在IT部門(包括運營和應用程序開發)、設施規劃人員、* * * *服務團隊和企業房地產職能部門。成本報告沒有統壹的標準。
第4頁:提高整體效率提高整體效率
作為數據中心改進計劃的壹部分，我們建議采用壹個新的指標:企業數據中心平均效率(CADE)。與美國的平均燃油經濟性(CAFE)裏程標準類似，CADE考慮的是數據中心的設施能效、設施利用率和服務器利用率水平。綜合這些因素，我們得到數據中心的整體效率，也就是CADE(圖)。降低成本和碳排放的公司將提高其數據中心的CADE得分。就像在汽車行業，優秀的裏程可以提高CAFE的評級。
為了設定改進目標，我們將CADE分為五個級別。屬於CADE級別1的數據中心運行效率最低；大多數機構最初可能被歸類在較低的級別。關閉未充分利用的服務器、采用虛擬化技術和提高設施空間使用效率都將提高CADE得分。在CADE的幫助下，公司還可以對整個數據中心的設施進行基準測試和分析，或者與競爭對手進行比較，或者為管理人員設定績效目標並進行跟蹤。
在數據中心的需求管理方面，我們建議采用壹種新的治理模式，由CIO全權負責。在這個體系下，CIO可以更透徹地了解各個業務部門的數據需求；對於需要更多服務器或軟件應用程序的新數據項目，他們可以強制在相應的投資回報計算中考慮能源消耗和設施成本。我們還建議首席信息官采用壹個新的指標來衡量改進。請參考副標題“提高數據中心的效率”。通過強化責任，首席信息官將更有動力尋求改進，例如采用虛擬化技術，提高現有設施的利用率。由於這種模式將更多關鍵業務決策的責任集中在CIO身上，因此不僅需要CEO的全力支持，還要求組織改變以往應對業務部門數據中心擴展請求的思維模式。此外，首席信息官還應該著手提高數據中心的能源效率。