IT 决策者如何使用容量优化来平衡风险与成本?老实说,如果处理不当,这是一种危及服务质量和预算的高压线行为。当今日益复杂的 IT 环境使领导者更难以持续优化 IT 资源和成本,以确保最佳的业务服务保证,清楚地了解整个 IT 基础架构,以及管理传统技术向现代技术的过渡。

面对这些挑战,IT 不得不在通过购买服务器和存储等基础设施来确保服务质量的过度配置或为了节省资金而配置不足之间做出选择。这是 BMC 产品经理 Dennis Newberry 在最近的 IDG 白皮书《迎接优化 IT 成本和容量管理的挑战》中谈到的问题。
“你如何管理这种平衡?我可以通过过度配置我的环境来增加成本并降低风险,因此我永远不会遇到与性能相关的中断,”他说。“相反,如果我想降低成本,我可能会遇到与性能相关的问题。所以最终你会试图找到正确的平衡,然后保持这种平衡。”
您如何实现并保持过度配置和配置不足之间的正确平衡?您需要一种方法来准确查看整个基础架构的资源使用情况和需求,以确保您能够以高服务质量和响应能力支持您的应用程序、用户和业务战略。
使用人工智能 (AI) 和机器学习 (ML) 工具来提高可见性和支持业务需求的企业将能够通过调整规模、最大化分配和效率、预测饱和以及将业务计划与“假设”模拟相匹配来不断优化其资源和基于服务性能智能分析的服务水平协议——所有这些都无需人工干预。
提高可见性还有助于 IT 团队:
- 提高 IT 和最终用户的生产力和效率
- 降低迁移和公司战略计划的风险
- 更清楚地了解资本和运营成本以及供应商计费
- 让业务更敏捷
- 通过更准确的预测规划和定位未来














