对于早期的数据中心设计来说，这是一个惊人的变化，当行业的主要参与厂商向数据中心投入数十亿美元时，当时新兴的数字经济的工厂蓬勃发展。

数据中心就像人一样：没有两个是完全一样的，尤其是现在。十年前的分离计算、存储，的硬件，甚至网络服务运行的硬件给人们留下了堆叠在旁边的x86的比萨饼盒子，或连接已有30年历史的计算机主机。为什么不呢?大部分的工作是由软件工具来定义的，并精确地定义了硬件是如何使用并何时完成的。

从虚拟机到软件定义存储，以及网络功能的虚拟化，这些抽象层将硬件组件抽象成一些更大、更容易控制的东西。

对于早期的数据中心设计来说，这是一个惊人的变化，当行业的主要参与厂商向数据中心投入数十亿美元时，当时新兴的数字经济的工厂蓬勃发展。他们的崛起催生了定义如何使用空间和电源的标准委员会，以确保主要供应商不会意外地建立一个太高或太宽的服务器，不适于用行业用户。

如今在廉价设备上运行的分类服务，通常比以往强大的设备完成得更多。而且也占用更少的空间，并在云中形成到外部资源的自然连接。

人们对基础设施的做法已经有所响应，但数据库基本上保持不变，特别是在处理相同的数据库的工作时，因为他们总是在这个过程中浪费了计算和存储资源。数据中心运营商正在处理太多的信息，这将继续下去。

数据中心信息迁移

奇怪的是，大部分行业人士都清楚地知道，过度供应是一个问题。去年的一项研究估计，北美地区的闲置的服务器浪费的资源达300亿美元。在去年九月的一项类似的研究中，华尔街日报发现了一个数据中心设施中，有1000多个服务器准备工作，却一直没有工作负载。人们才得知数据中心服务器有着这样一个惊人的资金浪费，而需要提高数据中心的效率从来没有这么迫切。

信息通过具有无可比拟的数量和种类的数据中心移动，其速度前所未见。思科公司追踪其视觉网络指数(VNI)的变化。最新数据表明，基于互联网的流量2015年每天为2艾字节，相当于自从人类出现以前40%的所说过的话。思科公司认为，到了2019的年，这个数字将超过一倍，达到每天5.5艾字节。

没有工具的软件定义和部署数据中心资源，有效地，我们将没有选择，只能依靠人工过度配置来处理所有的信息，没有痛苦的停机时间。对于大多数数据库服务，我们仍然需要完全的设备配置，这使得这些关键系统成为一个瓶颈。而分解是解决问题的关键。

扩展到工作负载，而不是基础设施

数据库处理是主要的三种功能之一。数据服务是系统的核心，并定义用于存储信息的模式。快速检索的索引服务分类，根据定义的参数查询服务。大多数系统将一次性处理许多不同类型的请求。

其困难来自于如何利用数据库硬件。这是所有的生硬的力量与请求分布在一个基础设施。没有一种系统更适合于处理一个输入/输出密集型数据服务。在一个单独的系统中，也没有一个机制来处理内存密集型索引服务，或者在一个不同的、优化的机群系统中管理计算密集型查询的规定。数据库平台不喜欢把效率提高到现代数据中心的计算、存储和网络服务的分离。人们需要改变，需要系统的发展，以不同的子系统独立和按需缩放到规模数据库服务。

有趣的是，这对大多数NoSQL数据库来说都面临一样的问题，因为它是所有的关系系统，一种低效的NoSQL数据库，甚至有可能情况更糟，因为他们是如何经常搭配一个大型分布式基础设施。没有办法查询分配到不同的节点，消耗大量的内存和一个裸关节计算争取资源。解决这一问题的方法是灾难性的计划，这就是为什么我们在数据中心实施过度的配置，还会有那么多的问题的原因。

然而，它不需要是这样的。多维数据库缩放是从给我们带来了虚拟化，软件定义网络，并已转化为更好的数据中心等分解技术。在其最简单的形式中，多维缩放是软件定义的工作负载优化，其中管理员组装的计算，内存和存储所需的工作量特性。系统是当时的最佳配置避免空转而维持需要处理高峰时的弹性。

把它看成是根据工作量的需求缩放，在这个过程中需要将每一个可用的硬件进行优化。而不是设计到最低限度的基础设施。在这世界上充斥着数据，这是一个改变，但速度不可能太快。