充分利用资源和降低数据中心成本...
充分利用资源和降低数据中心成本的关键
2021-02-23
充分利用资源和降低数据中心成本的关键
为了最大限度地增加对计算机、网络和存储系统的投资,信息技术购买者应密切关注要运行的应用程序的特性,并最大限度地提高服务器吞吐量。
最佳投资回报是最大化信息系统的容量。最佳吞吐量(每秒数据包数)是通过平衡给定系统的性能来实现的。数据可以在进程、内存和I/O子系统中顺利交换,服务器利用率可以最大化。我们可以用最少的服务器来完成指定的工作量,这意味着未来服务器的购买量会减少,软件许可证也会减少。
服务器配置的出现影响应用工作量的消长。通用服务器跟某些应用没法比,比如大数据处理。
传输数据
传统上,在设计服务器时,数据会从I/O子系统传输到内存,这是最快的方法。硬件供应商设计了一种通过特殊通道向CPU传输数据的系统,以提高服务器吞吐量。例如,IBM为NoSQL电力系统版设计了一个数据引擎。
IBM在其POWER8微处理器架构中增加了一致的加速器处理器接口(CAPI)路径。输入输出设备和其他类型的中央处理器可以访问CAPI高速通道接口。比如使用CAPI接口,大型固态硬盘可以直接用POWER8 CP传输。CAPI可以节省存储子系统和其他服务器硬件设备之间的大量数据传输。
从这个硬件设备中获益最大的工作负载是超标量处理器或高性能键值存储(KVS)非关系数据库。IBM的NoSQL-电力系统版数据引擎可以代替24x86服务器运行相同的工作负载,节省12倍的空间和能源。服务器利用率的提高可以节省3.2倍的使用成本。
大数据、Hadoop、机器学习和生物信息学应用都受益于在POWER8处理器上添加一个现场可编程门阵列(FPGA)加速设备。Xilinx是一家可编程芯片制造商,可以通过使用POWER CAPI接口在FPGA产品中获得这些应用。例如,为了通过阿尔法数据处理大数据,添加了KVS加速应用程序和OpenPOWER CAPI加速解决方案。
美国英特尔公司也在至强芯片中加入了FPGA,并声称x86服务器微处理器的性能提高了20倍。
任何工作负载的中央处理器
同一个系统中有很多CPU类型,系统架构保证了工作所需的各种具体的进程类型。数据中心可以独立地将工作负载分解为串行、并行或计算密集型工作负载,所有这些工作负载都可以在x86、POWER、System z和其他传统流程中运行。但是,在某些情况下,其他类型的处理器可以更高效地处理指定的工作负载元素。
为了提高处理效率,许多企业将数据从中央服务器传输到分布式处理器或数据仓库。他们提取、转换和加载(简称ETL)数据,并将其发送到数据仓库系统。专业FPGA(比如VelociData中用于高速数据流应用的)将数据传输到后端x86处理器。当数据以等待状态传输到CPU时,应用程序不需要对数据进行索引、锁定或其他方式的管理,节省了进程的处理时间,以更高的效率获得相同的处理结果。这是一个同时使用FPGA和x86处理器的例子——高吞吐量服务器加快了ETL过程的处理速度。
在高速并行操作的应用中,基于Linux系统的IBM S824L服务器充分利用了NVIDIA GPU。这个硬件最适合Java、大数据、技术类计算机工作负载;与通用处理器相比,它可以更好地提高并行处理应用的服务器吞吐量。
具有新加速架构的应用程序必须快速处理数据,有时是并行处理。电子邮件和信息等连续应用程序从加速的服务体系结构中获益甚少。一些用户将受益于服务器吞吐量和利用率的提高,例如数据科学家,他们希望以实时访问的形式查询数据结果。
在适当的服务器上运行适当的工作负载将为企业节省大量的资金和时间。因此,我们应该非常仔细地选择应用硬件。我们的目标应该是尽可能提高服务器利用率和最大化服务器吞吐量。

展开