数据服务：面向云服务提供商的指南云服务提供商如何通过为客户提供数据基础实现 收入增长。

2

目前，企业发现它们正处于信息时代最重要的一个转折点。显而

易见，现在企业急需妥善利用手上不断增长的数据量，并从这些

数据中挖掘价值。例如，Gallup 的研究表明，与竞争对手相比，

使用数据识别客户行为的企业在销售增长率方面要高出 85%，在

毛利率方面高出 25%1。那些能够成功管理数据并获得此类行为洞

察的企业，将在竞争、创新和发展方面处于有利地位。而未能成

功管理数据的企业则会面临前途未卜的境遇。

这一转折点为云服务提供商（CSP）带来了前所未有的机遇。云服

务提供商在帮助企业控制复杂的数据系统和利用数据密集型技术

（如人工智能（AI）、机器学习（ML）、虚拟现实和增强现实）

方面拥有独特的优势。云服务提供商能够提供云数据服务，并为

那些需要转向云端的公司提供可靠指导，以满足公司的数据需求。

本电子指南将阐述云服务提供商如何通过构建支持新一代变革性

数据应用且基于信息架构的平台技术以及服务，为企业提供新的

数据服务并实现收入增长。

云服务提供商应该从以下三个“即服务”云产品开始：

• 存储即服务（STaaS）

• 数据库即服务（DBaaS）

• 大数据即服务（BDaaS），人工智能即服务（AIaaS）的前身

当前数据环境

企业正在设法从业务范围内及周边业务范畴中看似无限的数据流

中挖掘价值。但这不仅仅是采集数据那么简单。还涉及到处理数据、

从数据中挖掘价值，然后据此率先推出新产品、服务和应用。

大多数企业正在进行数字化转型，以便利用这一数据机遇。但是

研究显示，许多企业仍有很长一段路要走。Gartner 在 2018 年进

行的一项调查表明，超过 90% 的企业在数据和分析方面尚未达到

“转型”成熟度水平 2。尽管事实的确如此，但数据分析仍是 CIO 的

首要投资事项 3。

与此同时，Forrester 发布的一项报告指出了为什么企业在利用 AI

和大数据方面进展缓慢。这份报告表明，大多数企业目前面临一

个严峻的现实：通过机器学习、深度学习和大型数据集提取变革

性的商业价值时，需要比前几年投入更深层次的资源、更多的专

业知识并付出更多的努力。4

对于多数企业而言，如果他们想要利用 AI 带来的商机，那么克服

这些数据挑战至关重要，而大多数企业都有实现这一目标的雄心。

1. 数据 ： 转折点和机遇

• 当前数据环境

• 数据处理挑战

• 数据分析挑战

2. 云服务提供商的机遇

• 存储即服务 （STaaS）

• 数据库即服务 （DBaaS）

• 大数据即服务 （BDaaS）

3. 技术考量因素

• 适合 STaaS 的技术

• 适合 DBaaS 的技术

• 适合 BDaaS 的技术

4. 未来举措

5. 面向云服务提供商的资源

目录 1. 数据：转折点和机遇

到 2020 年，25% 的大型企业将通过正式的数据网上商城成为数据卖家或买家。Gartner（2017 年）100 Data and Analytics Predictions Through 2021（2021 年之前的 100 大数据和分析预测）

一定的成本，一些企业还是不太愿意交由云服务提供商来应对存

储需求。随着数据量不断增长，这一问题不太可能会自动消失；

因此有远见的提供商需要思考他们可以为客户提供哪些服务，来

减轻将数据迁移到公有云的负担。

数据分析挑战

许多企业没有内部技能来执行大数据时代的数据分析项目。与此

同时，他们缺乏无缝的实时数据管理功能，因此无法利用 AI 和其

他基于大数据的应用。他们的数据中心缺少软件定义基础设施或

者没有足够的处理能力，因此错失了诸多洞察，而这些洞察是可

以通过使用 Apache Hadoop*、Apache Spark* 等大数据框架分

析较大数据集而获得的。

适用于诸多 Hadoop 和 Spark 部署的基础设施并非是为了处理大

数据工作负载或满足数据科学家的需求而构建的。由于处理开销

和输入 / 输出（I/O）延迟通常与虚拟化或容器化技术有关，因此

许多 IT 部门一直不太愿意使用虚拟机或容器来实施大数据。

至于那些可以利用上述框架的企业，其数据量通常都很大，以至

于在大型计算集群上可能需要花费数小时才能执行和处理大数据

作业。

清理数据是另一个重大挑战。某调查表明，三分之一的首席数据

科学家花费了多达 90% 的时间来“清理”原始数据 6。

因此，大多数本地大数据计划的开支都很高，缺乏敏捷性，而且

实施起来非常耗时。实现流程现代化并对适用于这些大数据工作

负载的基础设施进行虚拟化，对于全球各地的企业而言至关重要。

Forrester 的研究表明，70％ 的企业预计会在未来 12 个月内以

某种形式实施 AI。这比 2016 年的 40％ 和 2017 年的 51％ 有

所上升。5

但 是 实 施 AI 在 现 实 中 意 味 着 什 么 呢？ Google、Microsoft 和

AWS 等云服务提供商巨头提供机器学习服务和工具，使开发者能

够以计算机视觉、语言分析和聊天机器人功能的形式为应用增加

智能。他们提供可运行机器学习工作负载的服务和工具。并且，

他们还支持主流的机器学习框架，如 Caffe2*、TensorFlow* 和

Apache。然而，云服务提供商的 AI 即服务市场仍然不够成熟，

这在很大程度上是因为企业所面临的数据挑战。

数据处理挑战

云服务提供商很清楚，许多企业根本没有能力收集、存储或处理

可能对他们很有帮助的大量数据。造成这一局面的原因有很多。

首先，收集数据并不是件简单的事情。举例来说，企业还需要完

善感测技术才能应对复杂和快速变化的环境。其次，尽管企业正

在将数据迁移至公有云，但他们仍在努力寻找存储大量数据的方

法。将更多存储介质堆叠到单一整体平台中的纵向容量扩展方法

会导致性能下降、复杂程度提高，以及资本和运营成本不断增加。

第三，手动预置和配置数据库的传统方法将不再适用。预置和配

置数据库可能需要数周的人力投入。并且，一旦预置了数据库，

数据库管理也会变得同样缓慢且要消耗大量资源。之后再有新技

术推出时，更是难以集成这些新技术。

对于云服务提供商而言，数据迁移和传输在非常注重成本效益的

行业中仍然是一个巨大的挑战。由于将数据迁移并存储到云端有

3

4

面对企业想要以安全简便的方式大规模地收集、存储和分析数据

的需求，您该如何抓住这一机遇？

云服务巨头已经迅速利用了云数据服务领域的空白。在过去几年

内，他们已将自己的数据收集、存储、分析和 AI 解决方案捆绑到

产品中，一起打包提供给企业客户。

每家市场领导者在数据领域的竞争中均采取了不同的方法。例如，

Google 转售了 Google 图片搜索* 和 Google 翻译* 背后的机器学

习技术，而 IBM 将 Watson* 认知计算技术瞄准了特定的行业，如

医疗服务和零售业。

每家企业的云实施策略或应用案例都有其独特的定位、挑战和一

系列要求。这将有助于您了解客户群认为最有用的数据解决方案

类型，并根据客户需求打造一组独特的数据服务产品。

然而，您的所有客户和潜在客户，无论其规模、目标或数据成熟

度如何，都有可能从以下三种数据服务中受益：

• 存储即服务

• 数据库即服务

• 大数据即服务

然后，您可以根据特定客户群的独特需求量身定制上述每种服务。

下面具体探讨这些服务。

2. 云服务提供商的机遇

存储即服务（STaaS）

STaaS 解决方案可为企业消除数据中心管理负担，使他们能够在

云端存储归档格式的数据。您的客户可以拥有灵活的云选项，并

且只需为所使用的存储容量付费，因此 STaaS 能够成为一种极为

经济高效的解决方案，因为它消除了新硬件的资本支出。

企业可以利用相关功能，存储和检索任何来源（无论是业务应用、

工厂传感器数据、网站、移动应用还是可穿戴设备）的任意数量

的数据。

无论客户遵守哪种合规性规则或法规，STaaS 都能为他们提供所

需的安全性和合规性功能。作为 STaaS 产品的一部分，您还可以

向客户提供直接在 STaaS 数据上运行的强大分析技术，同时确保

STaaS 可与大量第三方解决方案一起使用。

StaaS 将会成为“一切皆服务”云市场中增长速度最快的服务领域。

预计到 2020 年，复合年增长率（CAGR）将超过 40%7。对客户

而言，这是一款简单易用且极具竞争力的产品。

数据库即服务（DBaaS）

与传统的手动预置、配置和管理数据库相比，DBaaS 有助于客户

大幅加快应用开发速度、提高基础设施利用率，并获得一致的数

据库质量和配置，同时显著降低成本。

* 端到端数据库管理。DBaaS 应该处理数据库生命周

期中的所有细节，例如创建、备份和恢复以及使用

周期结束。

* 提高基础设施利用率。支持安全性的多租户功能将

会最大限度提高存储和计算利用率。

* 经济高效。凭借自动化和自助服务，员工没有数据

库管理职责。

* 可扩展性。可以实时添加 DBaaS 资源。

其他几项 DBaaS 优势

- 适用于互联网级应用的非关系型数据库

- 适用于事务应用的关系型数据库

- 适用于实时工作负载的内存数据存储

许多企业正在分阶段采用 DBaaS，他们仅将特定类别的数据库迁

移至云端，而将其他数据库保留在本地 9。通过密切关注客户的监

管和保密需求，您可以鼓励他们将更多的数据库迁移至云端。

大数据即服务（BDaaS）

大数据即服务是一种新兴的数据即服务类别。任何企业只要具备

所需专业知识，都可以投资购买硬件和开源软件来分析极为庞大

的数据集。但是，大多数商业级大数据计划仍需要对基础设施进

行大量投资，同时还需持续投入大量的时间和资源。而其原本的

设计目的是为了减轻与昂贵、复杂且耗时的本地大数据实施有关

的痛苦。

通过向企业提供 BDaaS 产品，本质上是为企业剥离了大数据处理

的底层复杂性，使企业能够专注于如何最好地利用大数据创造价值。

广义范畴

实际上，BDaaS 是一个广义的术语，它描述了各种通过云端交

付的大数据服务，比如存储数据、提供用于查询数据的分析工具

（通常通过网页仪表板或控制面板）等。正因如此，提供给客户

的 BDaaS 产品应该整合大量数据处理技术，帮助客户处理任何类

DBaaS 还可以支持更多数据密集型工作负载，为 AI 和其他形式的

大数据分析提供机会。

DBaaS 消除了多个在现代数据环境下运行数据库时所遇到的头疼

问题。对客户而言，为不同的任务创建和管理单独的数据库已成

为过去。他们也无需再担心性能和可扩展性、软件或硬件是否兼容，

甚至无需担心寻找具备数据库管理能力的技术员工。

与 STaaS 产品一样，常见的数据库管理任务，如配置、优化、预置、

备份、安全、监控、联网、自动化、升级和维护，将由自动化数

据库管理系统来处理，而无需客户的 IT 团队手动处理。企业用户

的职责将仅限于少数几个功能领域，如具体的要求定义、应用的

实施以及数据库实例的连接。

正因如此，DBaaS 越来越受欢迎。预计在 2016 至 2020 年之间，

全球 DBaaS 市场将以 65% 的 CAGR 增长 8。

尽管一些较大型云服务提供商已推出 DBaaS，但是它在最大提供

商未占据的市场上并不是很常见。在这一方面，它既可以成为一

个巨大的差异化优势，同时也有助于您与客户及潜在客户建立可

信关系。

您可以考虑提供涵盖应用案例的各种数据库，而这些应用案例可

能与您的特定客户群相关。托管的数据库服务产品可以包含：

- 协助数据库向云端迁移的功能

- 可在其中执行分析的数据仓库

5

6

兼容 AI

BDaaS 产品在许多方面与 AI 即服务（AIaaS）产品重叠。BDaaS

应当为高效的 AI 科学奠定基础。例如，许多 AI 应用案例要求云边

缘的设备负责收集和处理数据。一个典型的例子是汽车无人驾驶

技术，它要求在本地即时做出决策。但是，这类数据仍会传回至

云端，以便为将来的决策提供参考。通过提供可处理和汇总此类

传感器数据及决策制定数据的服务，并应用大数据分析提供洞察，

您可为客户带来巨大价值。有关更多信息，请阅读英特尔的电子

指南《人工智能：面向云服务提供商的指南》。

数据安全性

数据环境隔离在 BDaaS 产品中至关重要。无论数据是静态的还是

动态的，客户都应该能够对其进行加密。审核和监控功能也十分

重要，应为那些要符合特定合规性和法规要求的行业和企业提供

相应的衡量方法。

云端的扩展和简化能力本身就适合应对大数据的复杂性、规模性

和快速演变的特点。只要您以最优的性价比提供服务，您的客户

群应用 BDaaS 的步伐就有可能加快。

一种简单的方法

企业渴望获得数据服务，帮助他们降低必须面对且无处不

在的复杂性。这意味着需要简单的工具、易于使用的仪表

板、说明性内容和可供轻松访问的人工支持系统。

节约客户时间

如果提供的增值服务能够减少整理和处理数据所需的时

间，那么您会在业界备受欢迎。将满足客户需求的工具、

工作流程和处理流程整合在一起。

提供指导

云服务提供商的业务越来越依赖于咨询服务。这既是客户

所渴望的，同时也使您有机会通过咨询费和追加销售机会

获得额外收入。

小结：如何在“即服务”方面取得成功

型的数据和分析工作负载。这些技术可能包括实时数据分析、数

据虚拟化或批处理。

非结构化数据

大数据时代面临的部分挑战在于筛选各种来源中的非结构化数据，

这些来源涵盖 Twitter 数据、物联网数据、从环境传感器收集的信

息等。通过利用多个数据处理引擎，客户能够灵活地处理各种分

析工作负载。其中应该包括批量数据、实时数据、结构化数据、

半结构化数据或非结构化数据。这种灵活性应该是您的 BDaaS 产

品与规模较小的“即服务”产品之间的区别。

解决数据质量问题

企业在执行大数据分析时，最好使用完整无误的数据集。这样，

他们就可以专注于进行高价值的研究和分析。

算法训练

BDaaS 还包括各种工具，帮助客户处理深度学习算法训练中所需

的大量数据。如果企业不能经济高效地存储大量数据，就要耗费

较长的时间来训练深度学习算法。而专门存储训练数据的数据存

储解决方案可以解决这一问题。

一旦确定了客户群的“即服务”机会，下一步就是确保您的基础设施

能够应对挑战。

适合 STaaS 的技术

为了处理不断增加的数据量并避免出现纵向扩展存储问题，许多

云服务提供商正在转向软件定义存储（SDS）。SDS 将存储软件

与用于存储数据的硬件分离开，使云服务提供商可以选择最适合

自己的硬件。

SDS 提供了可以跨服务产品使用的共享存储容量池，消除了存储

孤岛，帮助提高利用率。自动化智能编排层会根据动态需要，通

过资源池供应资源，从而降低了运营成本。

总体而言，SDS 还可以将每 GB 的存储成本降低高达 50%10。根

据客户需求进行扩展所耗费的时间可从数周缩短至数分钟。

最佳组合 – 英特尔和 Ceph

有多种 SDS 系统可以构成 STaaS 的基础。但 Ceph 是唯一能够

提供开源存储、软件定义存储、企业级存储和统一存储（对象、块、

文件）的解决方案。Ceph 在安装过程中不会出现单点故障。对于

想要使用开源平台提供全面 STaaS 功能的云服务提供商而言，它

是绝佳的选择。此外，它还能与英特尔硬件和软件一起无缝工作。

可扩展处理能力

英特尔® 至强® 可扩展处理器应该是 STaaS 产品的核心。它们为

STaaS 密集型工作负载提供了出色的能效和强大的性能，而英特尔®

至强® E5 处理器家族可以支持要求较低的应用。

提高安全性的同时，不会对性能造成影响

Ceph 使用英特尔的软件优化功能，例如英特尔® 智能存储加速库

（英特尔® ISA-L），使软件可以更轻松地使用英特尔® 至强® 处理

器的功能来执行数据保护、数据完整性和数据安全性任务。

英特尔® ISA-L 使 Ceph 能够提供纠删码功能，而不会对性能产生

负面影响。Ceph 还经过了优化，可以使用英特尔® 高速缓存加速

软件（英特尔® Cache Acceleration Software，英特尔® CAS），

通过智能缓存提高性能。

增强存储性能

英特尔® NVMe* 和英特尔® 傲腾™ 固态盘（SSD）可提供出色的性

能、稳定性、效率和低功耗。多种英特尔® 固态盘均可用于商用存

储、缓存层、写入日志、监控节点和元数据驱动器，具体取决于

云服务提供商的预算和性能要求。

提高服务器带宽

与传统存储网络相比，英特尔® 融合网络适配器可以支持 10、25

和 40 GbE 流量，帮助提高 SDS 性能。

分离计算、存储和网络资源

英特尔® 整机柜设计（英特尔® RSD）是软件定义基础设施中的逻

辑编排架构。它提供了用于将硬件抽象化并集成底层计算、网络

和存储资源的 API。它适用于数据中心内的各种硬件平台，有望降

低云服务提供商的总体拥有成本（TCO）。

3. 技术考量因素

7

8

云服务提供商既可以选择纯粹的开源 Ceph 分布式存储，也可以选

择 SUSE 或 Red Hat 提供的商用分布式存储。无论选择哪种存储，

您都能为客户提供统一的对象、块和文件存储解决方案。请做好准

备，以便成功地与更大型的服务提供商展开竞争，并进入价值数十

亿美元的市场。

有关发现与实施适合您企业的 SDS 解决方案的更多信息，请参阅

英特尔的《探索软件定义存储的优势》白皮书。

适合 DBaaS 的技术

通过与英特尔工程师合作，云服务提供商可以更好地了解 DBaaS

的总体拥有成本，并针对特定的英特尔® 技术调优数据库性能。

英特尔® 至强® 可扩展处理器、英特尔® 傲腾™ 技术、英特尔®

QuickAssist 技术和英特尔® 现场可编程门阵列（英特尔® FPGA）

将成为您的核心技术。您会发现，它们可以提高数据库实例的整体

读取 / 写入性能，进而大幅提高客户满意度。

英特尔 IT 部门自有的 DBaaS 系统集成了各种开源和商用的结构化

以及非结构化数据库技术。这个架构提供端到端服务，整合了数据

保护、业务连续性和数据库管理功能。底层基础设施将为 Linux 和

Windows 环境提供复制和聚类功能。

英特尔® Cloud Insider 先进技术沙盒（ATS）可供英特尔® Cloud

Insider 计划的会员使用，使他们能够轻松获取新兴的数据库技术，

进而促进创新。

凭借 ATS，云服务提供商可以利用自身的开发运维以及软件，根

据稳定的预发布技术构建先进的云解决方案。英特尔技术团队与

ATS 客户密切合作，创建并使用独特的开发环境。

适合 BDaaS 的技术

大多数提供 BDaaS 的云服务提供商所面临的主要挑战不是获得数

据或容纳该数据的基础设施，而是如何以足够快的速度从数据中

获取洞察，从而为客户提供价值，快速实现投资回报。

对于希望提供 BDaaS 的云服务提供商而言，关键词条就是“获取

洞察的时间”。在企业领导者和数据科学家带领企业在大数据之旅

中向前迈进时，这已成为衡量成败与否的关键指标。

处理器性能

为了提供符合客户期望的大数据工作负载，您需要确保新服务基

于最新的处理器技术。英特尔® 至强® 可扩展处理器基于上一代

英特尔® 至强® 处理器出色的性能、高效率和价值而构建，能够

提供以下优势：

- 更高的性能，将四年的 TCO 降低高达 65%11

- 更多内核、更高内存带宽和 I/O 性能提升，在 SAP HANA* 上

每小时执行的查询量提高 1.5 倍 12

- 更快的大数据查询，例如采用 IBM DB2 时，批量分析的平均

速度提高了 1.4 倍 13

- 每秒运算次数提升高达 4.6 倍，支持多达五倍的客户端数量（采

用 Cassandra* NoSQL 数据库）14

9

存储和内存性能

通过将英特尔® 至强® 可扩展处理器与英特尔® 傲腾™ 技术和英特尔®

固态盘结合在一起，云服务提供商能够从数据分析平台上的额外性

能改善中获益。

内存和存储技术的进步对于能否实现更高水平的大数据分析性

能至关重要。英特尔正利用新一代的持久内存，基于英特尔和

Micron 联合开发的 3D XPoint ™ 介质助力推动实现这些改进 15。

借助这一技术，数据中心的操作员可将更多数据放置在更靠近处

理器的非易失性介质上，借此克服一直以来阻碍实现更高应用容

量和性能的障碍。这种更经济的持久内存可能会彻底改变 SAP

HANA* 和其他内存数据库等应用案例，使用户能够更快地生成更

好的洞察。

可扩展性

大数据服务所依托的技术需要可高度扩展。英特尔® 至强® 可扩展

处理器旨在加快数据分析工作负载的速度，处理机器学习和人工智

能等互补性技术，让它们成为 BDaaS 的理想基础。英特尔® 至强®

可扩展处理器可从双路扩展至八路，甚至可以支持日益复杂的数据

分析工作负载。

网络性能

出于预测性分析目的，我们会将数据湖或仓库中的数据移至计算基

础设施，如果此过程出现延迟，则会增加实时操作的成本。为了帮

助云服务提供商避免遭遇这类延迟，英特尔提供了市面上速度最快

的高带宽网络，从而跨不同网络通道加速预测性分析工作负载 16。

4. 未来举措

向客户提供数据服务以助力他们实现数字化转型，对

于云服务提供商而言是一个极具吸引力的机遇。

第 1 步 探索客户的数据需求，发现相关商机。

第 2 步 寻找市面上已有的由云服务提供商提供的

“即服务”产品。从云服务提供商领导者以

及您的直接竞争对手处获取想法和灵感。

第 3 步 制定您想要提供的解决方案。

第 4 步 评估您现有的 IT 和数据中心技术能力，识

别需要升级或改进的基础设施和流程。

5. 面向云服务提供商的资源

- 访问 intel.cn/csp

- 案例研究：英特尔和 Cloudera 利用大数据改进社

交媒体营销

- 注册英特尔® Cloud Insider 计划，获取面向云服

务提供商的技术资源

- 发现更多面向云服务提供商的英特尔资源

1 McKinsey（2017 年）Capturing value from your customer data（利用您的客户数据获取价值），https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/capturing-value-from-your-customer-data

2 Gartner（2018 年）Gartner Survey Shows Organizations Are Slow to Advance in Data and Analytics（Gartner 调查表明多数企业在数据和分析方面进展缓慢），https://www.gartner.com/newsroom/id/3851963

3 Gartner（2017 年）Gartner Survey of More Than 3,000 CIOs Confirms the Changing Role of the Chief Information Officer（Gartner 调查表明超过 3,000 位 CIO 认为首席信息官的职能正在发生改变），https://www.gartner.com/newsroom/id/3810968

4 Forrester（2017 年）Predictions 2018: The Honeymoon for AI Is Over（2018 年预测：人工智能的蜜月期已经结束），https://www.forrester.com/report/Predictions+2018+The+Honeymoon+For+AI+Is+Over/-/E-RES139744

5 Forbes（2017 年）10 Predictions for AI, Big Data and Analytics in 2018（关于 2018 年人工智能、大数据和数据分析的十大预测），https://www.forbes.com/sites/gilpress/2017/11/09/10-predictions-for-ai-big-data-and-analytics-in-2018/#74e36ed4403c

6 New York Times（2014 年）For Big-Data Scientists, ‘Janitor Work’ Is Key Hurdle to Insights（对于大数据科学家而言，“清理工作”是获取洞察的关键阻碍），https://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html

7 Research and Markets（2016 年）Global Database as a Service Market Growth（全球数据库即服务市场增长），https://www.businesswire.com/news/home/20160615005534/en/Global-Database-Service-Market-Growth-65.49-CAGR

8 Research and Markets（2016 年）Global Database as a Service market growth（全球数据库即服务市场增长），https://www.businesswire.com/news/home/20160615005534/en/Global-Database-Service-Market-Growth-65.49-CAGR

9 451 Research（2016 年）Database as a Service (DBaaS): Use Cases and Adoption Patterns（数据库即服务（DBaaS）：应用案例和采用模式），http://www.oracle.com/us/products/database/451-report-dbaas-3038788.pdf

10 英特尔（2018 年）探索软件定义存储的优势

11 4 年总体拥有成本预计降低 65%，示例基于同等机柜性能，使用 VMware ESXi* 虚拟化整合工作负载；比较配置：20 台双路服务器，搭载英特尔® 至强® 处理器 E5-2690（以前称为“Sandy Bridge-EP”），运行 VMware ESXi* 6.0 GA，使用 Guest OS RHEL6.4，总成本为 919,362 美元；5 台双路服务器，搭载英特尔® 至强® 铂金 8180 处理器，运行 VMware ESXi6.0 U3 GA，使用 Guest OS RHEL 6 64 位，总成本为 320,879 美元，包括基本采购成本。服务器价格假设基于原始设备制造商发布的最新零售价格：双路服务器，搭载英特尔® 至强® 处理器 E5-2690 v4，2 个 CPU，以及四路服务器，搭载 E7-8890 v4，可能根据系统的实际价格变化。

12 提升 1.59 倍的结论基于 SAP HANA* 内部 S-OLTP 工作负载：OLTP 性能（SAP HANA 内部 S-OLTP 工作负载）最高提升 1.59 倍（对比英特尔® 至强® 处理器 E7 v4）。基准配置：1 个节点，四路英特尔® 至强® 处理器 E7-8890 v4，基于 Brickland-EX 的平台，1024 GB 总内存，运行 SLES12SP1；比较配置：基于内部测试的估算结果，1 个节点，四路英特尔® 至强® 铂金 8180 处理器

13 基于大数据批量分析，平均获得 1.44 倍性能提升：基于英特尔内部估算。与英特尔® 至强® 处理器 E5-2697 v4 比较：8 个节点，双路，内核 / 插槽数量：18 核，36 线程，时钟频率：2.3 GHz，45 MB 缓存，内存：24 个三星 DDR4 DIMM，每个 32GB，2400 MHz，存储 2x2TB + 1x1TB SATA3 SSD，网络 10 千兆单端口；比较配置：基于内部测试估算值，英特尔® 至强® 铂金 8168：8 个节点，双路，内核 / 插槽数量：24 核，48 线程，时钟频率：2.7 GHz，33MB 缓存，内存：12 个 Micron DDR4 DIMM，每个 64GB，2400 MHz，存储 2x2TB + 1x1TB SATA3 SSD，网络 10 千兆单端口。软件配置：操作系统 CentOS 版本 6.8（内核版本 2.6.32-642.el6.x86_64），Java 1.8.0_111，Python 2.6.6，Hadoop 2.7.3，文件系统 HDFS，Hive 1.2.1，Apache Spark 1.6.2

14 基于 Cassandra* 压力测试，OPS 最高提升 4.6 倍，客户端数量提高 5 倍。1 个节点，2 个英特尔® 至强® 处理器 E5-2697 v2（Romley-EP 平台），128 GB 总内存，运行 CentOS7.3 kernel 4.10.1.x86_64，使用 Apache-Cassandra-3.10，Oracle JDK1.8.0_121（1.7TB 压缩数据集，LZ4 压缩）；比较配置：1 个节点，2 个英特尔® 至强® 铂金 8180 处理器（Wolf Pass 平台），192 GB 总内存，运行 CentOS7.3 kernel 4.10.1.x86_64，使用 Apache-Cassandra-3.10，Oracle JDK1.8.0_121（1.7TB 压缩数据集，LZ4 压缩）

15 英特尔（2017 年）A new breakthrough in persistent memory gets its first public demo（首次公开演示持久内存的一项新突破），https://itpeernetwork.intel.com/new-breakthrough-persistent-memory-first-public-demo/

16 英特尔（2018 年）Intel Omni-path architecture once again leads on the top500（英特尔 Omni-path 架构再次领跑 top500 榜单），https://itpeernetwork.intel.com/omni-path-architecture-leads-top500/

英特尔技术特性和优势取决于系统配置，并可能需要支持的硬件、软件或服务得以激活。产品性能会基于系统配置有所变化。没有计算机系统是绝对安全的。更多信息，请见 intel.cn，或从原始设备制造商或零售商处获得更多信息。

描述的成本降低情景均旨在在特定情况和配置中举例说明特定英特尔产品如何影响未来成本并提供成本节约。情况均不同。英特尔不保证任何成本或成本降低。

此处提供的所有信息可在不通知的情况下随时发生变更。关于英特尔最新的产品规格和路线图，请联系您的英特尔代表。

英特尔、英特尔标识、至强、傲腾是英特尔公司或其子公司在美国和 / 或其他国家的商标。

* 其他的名称和品牌可能是其他所有者的资产。

© 英特尔公司版权所有 0518/CAT/LH/PDF

10