如何在TCO计算中使用成长模型

成长模型是为比较容量规划而进行总拥有成本（TCO）分析时的重要工具。未来IT负载的不确定性可能很难评估，但是为了对备选规划的成本作出有依据的决策，这种不确定性是必须以某种方式加以识别和量化的关键因素。本白皮书中描述的成长模型提供了一种简单的方式，可以将不确定性纳入TCO计算中。尽管此模型不能代表预测未来IT负载时的不确定性的实际范围和细微差别，但是它可以提供一种针对"预期负载"的简单度量标准，这有助于纠正TCO分析中经常犯的一个严重错误。

这个错误是：对于在模型中体现不确定性这一难题，规划者的一个共同反应是无视该难题，将最终负载最大值视作扩容最终负载进行TCO分析，这可能会严重曲解逐步扩容规划的可观的战略和经济方面的效益。

考虑一下显示这种错误的图18中所示的比较。两张图都表示扩容到最终负载最大值，平面图A显示的是前期一次性部署，平面图B显示的是分阶段扩容到最终负载。通过比较这两种情况的TCO，将会发现阴影部分所体现的成本节省，而这部分就是平面图B所避免的过大容量部分。如果最终IT负载有不确定性（情况几乎总是如此），这种比较会严重低估逐步扩容的战略优势。

图18.前期扩容和按阶段扩容的比较（采用最终负载最大值）

上述TCO分析中的严重错误是假定设施必然会建设到最终负载最大值的水平。实际上，数据中心很少能够达到通过最终负载最大值参数预测的负载，很多数据中心在生命周期结束时的负载只有假设最大负载的一半或更少。

最好的方法是使用最终负载最大值和最终负载最小值估算不确定性。TCO分析并不是最精确的科学计算——它根据统计学上可能的情形作出假设。精确地预测数据中心的最终负载几乎是不可能的。在大多数情况下，最终负载最小值和最终负载最大值都不可能是实际的最终负载。在缺少有关任意特定最终负载可能性的详细信息的情况下，可以将一个合理的"预期"负载作为最终负载最大值和最终负载最小值的平均值，如图19中所示。如果对很多同样具有这些最小值和最大值参数的数据中心进行数据汇集，与最大或最小极限值相比，两者的平均值更可能是最终负载，并且对于TCO分析更有效。

图19.作为最终负载最大值和最小值的平均值计算的"预期"负载

图20显示了平面图A和平面图B的TCO比较，这次使用的是根据最终负载最大值和最终负载最小值参数的平均值来计算"预期"负载的改进方法。

图20.前期扩容vs.逐步扩容的比较（常采用计算的"预期"负载）

在图20的改进分析中，TCO节省说明不会发生完全扩容到最大容量的可能性。这是一种更有效的分析，因为它包含了可能的结果，而不是两个极限值（最大值）之一的结果。1 注意在考虑进行非全面扩容的可能结果时潜在的节省（蓝色阴影区域）更大。必须考虑该结果，因为比起最终负载最大值参数所代表的最大IT负载，此结果在统计学上的可能性更大。

如果有不确定性，图20的分析 更精确地体现了逐步扩容相对于前期一次性部署的重大优势。

TCO准确分析的日益重要性

当能源成本较低时，往往是出于虚荣心和有备无患的意识，才使数据中心具备大量的备用电力和制冷容量，以便"解决所有问题"。前期全面扩容以支持最终负载最大值参数（如图20平面图A所示）过去一直为完成此目标提供了一种任何人都能胜任的方式。但是今天，随着能源供应趋紧、成本不断飙升，过多的闲置容量在财务和生态上都变得不够可靠。一种同样有效，却更精简的电力和制冷基础设施正在成为新的典范。对设想的扩容策略进行实际权衡比较的能力对于部署一个高效使用的系统至关重要。仔细估算可能的IT负载最大值和最小值，然后使用这些极限值估算统计学上"预期"的负载，这是一种对备选设计进行更实际的TCO分析的简单有效的方式。

根据本白皮书中介绍的成长模型，APC的数据中心科学中心开发了一个基于Web的计算器，帮助进行数据中心的TCO分析。图21中显示了APC TradeOff 工具TM第8个计算器——数据中心设计规划计算器。该计算器可以显示出各种容量规划情形随着时间的推移对数据中心成本所产生的影响。用户定义IT负载曲线，包括最终负载中的不确定性，以及各种物理基础设施特征，比如模块扩容规模和系统冗余。计算器比较了分阶段扩展到最终预测负载的数据中心TCO与第1天就扩大容量以适应最终IT负载最大值的数据中心TCO。

图21.APC TradeOff 工具TM第8个计算器——数据中心设计规划计算器

结论：

一个有效的成长模型对于数据中心规划至关重要，因为它对规划者之间混淆和沟通不畅的主要原因：不确定性进行了量化。如果不确定性可以在成长模型中获取和划分，那么其它规划活动就能够按照预先界定的、有组织的过程继续展开。

本白皮书中描述的成长模型既简单又有效。它使用的参数和术语是数据中心规划者所熟悉的——初始负载、最终负载最大值和最小值，以及过渡时间。无需进行复杂的分析即可完成经济、行业和商业方面的预测。这种对最终IT负载的精确预测不但非常困难（也许不可能实现），而且毫无必要。只要对两个宽泛的极端——最小值和最大值作出有根据的描述，就足以根据分阶段扩容的简单技巧，制定一个可行的扩容计划，以适应未来的不确定性。

分阶段扩容是一个管理不确定性的强大策略，随着最近供电和制冷领域的发展，能够对模块化要素进行可扩展的部署，从而使该策略成为可能。它纠正了一个长期存在的问题，即由于过度建设达到膨胀的目标容量，导致供电和制冷容量的利用不足，进而造成了浪费。分阶段扩容起到了"方向盘"的作用，可以使扩容步入正轨，不脱离现实——使容量接近负载，考虑到对未来的后续步骤进行重新评估和调整，并且避免由于对过度建设的、可能永远不会使用的基础设施进行投资而造成的浪费。

除了在指导供电和制冷基础设施的设计方面的作用以外，该成长模型在进行TCO（总拥有成本）分析以比较备选的系统设计并作出选择方面也起到了至关重要的作用。它有助于纠正认为最终负载就是最大预测负载这一严重的问题，实际上最大预测负载在数据中心安装中几乎无法实现。这一常见错误模糊了逐步扩容的实质性TCO利益。

IT业务未来的不确定性是数据中心规划中常见的挫败。成长模型是成功规划的一个基本工具，它使用普通的语言来描述IT负载的预测，提供可行的策略来管理不确定性，并为TCO分析提供有用的输入。