在云計算的推廣中，有些廠商宣稱采用他們的云計算產品，不需要高端的服務器，而只需要幾臺低端的服務器 就可以組成冗余的環境，用來構建高可用性的應用平臺。他們將使用低端服務器來搭建云計算環境的行為戲稱為服務器農場。筆者并不同意這種部署方式。這種“服 務器農場”的部署方式有比較大的局限性。

一、服務器農場的局限性。

服務器農場的主要特點是通過使用多臺低端的服務器，在降低服務器購買成本的同時，提高信息化系統的可用 性。不過這種部署環境，筆者認為具有很大的局限性。通常情況下，這種部署方式可能只適合用于分布式的計算。因為分布式計算有一個特點，其各個數據之間的聯 系并不是很大。如此的話，就可以將各種類型的數據分門別類的放到各個低端的服務器上。最后只采用計算的結果。由于各個數據之間沒有密切的關聯，為此即時一 臺服務器運算的結果比其他服務器遲出來很久，對最終的應用也不會產生很大的負面影響。

但是對于一些聯機事務處理，則就不一定適合采用這種“服務器農場”的部署方式。因為像微軟的ERP系 統，其就是一個典型的聯機事務處理系統。這種系統的數據有一個特點，就是數據內部有著很強的關聯，而且對即時性的要求也很高。為此在部署應用時，就需要建 立統一的數據庫系統。像證券廠商、銀行等等，在部署云計算產品的時候，并不適合采用低端服務器。

二、行業云與公共云之間的區別。

其實從一個更高的角度來看，服務器農場的部署方式可能適合與像Google等公司的公共云產品。而不適 合于像微軟這種傾向于行業云的云計算產品。如以Google云產品，就是一個典型的公共云。通常情況下，公共云服務產品其主要特點是數據之間的相關性比較 低。如我們在使用Google的搜索引擎查找網站的時候，網站之間的關聯基本上沒有，或者說只通過一個關鍵字關聯起來。這也就是受，服務器不需要復雜的關 聯檢查。在這種情況下，低端服務器組成的“服務器農場”環境，能夠滿足云計算的需要。

但是對于行業云來說，其數據的組成與公共云有非常大的差異。行業云由于針對的是特定行業的解決方案，其 數據包括結構化數據和非結構化數據。而且數據之間的關聯性非常的強。從技術上來說，就需要服務器能夠實現多線程并發、緊耦合共享內存等等先進的技術。只有 如此，才能夠滿足其運算和即時性的要求。而這些技術是低端服務器無法具備的。只有高端服務器才能夠滿足這個需求。如現在一些高段服務器，像上圖所示的 Sun高端服務器，采用了壓縮等技術，已經可以在內存中實現數據倉庫。從而提高數據查詢與處理的速度。

可見從行業云與公共云的區別來看，可以發現并不是所有的云計算產品都適合采用“服務器農場”環境。通常 情況下，行業云產品并不適合采用多臺低端服務器組成的硬件環境。對于像銀行、證券、連鎖企業等等對數據及時性、相關性要求高的行業，采用高端服務器來搭建 其云計算產品的服務器環境，是一個明智的選擇。

三、微軟云計算產品推薦使用高端服務器。

云計算是微軟以后發展的主要趨勢。從現在的情況看，微軟云計算的策略跟Google公司的策略不同，其主要側重于行業云，而不是公共云。而根據行業云的特點，微軟推薦使用的是高端服務器。而不建議采用服務器農場環境。筆者認為可能微軟公司是出于如下幾個方面考慮的。

一是從服務器的維護成本角度出發。雖然采用多臺低端服務器來組建云計算產品的硬件環境，可以降低其硬件 的購置成本。有時候甚至可以使用塊被淘汰的服務器。但是此時服務器后續維護的成本會很高。如為了提高服務器場的可用性，一般至少需要使用三到五臺低端服務 器來組成一個服務器農場。而服務器一多，就會直接導致服務器的維護成本上升。同時其能源成本也會隨之上升。從長遠的時間來看，如五年以后，其總成本可能并 不比購買高端服務器來得便宜。管理少數的高端服務器，相比維護多臺低端服務器來說，成本要便宜許多。

二是從數據處理的角度考慮。如微軟現在的云計算成品主要面向的是一些大型的企業，如證券等金融機構。這 些機構的數據有一個特點，其內在的關聯性和及時性的要求非常的高。舉一個簡單的例子。有一個用戶在海南賣出一只基金，然后一個在北京的用戶要能夠在馬上查 詢的到。不然的話，就可能會出現問題。如有個用戶勾結他人，在海南和北京兩地，同時賣出同一個賬戶中的股票。如果數據不能夠即時同步的話，就會出現多賣的 情況。其實類似的案例以前也發生過。如A用戶在銀行里先存錢，然后B用戶在異地馬上取錢。此時A用戶再找借口說錢不存了。此時由于數據不同步，最好吃虧的 就是銀行。云計算產品可以提高系統的運算速度與平臺的整合，但是仍然需要硬件的支持。所以高端服務器是微軟云計算產平不可缺少的組成部分。

三是微軟的行業云產品涉及到的硬件設備比較多。如現在有一家家電大賣場使用了微軟的云產品。其在全球各 地擁有幾千臺服務器。此時云計算產品要能夠管理這么龐大的數據中心，該如何才能夠勝任呢？在這種情況下，作為企業的IT負責人就需要考慮，通過集中管理、 遠程管理等手段，來降低維護的工作量。同時由于涉及到大量的數據，為此就要求服務器具有強大的、高效的大規模數據處理能力，特別需要注意在大規模數據環境 中的關聯檢查與驗證的能力。