英特尔企业服务器

白皮书2016年5月IT@INTEL数据中心战略引领英特尔业务变革从2010年到目前为止,我们改进后的数据中心战略新创造了超过3.
21亿美元的业务价值.
SheshaKrishnapura英特尔院士兼英特尔IT首席技术官ShajiAchuthan英特尔IT资深工程师PushpaJahagirdar英特尔财务部高级金融分析师VipulLal英特尔IT资深首席工程师RajuNallapa首席工程师SanjayRungta英特尔IT资深首席工程师TyTang英特尔IT资深首席工程师要点综述为了能更有效满足英特尔的业务需求,同时为内部用户提供最佳数据中心基础设施功能和创新型业务服务,英特尔IT正在全面更新我们的数据中心战略.
数据中心转型战略的最终目标是将英特尔数据中心像一所工厂那样运行来提供服务,即是同过一种严格的方式部署变更,同时全面应用革新的技术、解决方案和流程.
我们使用三个关键的指标来衡量数据中心转型是否取得成功:在限定的开支目标内(成本竞争力)满足不断增长的用户需求(服务等级协议和服务质量),同时尽量提升基础设施资产的使用率(运营效率).
基于在前期投资和技术的基础上,我们对数据中心战略进行了改进.
从2010年到目前为止,经过改进的战略已经新创造了超过3.
21亿美元的业务价值.
我们的主要成就包括以下几点:开发了一项名为NUMA-Booster的系统软件功能,帮助提高了服务器容量.
部署的英特尔固态盘已经超过了13,000块,它们用作"快速交换"固态盘,将服务器容量提高了27%.
产品设计的计算环境中产生了五代高性能计算解决方案,共实现了90倍的容量提升和64倍的质量提升.
采用了新的存储功能,加速了存储更新,努力提高使用率,帮助大幅度的成本节省.
部署了超过65,000个每秒10Gb的网络端口.
集成服务器和网络基础设施,为整个企业节省了39%的硬件.
第2页,共18页缩略词DOMESDesign,Office,Manufacturing,Enterprise,andServices;设计、办公、制造、企业和服务EDA-MIPSelectronicdesignautomation-meaningfulindicatorofperformancepersystem,电子设计自动化—单位系统性能有效指标GbEgigabitEthernet,千兆位以太网HPChigh-performancecomputing,高性能计算IaaSInfrastructureasaService,基础设施即服务KPIkeyperformanceindicator,关键性能指标MIPSmeaningfulindicatorofperformancepersystem,单位系统性能有效指标MORmodelofrecord,记录模型MTTRmeantimetorepair,平均维修时间NASnetwork-attachedstorage,网络连接存储NICnetworkinterfacecard,网卡NUMAnon-uniformmemoryaccess,非一致性内存访问PUEpowerusageeffectiveness,电源使用效率QoSqualityofservice,服务质量RISCreducedinstructionsetcomputing,精简指令集计算ROIreturnoninvestment,投资回报SANstorageareanetwork,存储域网络SLAservice-levelagreement,服务级别协议SSDsolid-statedrive,固态盘TCOtotalcostofownership,总体拥有成本USDU.
S.
dollar,美元VMvirtualmachine,虚拟机从2016年到2018年,我们计划进一步扩展数据中心战略,以持续推动数据中心基础设施转型.
具体方法是采用具颠覆力的服务器、存储、网络和数据中心设施技术,为业务应用提供无与伦比的服务质量,并降低其总体拥有成本,同时继续提高IT运营效率.
相比于公有云服务,我们的数据中心转型战略对确保英特尔IT保持竞争优势至关重要.
实施革新解决方案并追求宏伟的目标,这是转型成功的关键因素.
背景英特尔IT运营着60个数据中心,共约145,000台服务器,用于满足超过105,000名员工的计算需求.
1为满足英特尔关键业务职能的业务需求―设计、办公、制造、企业和服务(Design,Office,Manufacturing,EnterpriseandServices,简称DOMES)―并同时尽可能高效地运营数据中心,英特尔IT实施了为期多年的数据中心战略演进,如图1所示.
1英特尔采用IDC的数据中心大小分类来定义"数据中心":"面积大于100平方英尺,用于容纳服务器和其它基础设施组件的机房.
"表1.
不断改进的英特尔数据中心战略2000年以前无集中化战略和所有权开始从RISC迁移到英特尔架构构建数据中心以支持企业收购分散式采购和管理2000年-2006年标准化和成本控制组建数据中心团队开始数据中心整合工作完成设计领域从RISC到英特尔架构的迁移标准化数据中心设计2006年-2010年高效增长的基础以支持DOMES为中心业务作投资主动更新服务器和基础设施虚拟化和企业私有云存储优化和IT可持续发展2010年-2013年改造业务的能力对IaaS的总体拥有成本作整体评估,包括设施、服务器、存储、网络、操作系统和中间件软件功能推出数据中心MOR,以最高的效率和最低的成本推动实际性能提升采用单位成本模型规划与同行和外部云提供商之间的改进目标和评测数据中心脉冲指示板,用以获取IaaS容量和使用率的整体状态,从而支持未来规划与当前改进2013年以后专注于资源和能效将批处理计算能力集中到两个大型中枢结合高频率服务器和最佳工作负载,以支持平台组合集中管理服务器和资源将老旧的晶圆制造厂转变成数据中心定制机架设计,以优化空间、计算和功率密度善用环境资源―采用自然风冷却或蒸发冷却塔水调节数据中心的温度一流的电力密度和配电系统目录1要点综述2背景应对计算环境挑战根据业务需求调整数据中心投资4数据中心战略的独特要素确定关键性能指标和目标借助新投资模型促进大胆创新实施新单位成本财务模型8成效:源于过去,步向未来从2003年到2015年的累积成效2010-2015年所取得的成效15数据中心最佳实践汇总152016年及之后的计划17结论第3页,共18页应对计算环境挑战过去,我们对数据中心的投资集中在改善IT基础设施上,为实现英特尔业务高速增长奠定基础.
我们的主要目标是通过提高数据中心效率和简化基础设施来降低成本,同时减少能源消耗和二氧化碳排放来提高IT可持续发展能力.
在过去的若干年中,我们减少了数据中心能源消耗和温室气体排放,并同时满足了对数据中心资源的不断增长的需求.
这些增长率预计会继续甚至进一步提高:计算容量需求每年增长30%到40%存储需求每年增长35%到40%网络容量需求每年增长30%到40%在不会对服务产生任何负面影响的情况下,为了应对这些挑战,我们在数据中心投资组合的所有领域(服务器、存储、网络和设施创新)制定了并继续采用大量最佳实践来实现既定目标.
自2006年以来,在这些技术(将在本白皮书的后续部分详细介绍)的支持下,我们已经实现了数亿美元(USD)的成本节省,并同时支持迅猛的需求增长.
根据业务需求调整数据中心投资对于英特尔独特的业务职能而言,采用一刀切式的架构并不是最佳方案.
我们与各业务部门负责人紧密合作,了解他们的工作后,选择了投资在垂直式的架构整合解决方案来满足各业务职能部门独特的计算需求.
产品设计设计工程师每周要处理超过5500万项计算密集型批量任务.
每项任务可能需要花费数小时才能完成.
此外,交互式设计应用对由于在远程服务器上托管这些应用而造成的高延迟非常敏感.
我们在设计计算数据中心的过程中采用了若干种方案,旨在为支持各种需求,包括高性能计算(high-performancecomputing,简称HPC)、网格计算、集群本地工作站计算,并使用固态盘(solid-statedrive,简称SSD)作为"快速交换"硬盘、单路服务器以及可提高最为繁重的设计工作负载性能的专门算法,提供足够的计算容量和性能.
2在这些投资的支持下,设计工程师能够以相同的计算容量多处理49%的任务―这相当于加快了设计速度和产品上市时间.
由于设计工程师需要频繁、快速地访问产品设计的数据,我们没有选择最简单便宜的存储方法.
相反,我们针对高性能计算需求,对集群化、性能更高、可纵向扩展的网络连接存储(network-attachedstorage,简称NAS)和高度可扩展的并行存储进行了投资.
我们采用存储域网络(storageareanetworks,简称SAN)来满足诸如数据库等特定存储需求.
2英特尔使用网格计算来实现芯片设计和流片功能.
英特尔网格计算代表了数千台相互连接、通过集群和任务调度软件访问的计算服务器.
此外,英特尔的流片环境使用了高性能计算(HPC)方法,对诸如服务器、存储、网络、操作系统、应用和监控功能等所有关键组件进行了优化,以提高整体性能、稳定度和吞吐率.
如欲了解有关英特尔高性能计算的更多信息,请参阅英特尔公司于2015年12月发布的《供芯片设计所用的高性能计算》一文.
第4页,共18页工厂制造在英特尔的工厂制造环境中,IT系统必须24/7全天候可用,因此我们的工厂使用专用数据中心.
在过去几年中,我们斥巨资制定了稳定的业务持续发展计划,即使工厂的数据中心发生了灾难式的故障时仍能保持运作.
这些努力获得了相应的回报.
自2009年以来,再也没有遭遇与数据中心设施相关的工厂停机事件.
我们在制造环境中采用了一种业经证明的系统化基础设施部署方法来支持高度稳定和快速的实施.
这种"完全复制"方法首先在单个工厂部署新解决方案,在取得成功之后,再在其它工厂中实施.
这套方法减少了升级支持新制程技术的架构所需的时间,并加快了英特尔产品的上市速度.
该复制方法让我们在各个制造环境中快速部署新平台和应用,在13周内完成基础设施部署的成功率达到95%.
如果不采用完全复制方法,在相同的时间里的完成率将不超过50%.
办公、企业和服务为了使企业私有云更为敏捷和提高IT业务速度,我们实施了按需自助服务模式,将供应服务器所需的时间从3个月缩短至按需供应.
在办公和企业应用的环境中,我们将操作系统实例的虚拟化程度从12%(2010年)提高至了90%.
与设计环境相比,我们的办公、企业和服务环境主要使用SAN存储,同时使用少量的NAS存储来支持文件共享.
数据中心战略的独特要素我们的数据中心转型战略是借助严格的变更管理方法,像工厂一样来运行英特尔数据中心和所有底层基础设施.
通过采用革新的技术、解决方案和流程,我们可在整个行业保持领先,并时刻紧跟英特尔业务不断快速发展的步伐.
自从2006年我们主动更新基础设施、采用云计算、更新网络、追求IT可持续发展和整合数据中心以来,已经实现了数亿美元的成本节省.
此外,还通过部署能够使英特尔关键业务功能(DOMES)受益的独特解决方案,实现了对业务增长和功能改进的支持.
我们不断增强战略,以使其纳入更多新要素(后续部分将详细介绍):关键性能指标(keyperormanceindicator,简称KPI).
我们实施了三个KPI并分别为其制定了相应的目标:服务质量(qualityofservice,简称QoS),在服务等级协议(service-levelagreement,简称SLA)方面使用分层的方法.
经济高效有效地利用资产和容量第5页,共18页我们根据每一年对技术、解决方案和流程所做的改进,确定可实现的最佳SLA、可实现的最低成本,以及可实现的最高资源使用率.
我们将针对当年的这种组合称为记录模型(modelofrecord,简称MOR),然后,根据这些KPI设定投资优先级,以实现MOR目标;每年我们努力逐步接近MOR,同时在这些因素中取得平衡.
投资决策模型.
专注于MOR并对比当前数据中心功能和最可行的KPI,可帮助我们对投资决策进行优先级划分.
该方法不像传统的改进思维模式那样,仅关注逐步改进.
相反,我们能够通过发现更具突破性的创新来增强自身的能力―如那些已经用于实施私有云和高效芯片设计计算网格的创新.
单位成本财务模型.
由于能够确定各DOMES领域的改进指标,我们可以对自身评测,并进一步划分投资优先级.
我们相信全新的数据中心成本和投资评估方法,加上持续努力满足业务需求,促进了更加积极的持续创新.
我们的工作提高了英特尔IT业务服务的质量、速度和效率,从而为英特尔业务创造了持续的竞争优势.
如欲了解详细信息,请参阅"成效:源于过去,步向未来".
确定关键性能指标和目标KPI提供一种衡量数据中心投资是否有效的方法.
由于每种业务功能的服务输出各不相同,因此我们分别对各项业务功能评估.
我们的数据中心投资决策旨在平衡和满足所有业务需求,并同时优化KPI.
服务质量针对每项业务功能对于性能、运行时间、平均修复时间(meantimetorepair,简称MTTR)和成本的敏感度,我们在服务等级协议(SLA)方面使用了分层的方法.
我们在这方面的KPI,目标是满足确定的分层级别的特定性能SLA需求.
例如,对于业务关键度最高的应用,目标是提供比二层应用(关键度略低)更高的性能SLA.
IT服务质量的终极目标,就是IT不会对业务产生任何负面影响.
英特尔IT数据中心指示板为了能更加有效地监控和管理全球数据中心网络,我们开发和部署了一款集成的商业智能指示板.
这款BI工具是仿照英特尔制造环境中所用的指示板制造的.
通过突出显示当前状态和优化机会,该指示板将能够帮助我们监控关键性能指标(keyperformanceindicator,简称KPI),因而支持全面提升符合我们数据中心战略目标.
例如,该指示板能够报告若干种数据中心资源的有效使用率,包括电子设计自动化—单位系统性能有效指标(electronicdesignautomation-meaningfulindicatorofperformancepersystem,简称EDA-MIPS)、原始和已用存储容量以及设施空间、功耗和散热情况.
该数据能够按照业务功能或数据中心来报告统计数字,且能够用于比较多个数据中心的KPI和指标.
下图显示了该指示板的示例.
英特尔IT数据中心指示板提供了数据中心资源的整体视图,能够帮助我们跟踪KPI并发现优化和改进的机会.
第6页,共18页有效资源使用率调整后的数据中心战略反映了我们在看待资源使用率方面的重大转变.
过去,我们仅从IT资产(包括计算、存储、网络和设施)的繁忙程度或负载情况来衡量它们的使用率.
例如,如果服务器在90%的时间以峰值容量工作,我们即认为该服务器的使用率为90%.
如果分配了80%的可用存储,我们认为存储使用率为80%.
相比之下,我们现在关注的是资产的实际输出,即有效使用率.
例如,如果英特尔设计工程师启动了100万项设计任务,因此使得服务器非常繁忙,但是这些任务中有三分之一在完成之前由于没有足够的可用存储而终止,则计算容量的实际有效利使用率较低,仅为66%.
或者,如果用户仅消耗了分配的10GB存储资源中的4GB,其余虽然已分配但实际上被浪费的6GB并不代表资产获得的有效利用.
我们KPI是在所有IT资产中实现80%的有效利使用率.
各个服务部门的成本如表2所示,服务功能不同,能够测量的服务单位也不同.
单位表示我们为企业用户提供的容量.
在这一KPI方面,我们的目标在于将数据中心每年的成本效率提高10%.
这并不意味着每年的开销将更低,而是意味着将能从花费的每一美元中获得更高回报.
例如,减少花费在相同服务单位上的成本,或者投入相同的资金,但提供更多的服务.
借助新投资模型促进大胆创新英特尔在制造环境中确定了一种久经考验的方法,在处理多代制程技术中均取得了显著的成功.
在此基础方法之上,我们采用了一种全新的数据中心投资决策模型,将当前的数据中心能力与"最可行的模型"进行比较,以指导我们做出具有最高影响力的投资.
过去,英特尔数据中心规划团队通常会评估当前能力和资金情况,在此基础上生成一份记录计划.
这一计划推动了我们逐步改进现有能力.
我们的目标是尽量降低总体拥有成本(totalcostofownership,简称TCO)和实现积极的投资回报(returnofinvestment,简称ROI).
相比之下,MOR不会考虑目前内部的条件限制.
相反,它能够指出我们为支持业务目标,在理想的情况下应当有的最少资源,从而基于现有的技术来显示最佳状态如何.
表2.
每项业务功能的服务单位功能服务单位设计EDA-MIPS单位成本办公、企业和服务操作系统实例单位成本制造集成工厂计算环境单位成本第7页,共18页此全新模型设立了一个最可行的性能标准,让我们能够:确定哪些投资将能够获得最高的投资回报(ROI).
发现使用具颠覆力的基础设施技术和革新的解决方案能够带来的优势,从而为基础设施的各方面提供更出色的数据中心解决方案.
制定数据中心位置决策,包括确定需要整合、升级或关闭的数据中心.
使用新模型关注特定领域中有限的可用资源,以实现最大的整体收益.
如图1所示,由于技术始终在变,因此峰值性能也在变化,最可行的性能始终可经不断创新得到提升.
我们知道由于受到资源限制的影响,尽管HPC环境与该目标非常接近,实际上却无法实现这个全新投资模型所设定的标准.
不过,该模型显示了我们的目前状况与目标之间的差距.
然后,我们可以按照功能方面存在的最大差距,划分优先级,把投资预算先分配给可实现最高价值的投资项目.
实施新单位成本财务模型我们将财务模型从基于项目和组件计数演进到更为整体的单位成本模型.
例如,之前采用的是"中断/修复"的数据中心改造方法.
过去,我们通常升级单一项数据中心设施或设施的一部分.
我们仅考虑项目成本和该投资的预期投资回报,而不从整体上考虑该投资对服务单位输出的影响.
相比之下,现在我们关注的是每服务单位的总体拥有成本―使用的是所提供的服务的整体数据中心单位成本堆栈.
这一成本堆栈包括所有与提供业务服务相关的成本要素,现在在评估投资的过程中,还将所有数据中心的全球视图考虑在内.
如图2所示,需考虑的六个主要成本类别分别是:网络、员工数量、服务器、设施、操作系统与管理,以及存储、备份和恢复.
这些成本加在一起,然后除以该环境的合适服务单位的总数,就可得出服务单位平均成本.
基于服务的单位成本支持我们评测自身的绩效和划分数据中心投资的优先级.
确定基于服务的单位成本还支持测量和互相比较各数据中心的性能,从而发现哪些数据中心性能低,并提供工具帮助我们决定是否升级或整合性能低下的数据中心.
为展示新的基于单位的成本模型的工作原理,图3比较了设计环境的成本数据和办公、企业和服务等环境的成本数据.
相较于设计环境,在办公、企业低仙宻仜⒉懌⒉偕桻旫⒉た+++++÷=(31)7旱ⅰ攫〤僺櫕塢巚塉宭实懌宭实∏图1.
新数据中心投资模型鼓励创新,并实现显著的业务成效.
图2.
我们通过考虑所有成本类别并除以该环境的单位数得出了数据中心单位成本,例如办公、企业和服务环境中设计和操作系统实例的电子设计自动化―单位系统性能有效指标(EDA-MIPS).
第8页,共18页和服务环境中,员工数量类别在总成本中所占的百分比更大.
相比之下,服务器作为一项成本要素在设计环境中比在办公、企业和服务环境中更重要.
通过了解每种环境中的确切单位成本和该成本明细,将有助于我们针对每种环境开发优化的解决方案,以对成本效率和投资回报产生最大的影响力.
成效:源于过去,步向未来本部分将详细介绍过去几年,我们的数据中心战略在改进与成本节省方面所实现的成效.
过去十年,由于在数据中心计划取得了巨大成功,我们要在此基础之上继续前行.
因此,此处展示的成效有一部分是逐渐累积起来的,而另一部分是过去三年内所取得的,是实施新MOR战略所带来的直接成效.
调整后的数据中心战略将能够帮助我们为英特尔客户、产品和企业收购的未来发展提供支持,同时提升IT向英特尔各业务部门提供的服务的质量、速度和效率.
从2003年到2015年的累积成效过去十年里,我们显著提升了数据中心的性能,并降低了成本(表3).
整个数据中心所实现的改进我们从整体上提升了数据中心的性能和使其更为经济高效.
降低数据中心总占地面积图4显示了在过去10年中我们如何实现了数据中心设施的整合.
总占地面积降低了27%,而且数据中心设施的数量从152个减少到60个.
请参阅"持续的数据中心整合",了解有关MOR战略如何直接实现其中一些成就的介绍.
改进整体存储实践我们重点提高设计环境的有效使用率,将资源使用率从不到45%提高到60%以上—而我们的目标是达到65%.
通过应用多种存储技术,我们在提高了存储效率之际,同时降低了成本:分层存储.
借助一种五层存储方法,我们提高了存储资源的有效使用率,改进了SLA的表现,并降低了设计存储的总体拥有成本.
设计存束勮宻懌嶇嶇010020030040050020162012201120052003050100150200250束⒉宻懌束宻懌152136916860宻实Ⅹ⒉宻懌⒉偕桻旫宻仜⒉⒉た低仙37%25%20%7%9%2%28%19%4%9%9%31%图3.
了解总体单位成本和每种企业环境中的各成本类别的具体数字,能够帮助我们更容易选择最能降低成本的IT投资.
图4.
在过去十年,我们在满足不断增长的计算和存储资源需求时,将数据中心占地面积降低了27%.
表3.
2003-2015年数据中心所实现的改进整个数据中心降低了数据中心总占地面积改进了整体存储和网络实践设计环境提高了设计计算和存储的效率第五代高性能计算使用NUMA-Booster提高设计效率使用英特尔固态盘提高设计效率办公和企业环境提高了办公和企业计算与存储的效率第9页,共18页储的各个层级根据性能、容量和成本进行划分.
第1层服务器拥有最高的性能和最少的存储容量.
第2层服务器提供中等水平的性能和较大的存储容量.
第3层服务器提供较低的性能,但却强调容量;而第4和第5层服务器拥有最高的容量,但却用于低频访问和只读存档数据.
我们从2015年开始更新战略,以将这些层级整合成三个,并同时提高我们满足质量SLA和成本目标的能力.
横向扩展存储.
我们正在实施从分散的纵向扩展存储模型向集中的横向扩展模型的战略转变.
横向扩展存储可以更有效支持针对性能和容量的按需请求.
此外,横向扩展存储支持透明数据迁移功能,同时可以更加有效地利用通过使用诸如重复删除和压缩等效率技术释放的空间.
存储更新周期.
为了改进性能和降低成本,我们正在实施一个四年的存储更新周期.
借助这种经过加速的更新周期来采用性能和效能源使用率都更高的服务器,从而降低资本成本和费用成本.
例如,更有效节能的服务器可以降低数据中心的功耗;用一台功能更强大的服务器替换多台老式的服务器,可以降低数据中心的占地面积.
重复数据删除.
通过采用新的存储技术,以及兑现四年服务器更新周期的承诺,我们使用最新一代的英特尔至强处理器.
这些处理器提高的数据处理能力,使我们可以在主存储服务器上删除重复的数据—从而释放了超过5PB的容量让用户使用.
改进整体网络实践为了满足数据中心增长对英特尔网络提出的更高要求,英特尔IT正在将数据中心网络架构从多个100MB/S和千兆位以太网升级至万兆位以太网.
老式、缓慢的连接已经不能支持英特尔不断增长的业务需求.
向10GbE端口的过渡开始于2010年;目前我们部署了超过65,000个10GbE端口.
全新的10GbE数据中心结构设计符合我们当前每年40%的网络容量增长需求(参阅图5).
我们希望它也能满足未来不断增长的网路需求.
在过去6年中,除了增加网络容量外,我们还提高了网络端口的有效使用率—从40%提高到62%(见图6).
更高的使用率意味着我们不必额外购买端口,也能够满足网络容量需求的增长.
+F)惥佯懌102030405060709363,85612,89618,13637,88065,456102030506070%40%45%51%60%61%62%嶇櫕嶇图5.
实施10GB以太网(GbE)数据中心结构设计可以适应当前的容量增长,同时满足未来不断增长的网络需求.
图6.
我们一直在持续提高英特尔IT网络的有效使用率.
第10页,共18页我们还着重于令数据中心更为稳定可靠.
在过去,我们使用基于第2层技术的大型设备.
现在,正向基于第3层的网络迁移.
这种全新的架构支持在主路径和次级路径上同时使用所有可用的带宽.
因此,除了可以更有效地使用我们的网络容量外,也可以消除在英特尔数据中心内的生成树协议(spanning-treeprotocole)(这种协议无法针对大型网络进行有效扩展).
由于互联网使用的是基于第3层的可扩展架构,因此在英特尔的数据中心中使用这种理念将会使我们的数据中心网络更容易扩展和更具弹力.
此外,我们正在使用诸如重叠、多机箱链路聚合(multi-chassislinkaggregation,简称MLAG)和隧道等其他技术在第3层拓扑结构之上、在整个数据中心中拓展第2层.
如图7所示,我们倾向于在更高速度的网络技术上市时马上就能用到这种技术.
从2015年开始便在数据中心采用40GbE,希望到2016/2017年年底时可以在一些数据中心环境中采用100GbE技术,从而与网络需求保持同步发展.
在2015年,我们还对产品设计所用的数据中心架构做出了两个主要的更改,以降低对基础设施的过度使用,并将基于机箱的交换机换成固定外形的交换机,以节省成本和提高效率.
未来三年,我们计划将计算机和文件服务器的过度订购率从8:1分别降至6:1和3:1.
同时还将计划通过模块化设计使用固定外形的交换机,从而实现70%的设计数据中心转型.
产品设计计算环境方面的改进芯片设计在英特尔的业务中占有较大的比重,为此,我们在设计计算的多个层面上应用了我们的数据中心战略.
更高效的设计计算和存储我们的设计环境中存在各种各样的挑战,其中最重要的一个就是高速增长的服务器和存储.
计算需求正在按30%-40%的速度逐年增长,同时存储容量需求也在35%-40%的速度逐年提高(见图8).
预计,内核数量将会持续增加.
我们计划根据内核的数量、机架的数量、功耗和满足单位系统性能有效指标(MIPS)需求的程度来衡量数据中心的性能.
第5代HPC设计英特尔微处理器需要执行大量的计算.
流片是芯片设计流程的最后一个步骤,每代芯片制程技术的流片对计算能力的要求持续迅猛增长.
英特尔IT采用HPC来应对如此庞大的计算规模,在计算性能、稳定可靠与成本方面均实现了显著改进.
⒉勮懄勮懄怜+F)20002005201020152020202510,0000.
11000100401011995实曽⒉懌2015201420132012201120102009宻实O)(%1-47/4&/11202715213243598329405375101143313845566995485645394874126图7.
英特尔IT在更高速度的网络技术上市时马上就采用这种技术.
图8.
尽管计算和存储需求在持续增长,我们的产品设计数据中心正在使用强大的英特尔技术来满足需求.
在2013年,迁移至的新款服务器后显示了数量的增长;不过,它的密度极高,可支持在每机架中安装140-180台服务器.
第11页,共18页如图9所示,从2005到2015年间,我们的HPC解决方案已经实现了90倍的设计计算增长,现在正在使用第5代HPC解决方案,并将随着英特尔制程技术的不断发展持续开发新的HPC技术.
该图还展示了我们对质量的承诺.
借助严格的变更管理方法(基本像工厂一样来运行我的数据中心),将影响流片的计算问题数量减少了64倍.
使用NUMA-Booster提高设计吞吐量数据中心整体优化不单是指观察服务器性能和设备效率.
应用性能和工作负载优化也会成为重要的贡献因素.
我们开发了一项称为NUMA-Booster的系统软件功能.
与默认的操作系统调度功能相比,该功能可以自动、透明地解析产品设计的工作负载并执行工作负载调度.
它将在所有双路服务器上实施.
我们在未造成任何系统故障停机或最终用户影响的前提下,获得了以下特别成果:性能.
测试显示,产品设计的性能提升了高达17%(见图10).
数据中心空间和采购成本.
我们大约有30,000台服务器部署了NUMA-Booster,从而降低了为满足3,296台服务器需求所需的占地面积(意味着68个机架的数据中心空间).
碳排放.
3,296台服务器意味着每年节省了大约1183万kWh,相当于大约7,014公吨的CO2.
随着替换掉老式的服务器和部署具有NUMA-Booster功能的多核服务器,我们希望能从NUMA-Booster中获得更多的成果.
,4'HPC-1(45nm)HPC-2(32nm)HPC-3(22nm)HPC-4(14nm)HPC-5(10nm)櫕勮n实,4'懄实旫梕懌'4932.
21.
00x3.
95x7.
39x13.
20x17.
32x20.
58x29.
87x40.
94x51.
87x90.
21x3.
85.
43.
82.
91.
31.
61.
00.
50.
5图9.
我们的高性能计算(HPC)解决方案结合系统的变更管理一起使用时,正在持续地增加计算容量和改进服务质量.
慊291%&SSWXIV慊291%&SSWXIV勮n凰n企业服务器的虚拟化程度超过了90%将供应服务器所需的时间从90天缩短至按需供应利用最新代英特尔至强处理器定期更新服务器虚拟化比率高达60:1从2008年到2013年期间,设计环境能耗每年下降10%从2005年至2015年期间,性能提升约10倍部署高性能计算ii容量增加90倍,稳定度提高64倍使用HPC-1节省了4472万美元的净现值通过软件优化提升服务器性能设计任务吞吐量提高了高达49%从2010年到2015年期间,由于多种优化,包括NUMA-Booster、基于英特尔固态盘的快速交换、高频率服务器以及最佳的工作负载与平台匹配,实现了2.
41亿美元的业务价值存储使用最新英特尔至强处理器定期更新服务器利用新技术以更低的成本提高存储的容量、质量、速度和效率新系统的I/O吞吐量是旧系统的2倍以上从2011年到2012年期间,数据中心存储硬件占用空间减少了50%以上由于资源共享效率更高,备份基础设施的成本得以降低使用分层备份解决方案优化备份成本并使系统更稳定可靠使用分层模型确定规模适当的存储解决方案iii按照业务需求(性能、稳定度、容量和成本)提供存储资源更有效率管理存储成本,同时仍支持轻松访问必要的数据迁移至横向扩展存储,以降低数据分层的操作复杂度不同层级之间基于策略的数据迁移流程实现了自动化持续监控和回收老化数据所消耗的磁盘空间在2011年,避免了超过100万美元的资本支出针对存储资源实施精简配置和重复数据删除在对性能不会造成负面影响的情况下,帮助控制成本和提高资源利使用率设计环境中对存储的有效使用率从2011年的46%提高到2015年的60%网络将数据中心LAN网络架构升级到万兆以太网iv数据中心网络带宽在三年内提高了400%,可支持我们更加快速地响应业务需求,并能满足业务增长从2010年到2015年期间,网络使用率从40%提高到62%借助多机箱链路聚合(MLAG)和第3层协议消除了生成树减少网卡(NIC)和LAN端口的数量,从而降低了网络复杂程度虚拟环境中的网络成本降低了18%-25%向众多供应商开放数据中心网络五年内,通过采用新网络技术,节省了超过6000万美元的成本设施提高散热效率在18个月内节省了近1,600万瓦时的电力,相当于减少了6,800公吨的二氧化碳排放量采用分层方法实现冗余、可用度,和物理强化实现数据中心冗余和可用度,与业务需求的更好匹配通过消除数据中心中冗余的配电系统,将浪费的电源减少超过7%使用模块化设计改造和整合数据中心将老旧的晶圆制造厂改造成高密度、高效的数据中心模块,并具备行业领先的1.
06PUE采用自然通风冷却和环保高效的蒸发冷却技术,尽量提高能效无需配备含有发电机的整套设施,避免重要资本支出以最少的精力和成本迅速响应不断变化的数据中心需求i如欲了解更多信息,请参阅《将关键业务的计算环境迁移到英特尔架构》.
ii如欲了解更多信息,请参阅《供芯片设计所用的高性能计算》.
iii如欲了解更多信息,请参阅《实施云存储指标以改进IT效率和容量管理》.
iv如欲了解更多信息,请参阅《将数据中心网络架构升级至10GB到万兆以太网》.
第17页,共18页结论持续创新将能够提高英特尔IT业务服务的质量、速度和效率.
为了为持续创新奠定基础,我们已经基于过去十年中确立的实践,调整了我们的数据中心战略.
从2010年到目前为止,改进后的数据中心战略新创造了超过3.
21亿美元的业务价值.
数据中心转型战略(图15)对英特尔IT保持竞争优势至关重要.
我们的主要成就包括以下几点:开发了一项名为NUMA-Booster的系统软件功能,它帮助节省了数百万美元,同时提高了服务器容量.
部署了超过13,000块英特尔固态盘,用作快速交换硬盘,将服务器容量提高了27%.
产品设计的计算环境中的五代高性能计算创造了90倍的容量提升和64倍的质量提升.
采用了新的存储功能,加速了存储更新,努力进一步提高使用率,帮助我们显著增加了存储容量.
部署了超过60,000个10GbE网络端口,节省了数百万美元的成本.
通过集成服务器和网络基础设施,为整个企业节省了39%的硬件.
匀宻ⅰ攫僺ⅰ攫〤僺懌櫕思倉杛怍忘惥日崥懌嵁宻实Ⅹ⒉思37实低仙宻塉宭实懌宭实∏图15.
如果要尽量提高英特尔数据中心基础设施的业务价值,就必须继续在诸如计算、存储、网络和设施等领域进行业务驱动型的创新.
通过像一个工厂那样运行英特尔数据中心、以一种严格的方式部署任何变更,同时全面应用革新的技术、解决方案和流程,我们实现了这些成效.
数据中心战略转型元素包括:关注三大KPI.
这些指标可帮助衡量数据中心转型是否成功:在限定的开支预算内(保持成本竞争力)满足不断增长的用户需求(服务等级协议和服务质量),同时尽量提升基础设施资产的使用率(资产效率).
改变投资模型,促进更加积极的创新.
将当前能力与"最可行的模型"进行比较,新的投资模型将能够推动更积极的创新,以比仅追求逐步改变更快的速度来改造基础设施.
全新的单位成本财务模型.
这一模型让我们能够基于基础设施所支持的业务能力,更准确地评估数据中心的总体拥有成本(TCO).
它能够衡量单位服务的输出成本,支持我们对各项投资作比较,以在各业务职能部门中做出明智的决策,从而尽量提高投资回报(ROI)和业务价值.
如欲获得更多有关英特尔IT最佳实践的信息,请访问:intel.
cn/IT访问:advisors.
intel.
com,获得公正的专业人士提供的客观的定制建议.
只需填写一份简单的表格,我们的资深专家将于5个工作日内与您联系.
IT@Intel我们致力于促进IT专家与英特尔内部的IT同行联系.
我们解决了一些当今最为严苛和复杂的技术问题,希望在这个开放式对等论坛中与同行专业人员直接分享这些经验.
我们的目标非常简单,即提高整个部门的效率,增加IT投资的业务价值.
请关注我们并加入对话:Twitter#IntelITLinkedInIT中心社区如欲获得更多信息,请访问:intel.
cn/IT或联系您当地的英特尔代表.
相关内容请访问:intel.
cn/IT查看相关主题的白皮书:《供芯片设计所用的高性能计算》《开发高度可用、动态的混合云》《协作可视化数据分析助力企业更快作出更佳决策》《极高能效、高密度的数据中心》《软件定义基础架构在英特尔的演变历程》.
《提升业务持续运作-数据中心容量规划》《集成分析平台助力销售与营销》《在迈向混合云的过程中制定明智的私有-公有云决策》性能测试中使用的软件和工作负载可能仅在英特尔微处理器上进行了性能优化.
诸如SYSmark*和MobileMark*等测试均系基于特定计算机系统、硬件、软件、操作系统及功能.
上述任何要素的变动都有可能导致测试结果的变化.
请参考其它信息及性能测试(包括结合其它产品使用时的运行性能)以对目标产品全面评估.
配置:系统配置、固态盘配置和性能测试在本文件正文中有详细探讨.
如欲了解更多信息,请访问:intel.
com/performance英特尔技术的特性和优势取决于系统配置,并需要兼容的硬件、软件或需要激活服务.
实际性能会因您使用的具体系统配置的不同而有所差异.
请联系您的系统制造商或零售商,或访问intel.
cn了解更多信息.
英特尔处理器标号不是性能的指标.
处理器标号仅用于区分同属一个系列的处理器的特性,而不能够用于区分不同系列的处理器.
了解有关英特尔处理器标号的信息.
本文旨在提供一般的信息,并非特定指南.
推荐(包括潜在成本节省)全部基于英特尔的体验,仅为预估.
英特尔不确认或担保他人会得出类似结果.
本文件中包含关于英特尔产品和服务的信息.
本文件不构成对任何知识产权的授权,包括明示的、暗示的,也无论是基于禁止反言的原则或其他.
除英特尔产品销售的条款和条件规定的责任外,英特尔不承担任何其他责任.
英特尔在此作出免责声明:本文件不构成英特尔关于其产品和服务的使用和/或销售的任何明示或暗示的保证,包括不就其产品的(i)对某一特定用途是否适用、(ii)适销以及(iii)对任何专利、版权或其他知识产权的侵害的承担任何责任或作出任何担保.
英特尔、Intel标识、Xeon和至强是英特尔在美国和/或其他国家的商标.
*其他的名称和品牌可能是其他所有者的资产.
英特尔公司2016年版权所有.
所有权保留.
C请注意环保0516/LMIN/KC/PDFIT@Intel白皮书:数据中心战略引领英特尔业务变革第18页,共18页