几十年来，容量管理一直用于优化组织内部资源。现在，随着IT逐步转向云环境，这种方法正在被扩展，以便在同一个地方和同一时间实现所有资源(包括云计算和本地部署)的整体规划、管理和优化。
对于现代数字企业而言，容量和成本管理对于确保足够的资源和预算(无论是在本地部署还是在云平台中)来支持新的、现有的和不断增长的业务服务至关重要。在云迁移过程中，在迁移到云平台之前对资源进行适当的调整有助于防止过度配置、不必要的运营费用、云蔓延、过度管理的复杂性。性能基准测试有助于确保云计算资源提供与本地资源相同或更好的性能。
容量管理继续在本地资源中发挥关键作用。根据调研机构Gartner公司的调查，目前大约28%的服务器容量，以及40%的存储空间未被使用。随着越来越多的应用程序迁移到公共云，容量管理可以帮助企业了解可以停用哪些本地资源，以及如何在剩余资源上最佳地重新加载本地工作负载。
在云计算资源和内部部署资源中，容量管理通过帮助组织确定其在整个环境中注意到的容量级别(包括计算配置、存储、数据库和网络带宽)，以及提供这些资源的最具成本效益的方法，来通知预测和规划。
以下将了解将容量管理扩展到云计算的含义：它需要什么?它与传统的内部部署容量管理有何不同?以及如何在关键用例中应用它?
云计算对容量管理意味着什么
在云计算出现之前，容量管理在IT方面有着悠久的历史。在大型机时代，容量管理绝对至关重要，而用户必须提前订购和熟悉大型机，需要确切了解确保性能和可用性所需的内容。否则，用户将面临资源最大化、资源短缺以及没有足够的多种信息平台(MIP)来支持需要运行的关键业务工作的风险。
随着易于部署和价格更低的分布式服务器和虚拟机的兴起，许多组织转向性能管理方法，在这种方法中，性能问题被用来标记容量问题。当然，这也意味着接受效率低下的资源调配的高成本，因为虚拟机在环境中的应用激增，工作人员并不了解每台服务器的容量或利用率。随着时间的推移，资本支出日前膨胀，许多组织又采用了容量管理方法，无论是使用正式工具还是非正式的电子表格、注释和近似值。
现在，云计算显著提高了大多数组织的IT环境的复杂性。根据ESG公司的调查，81%的组织采用了两个或更多公共云，51%的组织使用三个甚至更多。只有16%的组织只采用本地部署或单个公共云环境。组织在更加复杂的环境中管理容量，并实现全面的整体可视性，以确保每个服务都具有所需的容量，这比以往任何时候都更具挑战性，也更加重要。容量管理还支持明智的决策，即哪些应用程序、服务和工作负载最适合迁移到云平台上，以及正确的移动方式。组织了解其所拥有的、正在使用的以及为之付出的一切，使得管理成本和避免支出膨胀成为可能。
容量管理生命周期
步骤1：导入数据 数据就是力量：如果没有它，企业就无能为力。容量管理的关键第一步是为资源导入性能、容量和配置以及业务KPI的度量标准，其中包括：
物理设施/虚拟设施/云计算基础设施
数据库
存储
网络
大数据
设施
收集这些数据有多种方法，其中包括从实时监控工具、行业标准ETL提取、直接API集成中导入数据。企业还需要确定要收集数据的频率和精细度;大多数组织通常采用每24小时收集的方法，而收集的数据越多，基础信息就越全面，从而通过复杂的分析提供更好的洞察力。这有助于企业做出更好的业务决策，并变得更加主动。
收集性能数据只是完全成熟的容量管理生命周期的一半。企业还需要业务服务模型，可能从某种发现解决方案填充到配置管理数据库(CMDB)中。发现工具为组织提供其已知和未知资产的完整清单。通常，发现解决方案也可以映射应用程序。这样可以深入了解哪些应用程序正在使用哪些基础设施，以及某些相关应用程序是否需要接近以获得更好的性能。目前的最佳实践是，在构建分析、模型、报表和仪表板时，利用在配置管理数据库(CMDB)中标识为配置项(CI)的标记作为筛选条件。
使用标记方法是获取服务视图的另一种方法，也是云计算服务提供商鼓励使用的方法。利用良好的标记方法，组织可以创建满足各种利益相关者需求的数据自定义视图，同时需要了解内部部署和云计算资源使用情况以及成本。典型的标记包括按部门分类、数据关键性、遵从性、实例类型、集群、用户组等。标记可以在资源配置时应用，但随着时间的推移，企业可能还需要使用容量管理应用程序定义和应用其他标记。
容量管理应用程序负责将IT和业务方面结合在一起。这将提升容量管理实践，从简单的孤立基础设施容量管理升级到更成熟的服务级别功能，从而实现高级建模技术，例如对服务需求进行建模更改。
步骤2：分析数据 组织既然拥有了数据，那么还需要了解资产，以了解实际情况。许多组织缺乏对其业务服务的可见性，因为他们的业务被组织成由多个监控工具管理的技术孤岛，每个监控工具都有自己的用户界面。利用在一个位置提取和组织此数据的解决方案至关重要。这将人们带到第二步：数据分析。
利用率分析应该从以下几个方面进行。
可见性：整个环境的可见性是容量管理过程的基础。企业通过可见性来分析发现数据，深入了解其拥有的资产、资产配置以及资产所在位置。
基线：接下来，配置正常的利用率配置文件和基线(此步骤需要机器学习)。企业需要了解一段时间内的使用模式，并确定其存在的周期性行为的类型及其原因。分析的时间越长，收集的数据越多，基线和分析的准确性就越高。持续的数据收集和分析是正确分析和基线的关键。
