另一方面，利用率也與服務(wù)器的配置瓶頸有關(guān)。在一些較早的機(jī)器中，雖然服務(wù)器的計(jì)算性能很強(qiáng)，內(nèi)核數(shù)量很大，但由于內(nèi)存太小，利用率上不去，形成了系統(tǒng)的瓶頸。如今，在以英特爾至強(qiáng)E5、AMD推土機(jī)架構(gòu)、Power7為代表的小型機(jī)面前，內(nèi)存容量已經(jīng)不是問題。然而，新的瓶頸層出不窮——對頻率敏感的應(yīng)用不適合多核環(huán)境，而是需要像Power7這樣的高頻率服務(wù)器來提高利用率。
相反，一些線程敏感的應(yīng)用需要多核處理，比如AMD推土機(jī)架構(gòu)。在HPC層面，英特爾CPU架構(gòu)性能更好。可見，了解應(yīng)用類型，合理配置服務(wù)器，是解決系統(tǒng)瓶頸，提高服務(wù)器利用率的重要因素。
先說傳統(tǒng)的做法。傳統(tǒng)上，負(fù)載平衡是通過手動或負(fù)載平衡算法實(shí)時(shí)監(jiān)控服務(wù)器并分擔(dān)工作負(fù)載。這種方法的優(yōu)點(diǎn)是實(shí)現(xiàn)起來相對簡單，缺點(diǎn)是需要花費(fèi)時(shí)間和精力，而且總是需要調(diào)整。一些廠商推出了具有多種策略的自學(xué)習(xí)和負(fù)載均衡軟件，甚至有硬件產(chǎn)品來完成作業(yè)調(diào)度。
但這畢竟是治標(biāo)不治本。因此，虛擬化這種統(tǒng)一的手段，成為普及應(yīng)用的普遍手段，成為云計(jì)算的基石。
原理很簡單，就是資源池化——將服務(wù)器集群的計(jì)算能力、存儲容量、網(wǎng)絡(luò)帶寬虛擬化為資源池，并在其中動態(tài)分配計(jì)算資源，這樣就不存在純服務(wù)器分離，繞過了負(fù)載均衡的問題。
但是，讓我們重新關(guān)注服務(wù)器級別—提高利用率和虛擬化之間的直接聯(lián)系在哪里？在于可以將一些空閑的計(jì)算資源虛擬分配給其他應(yīng)用任務(wù)，這與現(xiàn)有的應(yīng)用是不同的。
這句話很拗口。你可以把它想象成把自己分成兩半，一半做繁重的體力勞動，剩下的做一些輕松的工作。總體目標(biāo)是把你的全部力量都占滿——也就是提高利用率。
綜上所述，我們得出兩個(gè)結(jié)論:一是需要根據(jù)應(yīng)用類型選擇合適的服務(wù)器，使利用率最大化；那么如果在此基礎(chǔ)上采用虛擬化解決方案，可以更大程度的提取服務(wù)器資源，更大規(guī)模的提高利用率，為云計(jì)算打下基礎(chǔ)。有不懂的請咨詢夢飛服務(wù)器了解。
