引言
服务器成本是任何企业IT预算中的一个主要组成部分。随着云计算的兴起，企业现在可以在不购买昂贵硬件的前提下访问强大的服务器资源。即使是云服务器也可能变得很昂贵，因此企业需要寻找方法来优化其预算并减少支出。
服务器成本构成
为了优化服务器成本，首先了解构成成本的因素非常重要。以下是服务器成本的一些主要组成部分：
| 组成部分 | 描述 |
|---|---|
| 硬件 | 服务器硬件，包括处理器、内存和存储设备。 |
| 软件 | 用于在服务器上运行的软件，包括操作系统、数据库和应用程序。 |
| 网络 | 连接服务器到互联网和本地网络的网络成本。 |
| 电源 | 为服务器供电所需的电力成本。 |
| 维护 | 维护和更新服务器所需的成本，包括人工和零件。 |
服务器成本节约技巧
现在我们已经确定了服务器成本的组成部分，让我们探讨一些可用于优化预算和减少支出的技巧：
1. 选择合适的服务器类型
根据您的业务需求选择合适的服务器类型至关重要。对于小型企业来说，虚拟专用服务器 (VPS) 可能就足够了，而大型企业可能需要专用服务器或云服务器。
2. 优化服务器利用率
通过确保服务器得到充分利用，可以减少服务器成本。这可以通过巩固多个应用程序到单个服务器或使用自本增加。
8. 维护服务器
定期维护服务器对于确保其高效运行和降低成本至关重要。这包括应用软件更新、执行安全补丁和进行例行检查。
结论
通过实施这些服务器成本节约技巧，企业可以优化其预算并减少支出。通过仔细考虑服务器需求、协商费率、利用云服务和采用最佳实践，您可以降低服务器成本并提高您的IT投资回报率。
如何降低对软件成本估算的影响
1.关闭虚拟机公有云原则上是按使用情况付费的模式运行，但是成本超支很常见的一个原因是关闭VM的简单失败。
问题是什么时候关灯。
在开发方案中，仅复制生产的过渡环境可能需要运行24/7。
但这只是有限的时间。
对于开发人员而言，它们可能分散在各个时区，并且工作时间长且奇数小时，但即使是开发和测试环境，也不可能每周需要完整的168个小时。
我们都知道，通常的工作时间是每周40至50小时。
一种简单的，有规律的方法，可以在不使用时关闭计算资源（也许以自动化方式），可以节省60％或更多的资源，否则可能需要向您收费。
2.自动缩放这是生产领域中另一个可以帮助自动化的领域。
许多企业和应用程序都有高峰和低谷。
在假期期间，零售商可能会完成其销售额的30％至40％。
健康保险正处于旺季。
薪资服务具有双月流量模式。
音乐会销售开始后，售票处将很快达到顶峰。
但是，为这些高峰构建环境将导致大量的容量浪费和不必要的成本。
自动缩放可以做的是容纳这些潮起潮落，在需要时添加服务器，在繁忙周期过去后将其关闭。
您可以对已知模式进行编程，也可以使用触发器来激活缩放，然后继续缩放直到症状消失。
3.注意您的GET有关数据存储的关键问题是如何使用它。
如果您的工作流程需要具有较高I / O要求的主存储，并需要进行计算以保持应用程序运行，那么您可能不希望它首先放在公共云上。
对于二级存储和档案存储，公有云的价格确实很低，但GET用于访问数据的GET请求。
每月将几TB的后处理数据移入冷存储服务器的PUT请求与GET有所不同，后者使您可以按千位成本提取或下载数据。
如果您需要定期下载或打算将数据移动到其他地方，则应该承担更多费用。
当然，最好预先回答这些设计问题。
4.管理蔓延Sprawl与影子IT相关联，影子IT现在包括公共云VM基础架构。
这种情况很容易理解：开发人员需要更多资源才能完成工作； 添加虚拟机非常容易。
但是，如果没有持续的报告或意识，则无论谁拿到发票都可能会感到意外，特别是如果启动并运行的VM数量是预算的两倍。
另外，这些资源可能会被遗忘，并且在不需要时不会关闭。
缺乏监督还可能导致低效的定价，并且当涉及到不同的技术时，您最终可能会面临管理成本高昂的复杂性。
该解决方案是一种制衡机制，可在保持控制和治理的同时最大程度地减少速度波动。
5.避免安全漏洞组织通常在两个层次上建立安全规则和策略：在企业或公司级别，将策略编码到技术中，以便在广泛的资源用户群中实现一致的应用。
部门或特定应用程序级别，其中访问根据角色根据人力资源或业务部门进行管理。
但是这些政策的执行情况如何？ 在创建虚拟局域网（VLAN）以支持一组新启动的VM时，是否要复制整套适用策略？ 如果不是这样，您将使企业暴露于外部流氓元素中，这些元素可以快速识别网络安全漏洞，破坏防御并增加环境成本（在这种情况下为间接成本）。
数据中心要如何实现节能减排增加能效
我们的研究表明，通过更加严格的管理，公司可以将数据中心的能效提高一倍，从而降低成本并减少温室气体的排放。
具体而言，公司需要更积极地管理技术资产，提高现有服务器的利用率水平；公司还需要更准确地预测业务需求对应用程序、服务器和数据中心设施容量的推动效应，以便控制不必要的资本和运营支出。
数据中心的效率是一个战略问题。
企业建造和运营数据中心花费的资金在公司IT预算中占的比例不断上升，导致用于急需技术项目的预算越来越少。
数据中心建造计划是董事会一级的决策。
同时，监管部门和外部利益相关方也越来越关注公司管理自身碳足迹的方式。
采用最佳实践不仅有助于公司减少污染，还能够提高它们作为良好企业公民的形象。
IT成本高昂如今，公司进行的分析越来越复杂，客户要求实时访问账户，广大员工也在寻找新的技术密集型协作方法。
因此，即使在经济放缓时，人们对于计算、存储和网络容量的需求也在继续增长。
为了应对这一趋势，IT部门正不断增加计算资源。
在美国，数据中心的服务器数量正在以每年约10%的速度增加。
与此同时，在中国和印度等新兴市场，机构正在变得越来越复杂，更多的运营工作实现了自动化，同时有越来越多的外包数据业务在这里进行，因此数据中心的数量呈现出更快的增长态势。
这种对计算资源无法抑制的需求，导致全球数据中心容量稳步上升。
目前，这种增长并没有显露出即将结束的迹象，通常在经济衰退时期它只会进入温和增长状态。
这一增长已经导致了IT成本激增。
如果将设施、存储设备、服务器和人员成本都计算在内，数据中心支出一般会占到企业IT总预算的25%。
随着服务器数量不断增长，电价也正以高于收入和其他IT成本的速度攀升，上述比例只会日益提高。
每年，运行这些设施的成本都在以高达20%的速度上升，而IT总支出的增长速度仅为6%，二者相差极为悬殊。
数据中心支出的不断增加，改变了许多企业的经济结构，尤其是金融、信息服务、媒体和电信公司等信息密集型企业。
在过去5年中，成立一个大型企业数据中心所需的投资已经从1.5亿美元升至5亿美元。
在IT密集型企业中，最大设施的造价正逼近10亿美元。
这一支出挤占了新产品开发的资本，降低了某些数据密集型产品的经济效益，并降低了利润。
此外，不断上升的能耗产生了更多、范围更广的碳足迹，导致了环境恶化。
对于大多数服务行业，数据中心是企业最主要的温室气体排放来源。
在2000到2006年间，用于存储和处理数据的电力翻倍，每个数据设施的平均耗电量相当于2.5万个家庭的总和。
世界上共有4400万台服务器，消耗了总电力的0.5%。
如今，数据中心的碳排放已经接近阿根廷和荷兰等国家的碳排放水平。
仅仅在美国，到2010年数据中心的预计用电增长量就相当于要新建10座电厂的发电量。
目前的预测显示，如果不对需求加以遏制，2020年全球数据中心的碳排放将是现在的4倍。
监管部门已经注意到这些发展趋势，正在督促公司拿出解决方案。
美国环保署(EPA)建议，作为建立运营效率标准的第一步，大型数据中心应当使用能量计。
同时，欧盟也发布了一套自愿执行的行为准则，其中介绍了以较高的能效运行数据中心的最佳实践。
随着数据中心排放量的持续上升，政府可能会为了减排而施加更大的压力。
第2页：全面应对挑战全面应对挑战在信息密集型机构中，许多部门和级别的人员都可以做出影响数据中心运营效率的决策。
金融交易员可以选择运行复杂的蒙特卡洛(MonteCarlo)分析，而药物研究人员可以决定要将多少临床实验影像数据存储起来。
负责应用程序开发的管理人员可以决定用多少编程工作来满足这些需要。
服务器基础设施的管理人员可以做出设备采购决策。
设施主管则可以决定数据中心的位置、电力供应，以及在预测的需求出现前安装设备的时间表。
上述决策通常是在孤立状态下做出的。
销售经理可能会选择将交易由隔夜结算改为即时结算，金融分析师则可能希望为历史数据存储几份副本，他们完全没有考虑到这样做会对数据中心的成本造成什么影响。
应用程序开发人员很少想到要对自身的工作进行优化，以将服务器用量降到最低，也很少考虑开发能够跨服务器共享的设计应用程序。
购买服务器的管理人员可能会选择价格最低或他们最熟悉的产品。
但是这些服务器也许会浪费数据中心的电力或空间。
很多时候，管理人员会超额购买设备，以保证在最极端的使用情况下拥有足够的容量，而这会造成容量过剩。
管理人员往往会建造有多余空间和高制冷容量的设施，以满足极端情况下的需求或应对紧急扩建。
这些决策在整个机构中累加起来，将对成本和环境造成重大影响。
在许多情况下，公司可以在不降低自身数据管理能力的前提下，停用现有的部分服务器，并搁置购买新服务器的计划。
这可以借助一些众所周知的技术来实现。
比如虚拟化，这种技术实际上是通过寻找服务器的空闲部分来运行应用程序，以达到容量共享的目的。
但是公司不一定会这样做，因为没有哪位高管能够承担“端对端”的责任。
在机构内部，管理人员会以最符合自身利益的方式行事，这就造成大多数数据中心效率低下，每台服务器上常常只运行了一个软件应用程序。
我们分析了一家媒体公司的近500台服务器，其中利用率低于3%的占三分之一，而低于10%的则占三分之二。
虽然有诸多用于跟踪使用情况的现成管理工具，但这家公司没有使用其中任何一种。
从全球来看，我们估计服务器的日常利用率一般最高只有5%到10%而已，这造成了能源和资金的浪费。
对此，数据中心管理人员一般会回答，配备这些服务器是为了在极端情况下提供容量，例如应付圣诞节前一天的购物潮。
但一般来说，这一论断并不成立，因为数据显示：如果平均利用率极低，那么高峰时段的利用率也会很低。
此外，数据设施的数量不断攀升，但所存放的服务器和相关设备有时仅占数据设施容量的一半，这说明有上亿美元的资本支出被浪费了。
即使公司报告认为数据中心已经满载，但沿着数据中心的过道行走，经常会发现服务器机架上有很多空位，原先放在这些空位中的设备都已经淘汰。
之所以出现这种不一致的现象，部分原因在于预测数据中心需求的难度很高。
运营的时间框架是一个问题。
数据中心的设计和建造一般需要2年或更长时间，而预计的使用寿命至少为12年，因此容量是在业务部门产生实际需求之前就已经设定的。
与此同时，对于业务决策如何互相影响，如何转化为对新应用程序的需求，以及需要多少服务器容量才能满足需求，还存在着认识不够全面的现象。
例如，如果客户需求增长50%，许多公司很难预测出服务器和数据中心的容量是需要增加25%，还是增加100%。
在极端情况下，我们发现一些设施在投入运营后常年处于半空状态；而另一些公司在建成一个数据中心之后，很快就发觉需要再建一个新的。
如今数据中心已经成为一项昂贵的资产，由此可以推断，财务绩效责任落实得十分糟糕。
设施的财务和管理责任往往会落在不动产管理人员身上，而这些人基本不具备相关的专业技术知识，对于IT与核心业务问题的联系也缺乏深入的认识。
同时，管理服务器运营的人员很少去了解关键运营支出的数据，例如耗电量或IT设备所占不动产的实际成本。
相反，当IT管理人员决定购置更多的应用程序或新的服务器时，有时只会使用硬件初始成本和软件许可证费用等基本指标。
计算实际成本时，需要考虑设施运营和租赁、电力使用、支持以及折旧等因素。
这些费用可能是服务器初始购置成本的4到5倍。
加上前面说到的孤立决策和责任问题，数据中心通常会添加额外的服务器作为保险措施，而很少讨论成本权衡或业务需求。
在缺乏实际成本分析的情况下，过度建造、过度设计和效率低下就成了普遍现象。
第3页：改革运营方式改革运营方式在研究之初，我们以为通过建造新的节能型数据中心，可为降低数据中心的成本和碳排放指出一条光明大道。
新的设施可以发挥当前各种技术的优势，利用自然冷却方法和碳排放较低的电源。
但我们还了解到，在降低成本和碳排放方面成效最显著的方法是改善公司现有数据中心效率低下的状况。
通过改善资产管理，增强管理层的责任意识，并且为降低能源成本和碳排放设立清晰的目标，大多数公司都能够在2012年之前将IT能效提高一倍，并遏制其数据中心温室气体排放的增长。
实际上，您无需另行建造就能获得最环保的数据中心。
积极管理资产一家大型公司采用的做法表明，规范现有服务器和设施的使用就可能产生巨大的收益。
这家公司原本的计划是，增加服务器的数量，并建造一个新的数据中心来容纳这些服务器和其他IT设备，以便满足自身在2010年的信息需求。
该公司的董事会已经批准了这项计划，但这意味着企业在这一年会有大量的资本支出。
于是，这家公司彻底修改了计划。
它将关闭5000多台很少使用的服务器。
通过对占公司应用程序总量15%的3700个应用程序进行虚拟化，可以将现役服务器的数量由2.5万台减少至2万台。
公司还更换了一些较为陈旧的服务器，代之以能够将用电效率提高20%的产品。
这些调整使公司得以搁置原先的数据中心扩建计划，并因此节省了3.05亿美元的资本投资成本。
由于服务器数量和耗电量的下降，运营支出预计将减少4500万美元，降低到7500万美元。
考虑到停用和虚拟化因素，服务器运行时的平均容量利用率将由目前的5.6%升至9.1%。
该公司仍然能够满足自身日益增长的数据需求，但是电力需求的减少，意味着未来4年内的二氧化碳排放将由59.1万吨削减至34.1万吨。
公司还可以通过对不断上升的数据需求加强管理来实现节约。
对于应当保留多少数据，是否要缩减某些数据密集型分析的规模，业务部门应当审查相关的政策。
一些交易的计算可以推迟，以降低服务器在高峰时段的利用率，也并不是所有企业信息都需要基于广泛备份的灾难恢复功能。
更好的预测和规划是提高数据中心效率的基础。
公司应当跟踪自己对数据需求的预测与实际需求之间的差异，然后向能够最大限度减少预测偏差的业务部门提供奖励。
数据中心的管理人员应尽可能全面了解未来的趋势，例如机构增长和业务周期等，然后将这一趋势与自身采用的模型结合起来。
由数据中心、应用架构师和设施操作人员提供的建议可以用于改善这些模型。
一家全球通信公司制定了一套规划流程，将每个业务部门数据增长量的各种发展情况包括在内。
虽然公司最终得出的结论是，它需要扩大容量，但是未来需求中有很大一部分可通过现有资产来满足，这比原计划节约了35%的资本支出。
许多机构并没有将数据中心看作一种稀缺的昂贵资源，而是将其当成了等待注水的水桶。
为了避免这种趋势，公司在估算新服务器或附加应用程序和数据的成本时，可以采用实际拥有成本(TCO)核算法。
业务部门、软件开发人员或IT管理人员在进行支出决策时，很少会将应用程序和服务器的生命周期运行成本考虑在内。
提早计算这些成本，有助于限制过量的需求。
管理这些变化可能十分困难。
大型机构中的许多人并没有意识到数据的成本。
企业的每一个部门都会产生对于数据中心服务的需求。
满足这些需求的责任分散在IT部门(包括运营和应用开发)、设施规划人员、共享服务团队和企业不动产职能部门身上。
成本报告工作并没有统一的标准。
第4页：提高总体效率提高总体效率作为数据中心改进计划的一部分，我们建议采用一项新的指标：企业数据中心平均效率(CADE)。
与美国的企业燃料平均经济性(CAFE)里程标准类似，CADE考虑了数据中心内的设施能效、设施利用率和服务器利用率水平。
将这些因素综合起来，就得到了数据中心的总体效率，即CADE(图)。
减少了成本和碳排放的公司将提高自身数据中心的CADE分数。
这就像在汽车行业中，出色的里程数能够提高CAFE评级一样。
为了给改进工作设立目标，我们将CADE分为五级。
属于CADE第1级的数据中心运营效率最低；大多数机构最初可能都会被归入较低的级别。
关闭利用率低下的服务器、采用虚拟化技术以及提高设施空间的使用效率，都将提高CADE分数。
借助CADE，公司还可以对整个数据中心的设施进行基准比较分析，或者与竞争对手进行比较，也可以为管理人员设立绩效目标并加以跟踪。
在数据中心的需求管理方面，我们建议采用一种由首席信息官全权负责的新治理模型。
在这种体制下，首席信息官能够更为透彻地了解各业务部门的数据需求；对于需要更多服务器或软件应用的新数据项目，他们可以强制要求将能耗和设施成本考虑到相应的投资回报计算中。
我们还建议首席信息官采用一种新的指标来衡量改进情况，请参见副文“提高数据中心的效率”。
通过强化责任，首席信息官将拥有更高的积极性来寻求改进，例如采用虚拟化技术和提高现有设施的利用率。
由于这种模型将关键业务决策的更多责任集中在首席信息官身上，因此不但需要首席执行官的全力支持，而且要求机构转变以往对于业务部门的数据中心扩容请求有求必应的思维模式。
此外，首席信息官还应当设定将数据中心的能效提高
共享云桌面对降低硬件成本优势有哪些？
共享云桌面通过虚拟化技术，可以显著降低企业在硬件方面的成本。
以下是共享云桌面在降低硬件成本方面的几个优势：1. **减少初始投资**：企业无需为每个用户购买高性能的PC或服务器，只需部署云终端设备，这些设备的功耗远低于传统PC，从而大幅降低了初始硬件投资成本。
2. **降低维护成本**：云终端设备通常免维护，简化了IT管理工作，减少了定期维护和升级所需的人力和物力成本。
3. **节省电费**：云终端设备的功耗低，一般在5W左右，与传统PC相比，每年可以节省大量的电费支出。
4. **动态资源分配**：共享云桌面可以根据实际需要动态分配计算资源，避免了资源的浪费，提高了资源利用率。
这种按需分配的方式可以确保用户在需要时获得足够的计算能力，而不必为了峰值需求而过度投资硬件。
5. **集中管理**：通过集中管理，企业可以统一控制和分配资源，减少了分散管理的复杂性和成本。
6. **数据安全和保密**：云桌面提供了强大的安全体系，确保用户数据的安全和保密，从而减少了因数据泄露或丢失导致的潜在损失。
7. **异地团队协同办公**：云桌面支持远程办公和团队协作，使得团队成员可以在不同地点高效合作，提高了工作效率，同时也减少了因地理位置限制而产生的额外硬件投入。
8. **环境要求降低**：由于云终端设备体积小、功耗低，对工作环境的要求也相对较低，可以减少对办公环境的投入和改造成本。
9. **扩展灵活**：随着企业的发展，增加用户或提升计算能力变得更加灵活和经济，企业可以根据实际需求快速扩展云桌面服务，而不需要大量投资新硬件。
综上所述，共享云桌面通过减少初始投资、降低维护成本、节省电费、动态资源分配、集中管理、数据安全和保密、异地团队协同办公、环境要求降低以及扩展灵活等，为企业提供了一种成本效益高的硬件解决方案。
企业可以根据自身的需求和预算，选择合适的云桌面服务，以实现硬件成本的最优化。
