充分利用资源与降低成本的关键：提升服务器吞吐量

　　要想最大化计算机、网络和存储系统投资，IT买家应该密切关注即将运行的应用程序种种特性，并要最大化服务器吞吐量。

　　最佳投资回报就是让信息系统达到最大容量。最佳吞吐量（每秒数据包量）是通过指定系统中平衡性能实现的。数据可在流程、存储器及I/O子系统中平稳交换，并实现服务器最大化利用率。我们可以使用最少的服务器完成指定工作负载，这意味着今后会减少服务器的购买量并且软件许可量也会降低。

　　服务器配置的出现影响了应用程序工作负载的衰落和兴起。通用服务器不能与某些应用程序相对比，如大数据处理。

　　传输数据

　　习惯上来说，设计服务器时会将数据从I/O子系统传送到存储器中，这种传输方式速度最快。硬件供应商为了扩大服务器吞吐量，已经设计了通过特殊渠道将数据传送到CPU的系统，例如IBM针对NoSQL-Power Systems Edition而设计了数据引擎。

　　IBM将Coherent Accelerator Processor Interface（CAPI）路径添加到其POWER8微处理器架构中。CAPI高速渠道接口可供I/O设备以及其他类型CPU访问。例如，使用CAPI接口、大型固态磁盘可以与POWER8 CP进行直接传输。CAPI可以省去存储子系统在其他服务器硬件设备间的大量数据传输。

　　从该硬件设备获益最大的工作负载是超标量处理器或者High-performance Key-value Store（简称KVS）非关系数据库。IBM的NoSQL - Power System Edition数据引擎可以代替24x86服务器运行同样的工作负载，并且节省12倍空间和能量。服务器利用率的提升可以节约3.2倍使用成本。

　　大数据、Hadoop、机器学习及生物信息学应用程序都受益于POWER8处理器上添加了一种Field Programmable Gate Array（简称FPGA）加速装置。可编程芯片制造商Xilinx利用POWER CAPI接口在FPGA产品中就可以获取这些应用程序， 例如，为了通过Alpha Data处理大数据，添加KVS加速应用程序及OpenPOWER CAPI加速解决方案

　　美国英特尔公司同样也在Xeon芯片中加入FPGA，并声称x86服务器微处理器性能提高了20倍。

　　适用于任意工作负载的CPU

　　同一个系统中存在多种CPU类型，系统架构保证工作所需的各种特定流程类型。数据中心能够将工作负载独立分解成串联、并联或者计算密集型，以上所有工作负载都可以在x86、POWER、System z以及其他传统处理其中运行。然而，在某些情况下，其他类型处理器可以更有效地处理指定工作负载元素。

　　为了提升处理效率，许多企业将数据从中央服务器转移到分布式处理器或者数据仓库中。他们提取、转换和加载（简称ETL）数据将之传送到数据仓库系统中。专业版FPGA（例如用于VelociData中的那些高速数据串流应用程序）将数据传送到后端x86处理器中。数据传输到处于等待状态的CPU中，应用程序就不必索引、锁定或者以其他方式来管理数据，这种方式节约了流程处理时间，用更高的效率得到了相同的处理结果。这是一个关于同时使用FPGA和x86处理器的实例——高吞吐量服务器加速了ETL流程处理速度。

　　在拥有高速并行操作的应用程序中，IBM基于Linux系统的S824L服务器充分利用了基于NVIDIA的 GPU。该硬件最适合Java、大数据以及技术计算机工作负载；与通用处理器相比，它可以更好地提升并行处理应用程序的服务器吞吐量。

　　采用新型加速架构的应用程序必须迅速地处理数据，有些时候还需要进行并行处理。像电子邮件和信息这样连续型应用程序从加速服务架构中却获益不大。某些用户会从服务器吞吐量和利用率的提升中获益，例如数据科学家，他们期望以实时访问的形式来查询数据结果。

　　在合适的服务器中运行相应的工作负载会为企业节约很多资金和时间。因此，我们要非常谨慎地选择应用程序硬件。我们的目标应该是提高服务器利用率，尽可能实现服务器吞吐量最大化。