如何智能迁移数据中心

简介:

根据调研机构IDC公司的报告,组织将超过四分之一的IT预算花费在数据中心上,数据中心很容易成为主要的成本中心。首席信息官希望减少预算,而现实的情况是,组织不得不评估他们的数据中心布局。这通常意味着组织得将多个数据中心合并成更有效的配置或者将不同的数据中心重新定位到更具成本效益的位置,或者兼顾两者。

迁移关键业务和服务器区域对IT资产具有潜在的破坏性。即使迁移本身顺利,首席信息官仍需要迅速制定可衡量的改进方法以应对这一艰巨的过程。

数据中心迁移本不该如此可怕。可以肯定的是,这个过程很困难且紧迫,但如果组织很在意数据中心迁移项目的后果,那么很可能还没有准备好,需要继续完善规划。古老的军事格言也适用于此:“作战计划赶不上战场变化。”数据中心迁移通常需要比预期更多的时间和资源。

智能迁移可以确保数据中心转换首次尝试的成功。以下是数据中心成功迁移的四个关键要点:

不依赖于猜测

企业最糟糕的错误之一便是高估他们的IT基础设施及其支持的技术应用和服务的知识。令人担忧的是,这也是最常见的错误之一。毫无疑问,缺乏新技术和员工流失使得组织难以保留数据中心的专业知识。

尽管每个人都在文件记录和汇报方面做出最大努力,但随着工作人员的再培训或离职,他们带走了有用的知识。即使文档确实存在,也可能是质量较差或参差不齐的。例如,在发布新应用程序之后,开发人员未能记录策略的更改对夜间指数的影响。这种迁移的手法不仅十分拙劣而且还缺乏统一的真相数据。

在这里给出的答案是精心规划。花足够的时间正确地完成初始映射和发现阶段,从长远看,这将节省时间和成本。

量力而行

将数据中心的迁移看作是程序升级的一部分,并同时完成其他主要更改是很有诱惑力的。虽然理论上可以节省时间和成本,但在实践中,它增加了项目失败和其余部分崩溃的几率。当有多个项目时,应考虑按顺序实施,并确保有足够的时间进行迁移。

同样,设定不切实际的目标、时间表和在不了解时间表影响的情况下开展工作是常见的错误。这可能始于一个声明,例如“数据中心租约在三个月内过期,因此我们必须到期之前迁移到新的数据中心”。对于一家只拥有10-50台服务器的小公司来说,这可能不是一个问题,但对于规模较大的公司,则需要比三个月还要多的时间。此外,其复杂性也会影响时间尺度。当相同的10-50台服务器受到全天候创收网站的僵化服务等级协议(SLA)约束时,平衡的服务交付和迁移截止日期将会产生重大冲突。

即使有一个明智的迁移计划,也需要提供足够的人力以确保不会错过最后期限,同时员工们也不会过度紧张。假设IT支持和操作人员既要进行数据中心的资源迁移,同时还要继续履行其正常工作职责,这将不可避免地使这两种工作的质量下降。

广泛地购买

从一开始,管理用户期望就成为数据中心迁移策略的一部分。要确保受影响的业务和IT社区尽早的迁移,达到双方相互协作。这将有助于使新数据中心的能力与业务需求保持一致,在此期间平滑过渡,并支持可衡量的投资回报率(ROI)。

数据中心迁移所带来的纯技术复杂性几乎没有争议。采用整体而不是孤立的方法有助于整个组织在行动中达成一致,并及早消除反对意见,以防止其减缓或损害数据中心的迁移。从数据中心开始迁移直到完成,都需要决定性的力量来保持这种一鼓作气的气势。

别认为“照常营业”会有用

有效治理日常的数据中心活动对于提供及时、可靠和安全的服务至关重要。然而,即使是最好的客户和服务提供商,BAU也无法处理支持数据中心迁移所需的变化量或速度。

在客户和服务提供商两侧的变更管理过程被用来限制数据中心的访问、移动和停止。通常,此类1级或2级更改会在最严格的变更管理控制下运行,例如采用多个更改审批委员会,从而在迁移日期确定之前提供大量的交货时间。

数据中心迁移不能被视为大量的小变化:迁移,升级或取消。相反,数据中心的迁移必须使用商定好的设备在设定的时间段内来计划、批准和操作。这个过程必须得到高级业务所有者的批准。虽然具有高度破坏性,但是这个变化通常以低于3级的状态来避免BAU变更管理过程超载或避免客户端和服务端的变更批准延迟。

同样,请求管理过程被用于提供新设备或访问系统并处理主要项目需求的BAU操作。尽管如此,人们已经看到数据中心迁移完全淹没了请求管理过程,甚至使它停滞不前。

最大限度地减少这一点的方法是将请求进行分组,并提前确保许可。然后,当更新相关配置管理数据库时,可以将受影响的配置项目作为批准更新到时间表中进行管理,而不是作为劳动密集型的个人请求。

不管规划有多么完美,即使最好的数据中心迁移策略也会面临前所未有的复杂性。为了降低风险,在此倡导一种称为智能迁移的务实方法。这确保了初步基础工作的彻底完成,让企业在面对中断时保持灵活,并做出快速的决策以克服实施的困难。这样的话,首席信息官就可以确信他们将能够满足不断发展的业务需求。



本文作者:佚名          

来源:51CTO

目录
相关文章
|
11月前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术如何革新现代数据中心的运维管理,通过集成人工智能、大数据分析及自动化工具,显著提升系统稳定性、效率和响应速度。文章首先概述了AIOps的核心概念与技术框架,随后详细分析了其在故障预测、异常检测、容量规划及事件响应等方面的应用实例,最后探讨了实施过程中面临的数据质量、技能匹配及安全性等挑战,并提出了相应的应对策略。本研究旨在为数据中心管理者提供关于采纳和优化AIOps实践的洞见,以期推动行业向更高效、智能的运维模式转型。 ####
|
11月前
|
机器学习/深度学习 人工智能 运维
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术在现代数据中心管理中的实际应用,分析了其带来的效率提升、成本节约及潜在风险。通过具体案例,阐述了智能监控、自动化故障排查、容量规划等关键功能如何助力企业实现高效稳定的IT环境。同时,文章也指出了实施过程中面临的数据隐私、技术整合及人才短缺等挑战,并提出了相应的解决策略。 --- ####
240 1
|
12月前
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
机器学习/深度学习 运维 数据挖掘
智能化运维:利用机器学习优化数据中心
【6月更文挑战第28天】本文将探讨如何通过机器学习技术来优化数据中心的运维工作。我们将首先介绍机器学习的基本原理,然后详细讨论其在数据中心运维中的应用,包括故障预测、性能优化和自动化运维等。最后,我们将通过一个实际案例来展示机器学习在数据中心运维中的实际效果。
|
机器学习/深度学习 存储 人工智能
智能化运维:未来数据中心的守护者
【6月更文挑战第13天】随着技术的飞速发展,传统的运维模式已难以满足现代数据中心的需求。本文将探讨智能化运维的概念、优势以及如何通过AI和机器学习技术提升数据中心的管理效率和安全性。
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护者
【6月更文挑战第8天】本文探讨了智能化运维在现代数据中心的重要性与应用,分析了其如何通过自动化和机器学习技术提升效率、降低成本并增强系统的稳定性。文章将详细介绍智能化运维的关键组件,包括自动化工具、监控软件以及故障预测机制,并通过案例分析展示这些技术在实际环境中的应用效果。
240 5
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护者
【6月更文挑战第11天】在数字化浪潮不断推进的今天,数据中心作为企业信息架构的核心,其稳定性和高效性对企业运营至关重要。本文将探讨智能化运维如何通过先进的技术手段,实现对数据中心的实时监控、自动化管理与故障预防,从而确保企业IT基础设施的高可用性和性能优化。
|
机器学习/深度学习 人工智能 运维
提升数据中心效率的关键:智能运维策略与实践
【7月更文挑战第39天】 在数字化时代,数据中心作为企业信息系统的心脏,其运行效率直接关系到企业的业务连续性和竞争力。本文将探讨如何通过智能运维(AIOps)策略来优化数据中心的性能,降低运营成本,并提高服务质量。我们将分析当前数据中心面临的挑战,介绍智能运维的基本概念,以及实施智能运维时需要考虑的关键因素。最后,本文将提供一系列实用的智能运维实践案例,帮助读者理解如何将这些策略应用于实际工作中。
|
机器学习/深度学习 运维 监控
智能化运维:未来数据中心的守护神
【6月更文挑战第11天】随着技术的不断进步,智能化运维正在成为数据中心不可或缺的力量。本文将探讨智能化运维的重要性、实现方式以及它如何改变数据中心的运作模式。
|
机器学习/深度学习 人工智能 运维
智能化运维:未来数据中心的守护者
【6月更文挑战第6天】本文探讨了智能化运维在数据中心管理中的关键作用,分析了其对提高效率、降低成本和增强系统可靠性的重要性。文章还介绍了智能化运维技术的最新发展,包括自动化工具、人工智能和机器学习的应用,并讨论了实施过程中的挑战与机遇。

热门文章

最新文章