我曾经讨论过基础架构融合的必然性，因此看上去好像，我正在引入相反的基础架构发展趋势：分解。然而，分解式服务器技术并不是与融合技术完全相反。实际上，分解和集成服务器是一起运作的。

在这种新形势下，将物理IT组件添加到更大、更深的数据池中，从而获得最大化成本效益。与此同时，像数据保护这种曾经与硬件系统紧密融合的计算密集型功能，现在被分离出来进行独立托管，从而实现性能优化及组件的低成本化。

我们看到，如今的云架构师创建的是超大型基础架构，而不是购买单芯片模板，他们选择储备大量密集型商品资源。融合基础架构(CI)含有预置的标准IT设备货架，有助于确保Oracle、SAP或者超融合应用程序堆栈的快速部署，同时这些应用程序还可以提供高杠杆IT运作以及可预测的资本支出。然而，新型云基础架构则需要运行大规模的任何或者所有工作负载。因此，云架构需要利用逻辑整合技术和高密度资源池。

有趣的是，融合和分解式服务器更广泛的趋势还要依赖于软件定义资源。软件定义资源可以充分利用不断增长的计算能力以及不断减少的硅计算机芯片成本。在融合环境下，在同一个主机上使用软件技术我们便可以定义和管理多个资源及所有功能。与此同时，为了获取更密集的资源池以及简易的物理组件，分解式服务器将那些软件定义资源分离开，使其更接近工作负载执行路径或者与预备产能更加匹配。共性是，软件定义功能需要最佳的性能和敏捷运行环境，而物理资源则被部署在既定方案的最合算的形式中。

这些融合和分解趋势以一种有趣的方式联合起来。IT功能终将会实现聚合，尤其是现在自动化和集成技术所需要的“筒仓”管理成本非常昂贵。然而，我们也看到，在可插拔、可替代的模式中，底层物理组件变得更加模块化。实际上，我认为融合IT的主要目标是整个数据中心，而不是其中的围栏或机架。

有一个重要的事情是，我们要寻找一种永不过时的下一步IT架构迭代：

可扩展性：线性横向扩展集群池最终将会成为IT基础架构各方面的关键设计标准

模块化：评估新兴插件和资源池，例如刀片服务器、EMC的DSSD共享闪存、CPU资源池中的惠普Moonshot卡以及GPU或者内存网格，这些都可以大大提高密度、降低单位资源成本、有助于性能共享以及简化基础架构支持

可组合性：云编程、集装箱化组件以及混合管理层级，可以直接对软件定义资源进行聚合处理，创建任何独立服务所需的质量标准以及分布式底层基础架构

通过使用融合IT和分解式服务器，你可以做到两全其美。通过融合和构建软件定义层，获得价钱较低的运营成本、商品价格以及可扩展的插件基础设施，同时又能够保证应用程序的服务质量。

当然了，基础设施和应用程序性能管理仍然是一项非常艰巨的挑战。在这种集成化、集装箱化、软件定义资源环境中，当应用程序性能下降了，我们应该怎样做呢?对于任何类型的故障、性能管理或者容量规划来说，如果当其本身就已经是处于动态变化的状态，你又如何能看到问题本质呢?

其中的一个答案就是，将这种基础设施当作是其内部的物联网进行管理。我们将需要应用大数据分析、复杂的机器学习，甚至是一些先进的人工智能方法来优化逻辑聚合，但是仅限于物理分类基础设施方面。但是，最近谷歌的AlphaGo击败了人类围棋冠军，这是云供应商所提供的机器学习获得的一项重要的成就，想到这件事情，我就非常乐观，我认为我们将很快使用上这种能够处理这些云基础设施的智能IT管理技术。

本文转自d1net（转载）