随着企业对数据和计算能力的需求不断增长，服务器成本已成为 IT 预算中一项重要的考虑因素。了解影响服务器定价的因素至关重要，以便企业做出明智的决策，优化其服务器基础设施。
影响服务器成本的因素
1. 硬件成本
硬件成本通常是服务器总成本的最大组成部分。这包括处理器、内存、存储和网络接口卡等组件。以下因素会影响硬件成本：处理器类型和核心数：处理器是服务器的计算核心，其速度和核心数会直接影响性能和成本。内存容量和类型：内存用于存储运行应用程序和进程所需的代码和数据，容量和类型（如 DDR4、DDR5）会影响成本。存储类型和容量：存储用于存储数据和文件，其类型（如 SSD、HDD）和容量会影响成本。网络接口类型和速度：网络接口用于连接服务器到其他网络设备，其类型（如千兆以太网、万兆以太网）和速度会影响成本。
2. 软件授权成本
软件授权成本是指使用服务器操作系统的许可费用。以下因素会影响软件授权成本：服务器操作系统版本：不同的服务器操作系统版本（如 Windows Server、Linux）具有不同的许可成本。服务器数量：许可费用通常是基于服务器数量，因此部署的服务器越多，成本就越高。附加组件和功能：某些服务器操作系统提供附加组件和功能，这些功能可能会产生额外的许可成本。
3. 服务成本
服务成本包括维护、支持和监视服务器所需的费用。以下因素会影响服务成本：服务级别协议 (SLA)：SLA 定义了供应商提供的服务水平，更高的服务水平通常会产生更高的成本。支持计划：支持计划提供了不同的支持级别，包括 24/7 访问和现场支持。监控和
大数据时代:五大商业分析技术趋势
大数据时代:五大商业分析技术趋势
目前，趋势中心对如何应对分析挑战的关注力度并不亚于他们考虑在新商业视角中如何充分利用机遇的力度。
例如，随着越来越多的公司开始不得不面对海量数据以及 考虑如何利用这些数据，管理与分析大型不同数据集的技术开始出现。
提前分析成本与性能趋势意味着公司能够提出比以前更为复杂的问题，提供更为有用的信息以 帮助他们运营业务。
在采访中，首席信息官们总结出了5大影响他们进行分析的IT趋势。
它们分别为：大数据的增长、快速处理技术、IT商品的成本下降、移动设备的普及和社交媒体的增长。
1.大数据
大数据指非常庞大的数据集，尤其是那些没有被整齐的组织起来无法适应传统数据仓库的数据集。
网络蜘蛛数据、社交媒体反馈和服务器日志，以及来自供应链、行业、周边环境与监视传感器的数据都使得公司的数据变得比以往越来越复杂。
尽管并不是每个公司都需要处理大型、非结构型数据集的技术。
VeriskAnalytics公司首席信息官PerryRotella认为所有的首席信息 官都应当关注大数据分析工具。
Verisk帮助金融公司评估风险，与保险公司共同防范保险诈骗，其在2010年的营收超过了10亿美元。
Rotella认为，技术领导者对此应当采取的态度是，数据越多越好，欢迎数据的大幅增长。
Rotella的工作是预先寻找事物间的联系与模型。
HMS公司首席信息官CynthiaNustad认为，大数据呈现为一种“爆炸性”增长趋势。
HMS公司的业务包括帮助控制联邦医疗保险 （Medicare）和医疗补助（Medicaid）项目成本和私有云服务。
其客户包括40多个州的健康与人类服务项目和130多个医疗补助管理计划。
HMS通过阻止错误支付在2010年帮助其客户挽回了18亿美元的损失，节约了数十亿美元。
Nustad称：“我们正在收集并追踪大量素材，包括结构性与 非结构性数据，因为你并不是总是知道你将在其中寻找什么东西。
”
大数据技术中谈论最多的一项技术是Hadoop。
该技术为开源分布式数据处理平台，最初是为编辑网络搜索索引等任务开发的。
Hadoop为多个“非关系型（NoSQL）”技术（其包括CouchDB和MongoDB）中的一种，其通过特殊的方式组织网络级数据。
Hadoop可将数据的子集合分配给成百上千台服务器的处理，每台服务器汇报的结果都将被一个主作业调度程序整理，因此其具有处理拍字节级数据的能力。
Hadoop既能够用于分析前的数据准备，也能够作为一种分析工具。
没有数千台空闲服务器的公司可以从亚马逊等云厂商那里购买Hadoop实例的按需访 问。
Nustad称，尽管并不是为了其大型的联邦医疗保险和医疗补助索赔数据库，但是HMS正在探索NoSQL技术的使用。
其包括了结构性数据，并且能够被 传统的数据仓库技术所处理。
她称，在回答什么样的关系型技术是经实践证明最好用的解决方案时，从传统关系型数据库管理出发是并不明智。
不过，Nustad 认为Hadoop正在防止欺诈与浪费分析上发挥着重要作用，并且具备分析以各种格式上报的病人看病记录的潜力。
在采访中，那些体验过Hadoop的受访首席信息官们，包括Rotella和Shopzilla公司首席信息官JodyMulkey在内都在将数据服务作为公司一项业务的公司中任职。
Mulkey称：“我们正在使用Hadoop做那些以往使用数据仓库做的事情。
更重要的是，我们获得了以前从未用过的切实有用的分析技术。
”例如，作为 一家比较购买网站，Shopzilla每天会积累数太字节的数据。
他称：“以前，我们必须要对数据进行采样并对数据进行归类。
在处理海量数据时，这一工作 量非常繁重。
”自从采用了Hadoop，Shopzilla能够分析原始数据，跳过许多中间环节。
GoodSamaritan医院是一家位于印第安纳州西南的社区医院，其处于另一种类型。
该医院的首席信息官ChuckChristian称：“我们并 没有我认为是大数据的东西。
”尽管如此，管理规定要求促使其存储整如庞大的电子医疗记录等全新的数据类型。
他称，这无疑要求他们要能够从数据中收集医疗保 健品质信息。
不过，这可能将在地区或国家医疗保健协会中实现，而不是在他们这种单个医院中实现。
因此，Christian未必会对这种新技术进行投资。
IslandOneResorts公司首席信息官JohnTernent称，其所面临的分析挑战取决于大数据中的“大”还是“数据”。
不过，目前他正在 谨慎地考虑在云上使用Hadoop实例，以作为一种经济的方式分析复杂的抵押贷款组合。
目前公司正在管理着佛罗里达州内的8处分时度假村。
他称：“这种解 决方案有可能解决我们目前正遇到的实际问题。
”
2.商业分析速度加快
肯塔基大学首席信息官VinceKellen认为，大数据技术只是快速分析这一大趋势中的一个元素。
他称：“我们期待的是一种更为先进的海量数据分析方法。
”与更为快速地分析数据相比，数据的大小并不重要，“因为你想让这一过程快速完成”。
由于目前的计算能够在内存中处理更多的数据，因此与在硬盘中搜索数据相比，其计算出结果的速度要更快。
即使你仅处理数G数据，但情况依然与此。
尽管经过数十年的发展，通过缓存频繁访问的数据，数据库性能提升了许多。
在加载整个大型数据集至服务器或服务器集群的内存时，这一技术变得更加实用，此时硬盘只是作为备份。
由于从旋转的磁盘中检索数据是一个机械过程，因此与在内存中处理数据相比，其速度要慢许多。
Rotella称，他现在几秒中进行的分析在五年前需要花上一个晚上。
Rotella的公司主要是对大型数据集进行前瞻性分析，这经常涉及查询、寻找模 型、下次查询前的调整。
在分析速度方面，查询完成时间非常重要。
他称：“以前，运行时间比建模时间要长，但是现在建模时间要比运行时间长。
”
列式数据库服务器改变了关系型数据库的传统行与列结构，解决了另一些性能需求。
查询仅访问有用的列，而不是读取整个记录和选取可选列，这极大地提高了组织或测量关键列的应用的性能。
Ternent警告称，列式数据库的性能优势需要配合正确的应用和查询设计。
他称：“为了进行区别，你必须以适当的方式问它适当的问题。
”此此同时，他 还指出，列式数据库实际上仅对处理超过500G字节数据的应用有意义。
他称：“在让列式数据库发挥作用之前，你必须收集一规模的数据，因为它依赖一定水平 的重复提升效率。
”
保险与金融服务巨头JohnHancock公司的首席信息官AllanHackney称，为了提高分析性能，硬件也需要进行提升，如增加GPU芯片，其 与游戏系统中用到的图形处理器相同。
他称：“可视化需用到的计算方法与统计分析中用到的计算方法非常相似。
与普通的PC和服务器处理器相比，图形处理器的 计算速度要快数百倍。
我们的分析人员非常喜欢这一设备。
”
3.技术成本下降
随着计算能力的增长，分析技术开始从内存与存储价格的下降中获益。
同时，随着开源软件逐渐成为商业产品的备选产品，竞争压力也导致商业产品价格进一步下降。
Ternent为开源软件的支持者。
在加入IslandOne公司之前，Ternent为开源商业智能公司Pentaho的工程副总裁。
他称：“对于我来说，开源决定着涉足领域。
因为像IslandOne这样的中等规模公司能够用开源应用R替代SAS进行统计分析。
”
以前开源工具仅拥有基本的报告功能，但是现在它们能够提供最为先进的预测分析。
他称：“目前开源参与者能够横跨整个连续统一体，这意味着任何人都能够使用它们。
”
HMS公司的Nustad认为，计算成本的变化正在改变着一些基础性架构的选择。
例如，创建数据仓库的一个传统因素是让数据一起进入拥有强大计算能力的 服务器中以处理它们。
当计算能力不足时，从操作系统中分离分析工作负载可以避免日常工作负载的性能出现下降。
Nustad称，目前这已经不再是一个合适的 选择了。
她称：“随着硬件与存储越来越便宜，你能够让这些操作系统处理一个商业智能层。
”通过重定数据格式和将数据装载至仓库中，直接建立在操作应用上的分析能够更为迅速地提供答案。
Hackney观察认为，尽管性价比趋势有利于管理成本，但是这些潜在的节约优势将被日益增长的能力需求所抵消。
尽管JohnHancock每台设备的存储成本在今年下降了2至3%，但是消耗却增长了20%。
4.移动设备的普及
与所有的应用一样，商业智能正日益移动化。
对于Nustad来说，移动商业智能具有优先权，因为每个人都希望Nustad能够随时随地亲自访问关于她的 公司是否达到了服务级协议的报告。
她还希望为公司的客户提供数据的移动访问，帮助客户监控和管理医疗保健开销。
她称：“这是一个客户非常喜欢的功能。
在五 年前，客户不需要这一功能，但是现在他们需要这一功能了。
”
对于首席信息官来说，要迎合这一趋势更多的是为智能手机、平板电脑和触摸屏设备创建适用的用户界面，而不是更为复杂的分析能力。
或许是出于这方面的原因，Kellen认为这相对容易。
他称：“对于我来说，这只是小事情。
”
Rotella并不认为这很简单。
他称：“移动计算影响着每一个人。
许多人开始使用iPad工作，同时其它的移动设备正在呈现爆炸式增长。
这一趋势正在 加速并改变我们与公司内部计算资源交互的方式。
”例如，Verisk已经开发了能够让理赔人在现场快速进行分析的产品，因此他们能够进行重置成本评估。
他 称：“这种方式对我们的分析产生了影响，同时也让每一个需要它的人随手就能使用。
”
Rotella称：“引发这种挑战的因素在于技术的更新速度。
两年前，我们没有iPad，而现在许多人都在使用iPad。
随着多种操作系统的出现，我们正力争搞清楚其是如何影响我们的研发的，这样一来我们就不必一而再、再而三的编写这些应用。
”
IslandOne的Ternent指出，另一方面，为每一种移动平台创建原生应用的需求可能正在消退，因为目前手机和平板电脑上的浏览器拥有了更为强 大的功能。
Ternent称：“如果我能够使用一款专门针对移动设备的基于web的应用，那么我并不能肯定我将会对定制的移动设备应用进行投资。
”
5.社交媒体的加入
随着脸谱、推特等社交媒体的兴起，越来越多的公司希望分析这些由网站产生的数据。
新推出的分析应用支持人类语言处理、情感分析和网络分析等统计技术，这些并不是典型商业智能工具套件的组成部分。
由于它们都是新的，许多社交媒体分析工具可以作用服务获得。
其中一个典型范例是Radian6。
Radian6为软件即服务（SaaS）产品，近期已经 被所收购。
Radian6是一种社交媒体仪表盘，为TwITter的留言、脸谱上的帖子、博客与讨论版上的帖子与评论中提及 的特定术语以正负数显示，尤其是为商标名提供生动的直观推断。
当营销与客户服务部门购买后，这类工具不再对IT部门有很严重的依赖性。
目前，肯塔基大学的 Kellen仍然相信他需要对它们高度关注。
他称：“我的工作是识别这些技术，根据竞争力评估哪些算法适合公司，然后开始培训合适的人员。
”
与其他公司一样，大学也对监督他们大学的声誉十分感兴趣。
与此同时，Kellen表示，他可能还将寻找机会以开发专门用于解决学校所关注问题的应用，如 监督学生入学率等问题。
例如，监控学生在社交媒体上的帖子能够有帮于学校与管理人员尽早了解学生在大学里遇到的麻烦。
Kellen称，目前戴尔已经做了这 些工作，其产品支持公司探测人们关于故障笔记本电脑的推文。
他称，IT开发人员还应当寻找一些办法将社交媒体分析得出的报警信息推送至应用中，以便于公司 对相关事件快速做出反应。
Hackney称：“我们没有诀窍，也没有工具处理和挖掘海量社交媒体帖子的价值。
不过，一旦你收集了数据，你需要有能力获取公司事件的充足信息，以将 它们关联起来。
”虽然Hackney称JohnHancock在这一领域内的努力还处于“起步阶段”，但是他认为IT部门将在公司数据的社交分析服务所提 供的数据关联中发挥重要作用。
例如，如果社交媒体数据显示公司在中西部地区的社会评论越来越负面，那么他将希望看一下如果公司在该地区就价格或策略进行调 整是否会扭转这一负面发展趋势。
Hackney称，发现这类关联的意义在于让公司领导相信对社交媒体的投资具有高回报。
他称：“在我所从事的行业中，每个人都是精算师，每个人都在计算，他们不会将任何东西建立在想当然之上。
”
数据中心服务器技术发展趋势与应用
当前，为推进IT支撑系统集约化建设和运营，进一步发挥集中化能力优势，IT云成为运营商IT支撑系统建设的基础架构。
但在IT云资源池部署过程中，服务器技术面临多个新挑战，主要体现在以下3个方面。
在性能方面，人工智能（AI）应用快速扩张，要求IT云采用高性能GPU服务器。
AI已在电信业网络覆盖优化、批量投诉定界、异常检测/诊断、业务识别、用户定位等场景规模化应用。
AI应用需求的大量出现，要求数据中心部署的服务器具有更好的计算效能、吞吐能力和延迟性能，以传统通用x86服务器为核心的计算平台显得力不从心，GPU服务器因此登上运营商IT建设的历史舞台。
在效率成本方面，IT云部署通用服务器存在弊端，催生定制化整机柜服务器应用需求。
在IT云建设过程中，由于业务需求增长快速，IT云资源池扩容压力较大，云资源池中的服务器数量快速递增，上线效率亟需提高。
同时，传统通用服务器部署模式周期长、部署密度低的劣势，给数据中心空间、电力、建设成本和高效维护管理都带来了较大的挑战。
整机柜服务器成为IT云建设的另一可选方案。
在节能方面，AI等高密度应用场景的快速发展，驱动液冷服务器成为热点。
随着AI高密度业务应用的发展，未来数据中心服务器功率将从3kW~5kW向20kW甚至100kW以上规模发展，传统的风冷式服务器制冷系统解决方案已经无法满足制冷需求，液冷服务器成为AI应用场景下的有效解决方案。
GPU服务器技术发展态势及在电信业的应用
GPU服务器技术发展态势
GPU服务器是单指令、多数据处理架构，通过与CPU协同进行工作。
从CPU和GPU之间的互联架构进行划分，GPU服务器又可分为基于传统PCIe架构的GPU服务器和基于NVLink架构的GPU服务器两类。
GPU服务器具有通用性强、生态系统完善的显著优势，因此牢牢占据了AI基础架构市场的主导地位，国内外主流厂商均推出不同规格的GPU服务器。
GPU服务器在运营商IT云建设中的应用
当前，电信业开始推动GPU服务器在IT云资源池中的应用，省公司现网中已经部署了部分GPU服务器。
同时，考虑到GPU成本较高，集团公司层面通过建设统一AI平台，集中化部署一批GPU服务器，形成AI资源优化配置。
从技术选型来看，目前运营商IT云资源池采用英伟达、英特尔等厂商相关产品居多。
GPU服务器在IT云应用中取得了良好的效果。
在现网部署的GPU服务器中，与训练和推理相关的深度学习应用占主要部分，占比超过70%，支撑的业务包括网络覆盖智能优化、用户智能定位、智能营销、智能稽核等，这些智能应用减少了人工投入成本，提升了工作效率。
以智能稽核为例，以往无纸化业务单据的人工稽核平均耗时约48秒/单，而AI稽核平均耗时仅约5秒/单，稽核效率提升达 90%。
同时，无纸化业务单据人工稽核成本约1.5元/单，采用GPU进行AI稽核成本约0.048元/单，稽核成本降低达96.8%。
整机柜服务器发展态势及在电信业的应用
整机柜服务器技术发展态势
整机柜服务器是按照模块化设计思路打造的服务器解决方案，系统架构由机柜、网络、供电、服务器节点、集中散热、集中管理6个子系统组成，是对数据中心服务器设计技术的一次根本性变革。
整机柜服务器将供电单元、散热单元池化，通过节约空间来提高部署密度，其部署密度通常可以翻倍。
集中供电和散热的设计，使整机柜服务器仅需配置传统机柜式服务器10%的电源数量就可满足供电需要，电源效率可以提升10%以上，且单台服务器的能耗可降低5%。
整机柜服务器在运营商IT云建设中的应用
国内运营商在IT云建设中已经推进了整机柜服务器部署，经过实际应用检验，在如下方面优势明显。
一是工厂预制，交付工时大幅缩短。
传统服务器交付效率低，采用整机柜服务器将原来在数据中心现场进行的服务器拆包、上架、布线等工作转移到工厂完成，部署的颗粒度从1台上升到几十台，交付效率大大提升。
以一次性交付1500台服务器为例，交付工作量可减少170~210人天，按每天配10人计算，现场交付时间可节省约17~21天。
二是资源池化带来部件数量降低，故障率大幅下降。
整机柜服务器通过将供电、制冷等部件资源池化，大幅减少了部件数量，带来故障率的大幅降低。
图1比较了32节点整机柜服务器与传统1U、2U服务器机型各自的电源部件数量及在一年内的月度故障率情况。
由于32节点整机柜服务器含10个电源部件，而32台1U通用服务器的电源部件为64个，相较而言，整机柜电源部件数减少84.4%。
由于电源部件数量的降低，32节点整机柜服务器相对于32台1U通用服务器的月度故障率也大幅缩减。
三是运维效率提升60%以上。
整机柜服务器在工厂预制机柜布线，网络线缆在工厂经过预处理，线缆长度精确匹配，理线简洁，接线方式统一规范，配合运维标签，在运维中可以更方便简洁地对节点实施维护操作，有效降低运维误操作，提升运维效率60%以上，并大幅减少发生故障后的故障恢复时间。
液冷服务器技术发展态势及在电信业的应用
液冷服务器技术发展态势
液冷服务器技术也称为服务器芯片液体冷却技术，采用特种或经特殊处理的液体，直接或近距离间接换热冷却芯片或者IT整体设备，具体包括冷板式冷却、浸没式冷却和喷淋式冷却3种形态。
液冷服务器可以针对CPU热岛精确定点冷却，精确控制制冷分配，能真正将高密度部署带到前所未有的更高层级（例如20kW~100kW高密度数据中心），是数据中心节能技术的发展方向之一，3种液冷技术对比如表1所示。
液冷服务器在运营商IT建设中的应用
液冷服务器技术目前在我国仍处于应用初期，产业链尚不完备、设备采购成本偏高、采购渠道少、电子元器件的兼容性低、液冷服务器专用冷却液成本高等问题是液冷服务器尚未大规模推广的重要原因。
从液冷服务器在运营商数据中心领域的具体应用案例来看，运营商在IT云资源池规划和建设过程中，通常会对液冷服务器的发展现状、技术成熟度等进行分析论证。
考虑到目前液冷服务器规模化应用尚处于起步阶段，需要3~5年的引入期，因此暂时未在IT云资源池建设中进行大规模落地部署，但在部分地区有小规模应用，如中国移动南方基地数据中心已经开展液冷服务器试点应用，中国联通研究院也在开展边缘数据中心服务器喷淋式液冷系统的开发。
未来，随着IT云建设规模、建设密度的继续攀升，以及液冷产业生态体系的逐步成熟，液冷服务器在IT云建设中将有更大的应用空间。
总体来看，运营商IT云资源池建设对服务器计算性能、延迟、吞吐、制冷、定制化、分布式部署等方面都提出了更高要求。
未来，GPU服务器、定制化整机柜服务器、液冷服务器等新兴服务器技术将快速迭代，为运营商数据中心服务器技术的发展和演进带来新的思路和路径。
ARM服务器能否真正替代x86服务器？
推动ARM服务器芯片替代x86：华为、飞腾扛起国产化大旗！
在CPU芯片领域，我国高度依赖进口，尤其在服务器市场，国产厂商面临巨大挑战。
由于技术差距和商业壁垒，国产CPU追赶之路艰难。
然而，国家安全和商业竞争的需求促使我国政府、产业和科研界联手，资本市场的支持也加速了国产化进程。
一、服务器成本分析
中国服务器市场规模快速扩大，2018年已达176.9亿美元，服务器芯片市场同步增长。
单台服务器中，芯片投入占比超过29%，显示其在成本中的重要性。
以浪潮为例，其2U服务器售价元，CPU、内存和硬盘占总成本约66.59%。
二、服务器CPU国产化价值
全球服务器CPU市场由英特尔主导，而中国正寻求国产化替代。
英特尔服务器营收庞大，且盈利能力良好。
目前，x86服务器市场占据主导，但ARM架构在服务器领域的挑战依然显著。
三、ARM芯片在服务器前景
国家大力支持集成电路发展，包括ARM架构。
国内厂商如华为和飞腾积极布局，但面临性能和生态的挑战。
ARM通过Neoverse系列持续提升性能，虽然替换x86困难，但云计算时代的需求变化为ARM提供了新机遇。
华为、飞腾的贡献
华为和飞腾作为国产ARM芯片的主要推动者，飞腾已有FT-2000+/64等产品，与多家厂商合作建立生态。
华为的鲲鹏系列，如鲲鹏920，性能强劲，已应用于服务器，且致力于打造完整的ARM生态体系。
总结，华为和飞腾的崛起，以及国家政策的支持，正在推动国产ARM服务器芯片逐步替代x86，尽管面临挑战，但市场趋势和商业需求都显示出ARM服务器的潜力和重要性。
