企业有一些节约成本的想法，例如不需要通过花钱就能降低成本。但是通过预测分析，获得更有效的设备或简化管理，这些都需要进行前期的投资，而这些投资可以带来长期降低成本的回效。

　　网络、储存和服务器的成本

　　效率永远是节省成本的重要一环。提高效率的目标是以稳定的工作负载吞吐量同时最大限度提高系统利用率为基础。提高系统效率可以从跨计算、存储和网络化优化，从而提高系统效率。

　　更高的利用率降低了服务器的总成本。数据中心团队可以通过购买较少的服务器和相关的外围设备，均衡利用率而降低能耗;同样的也可以降低冷却成本。同时服务器的软件成本也有所下降，因为软件许可通常由CPU数量来决定。虚拟化的普及也大大提高了硬件的利用率。

　　处理器的选择

　　降低服务器成本的另一种方法是在系统上运行最适合执行的工作负载。这几年来一直遵循系统设计的管理人员也清楚知道，CPU的物理设计限制在大约5GHz范围。供应商正在采取其他措施，以提高服务器性能。一些服务器使用重新设计的I/O总线或CPU和主板芯片的直连总线，如IBM的CAPI接口。另一方面，通过分类不同类型的运算数据选择不同的运算单元，如传统的CPU并行处理并不是强项，通过GPU的特点进行并行运算和分布式计算处理数据能提高效率。多处理器加速系统能够处理工作负载远快于传统的系统设计。数据的工作负载处理更有效地意味着能使用更少的硬件设备完成数据运算。

　　数据中心的运营成本

　　在世界各地，多达50%的数据中心成本来自管理系统、外围设备、应用程序和数据库。节省运营成本的方法是简化。通过改变不良的或过时的方法来改进，并通过购买新的管理软件，以加快诊断、故障隔离和维修。

　　在许多数据中心，大型机用于处理海量交易数据，有用的数据常驻留在主机。然而，许多企业总是只考虑并行处理的大型机而没有兼顾到一个高性能分析服务器的重要性，用于分离主机数据与其他数据的服务器处理。要处理数据，必须先从大型数据库中提取出来，转化为普通数据服务器可用的格式和加载到单独的存储，再经过提取、转换和加载(ETL)的过程。通常，两个或以上的数据备份会通过ETL的处理并恢复至目标。

　　数据中心可以通过优化大型机主机级的数据，降低服务器和运营管理成本。当前一代主机服务器处理分析工作负载都是实时处理。而通过优化的ETL过程可以每年节省数以百万计的美元。

　　与流行的看法相反，迁移数据并不是免费的。把数据从大型机迁移到其他服务器，要花费相当于迁移至MIPS架构服务器的成本;这其中有储存系统的加载和管理数据的成本，包括数据系统的采购和相关的存储、网络设备;网络传输成本和管理服务器、存储的成本。

　　人力资源成本

　　人力资源成本是数据中心的最大运营成本之一。根据技能和技术定位，系统、存储、网络、数据库和应用程序管理员的年薪为75000美元左右，有的甚至超过125000美元。如果企业并不需要那么多的技术人员来管理、调整和故障诊断系统，这方面可以节省许多成本。

　　预测分析技术属于系统管理，是一个主要的新发展。系统可自行学习分析，并自动采取纠正措施。在故障发生或者即将发生的时候(未知故障的预测被称为预测分析)自动通知技术人员。如IBM的认知环境结合分析产品(Watson cognitive environment)在数据中心里已经是行业的领先技术，包括日志分析提供预测分析。利用IBM的业务分析，通过对异常大数据日志文件的搜索，然后系统采取自动化脚本或简化的通知进行处理。其他数据中心的供应商也应该将这种自动分析和管理工具集推广开来。系统越自动化认知分析并处理问题，数据中心的人为管理也越相应减少。

　　IBM的zAware可以监控主机环境，记录主机在什么时候运行最佳。如果出现了故障，zAware会将出故障的主机隔离。并清晰的指明主机的故障定位，相信在不久的将来，分布式服务器世界中也会有同样的类型的软件。

　　企业应考虑采用新一代采用认知分析为导向的管理软件，以降低运营成本。

点击将有更多机房选择