企业在信息架构虚拟化建设中易犯的十个错误 本文关键词：架构，错误，虚拟，建设中，企业
企业在信息架构虚拟化建设中易犯的十个错误 本文简介：企业在信息架构虚拟化建设中易犯的十个错误2013-10-1409:39虚拟化改变了企业数据中心和IT架构，但实际上虚拟系统仍然有改进的空间，切莫因为疏于规划与维护而失去虚拟化系统原有的优势。深信通结合众多的大中型企业信息架构规划案例，列举了10个在企业虚拟化建设进程中易犯的错误。1、缺少明确的资源部
企业在信息架构虚拟化建设中易犯的十个错误 本文内容：
企业在信息架构虚拟化建设中易犯的十个错误
2013-10-14
09:39
虚拟化改变了企业数据中心和IT架构，但实际上虚拟系统仍然有改进的空间，切莫因为疏于规划与维护而失去虚拟化系统原有的优势。深信通结合众多的大中型企业信息架构规划案例，列举了10个在企业虚拟化建设进程中易犯的错误。
1、缺少明确的资源部署方法
企业很关心虚拟系统配置及部署的速度，但是很少有人会注意当一个虚拟化系统生命周期结束的时候会发生什么。这是很重要的，因为很多虚拟系统的配置是为了满足临时的IT需求，例如测试一个新的应用。遗憾的是，对于不再需要一个虚拟系统的时候，却没人记得去移除它，这个虚拟系统开始占用本可以用于其他地方的宝贵空间。最终，这逐渐升级成全面的虚拟服务器蔓延，随着物理资源的不断消耗浪费，整个数据中心的效率都会受到影响。
2、未能优化虚拟系统
因为虚拟系统共享一个通用的资源池，并非每个系统在同一时刻都需要这些资源，可能虚拟系统要比在专用物理服务器上的虚拟系统要小。然而，IT的趋势是，将这些系统简单地视为都是针对原来的物理服务器环境，在虚拟环境中重新部署的时候并不改变这些系统。因此，这些系统占用了超过所需的更多资源，虚拟化最初带来的经济效益流失了。
3、没有在最适合的位置部署虚拟化系统
人们对于虚拟化通常有一个直觉，那就是在x86服务器主机上部署虚拟化可以达到最佳效果——但是很多人却意识到，将虚拟Linux或者Windows系统迁移到大型机所能带来的经济效益其实更高一些！如果数据中心内有大型机，那么规划虚拟化的时候不要忘了它。
4、信息孤岛仍然存在
通过将所有托管选项对虚拟系统开放，你最大限度发挥了数据中心虚拟化的好——但是如果你的主机选择可能包括从x86服务器到大型机等各类设备，你的IT员工必须协同工作。在很多数据中心内，员工之间的合作可能是一个比系统集成更大的挑战。这是因为大型机和分布式x86计算组过去通常是彼此独立工作的。这么多年系统和功能都是分离的，因此很难打破这种孤岛式的工作习惯——但是如果你要实施一套端到端的虚拟化战略，充分利用各种主机，这个团队就必须共同努力。
5、确保超越数据中心的虚拟化战略眼光
很多企业机构将他们的精力集中在削减数据中心占地空间和减少服务器数量，这样他们就可以立即实现虚拟化的成本效益，但虚拟化工作不应该止于此。从长期来看，你打算只在自己的数据中心内利用虚拟化吗——或者你是否会剥离某些将与IaaS（基础设施即服务）提供商合作在云中运行的应用？负责虚拟化项目的经理们应该考虑虚拟化的方方面面——不管是在数据中心内的虚拟化，还是通过外包的方式。如果他们没有从整体考虑虚拟架构的话，会发现很难准确评估总成本和应用性能。
6、手动配置脚本导致错误发生并威胁到系统支持协议
大多数站点创建然后重新使用手动脚本用于虚拟系统配置，针对他们特定的IT环境按需修改脚本。这减少了工作量，因为程序员们可以使用“骨架”脚本，只需要少量的修改就可以了。遗憾得是，对脚本的手动修改也可能发生错误。更糟糕的是，如果一个虚拟操作系统被过度修改，那么可能导致新系统偏离原本厂商发行操作系统的风险，厂商会拒绝对其提供支持。解决方案是，使用自动脚本功能进行系统配置，不仅会检查错误，而且确保最终的虚拟操作系统仍然兼容厂商的版本。据称，很多企业机构从手动脚本转向自动脚本还可以提升生产率。
7、缺少后续ROI
监控虚拟化最动态ROI的时候是在第一轮收入和安装虚拟解决方案的时候。原因之一是，比较容易显示设备和电力成本的初始收益，因为你把服务器搬出了数据中心，减少数据中心设备占地空间。然而，随着虚拟服务器的蔓延，一些初始收益减少了。IT应该有一个长期的、持续的方法来监控虚拟化的ROI，这样就不会失去最初实现的收益了。
8、来自应用开发者和厂商的不灵活的实践
应用开发者和软件厂商都习惯于有他们自己专用的物理服务器。开发者将他们的服务器视为个人工作资源，第三方应用提供商通常试图出售包括针对软件的专用物理服务器的交钥匙解决方案。这些专有性的倾向会造成虚拟化实施的僵局。
9、忘记把虚拟资产纳入资产管理范围
软件和数据中心的资产管理往往把重点放在物理资源上，但是也应该有虚拟资源的生命周期管理。
10、不了解虚拟化的局限性
虚拟化并非对每个系统都可行的解决方案。在某些情况下，一个系统要求一个专用的物理服务器（甚至是一个服务器集群）。一个很好的例子是用于大数据分析的高性能计算。这些服务器必须并行处理数据，这在虚拟化部署下是不能很好工作的。