在应聘数据中心职务时，面对来自未来雇主的刁难问题，你该如何进行量体裁衣式的回答？这里有九大应对策略供您参考。
1、完美的数据中心工作如何定义？
学习DevOps、变更管理、IT业务敏捷与其他热门数据中心术语的要点是提升后端技术与基础架构满足企业需求与目标的能力。而数据中心性能指标可以证明这些。
当你在数据中心工作面试中描述自己熟悉这些概念的时候，一定要呈现出你说的都是围绕着进程提升与最佳实践。定义一些数据中心性能指标，以及你如何确保你的团队能够满足这些指标。然后解释这些性能指标如何有益于公司。
例如，不要仅仅指出重复数据删除技术降低对存储的需求。要说它释放了存储资源，用于新的大数据分析项目，用最低的资本支出达到了20%高的顾客响应速率。
研究你去面试的公司情况。它遵从行业规定吗？他们看重敏捷与客户获取吗？或者他们专注于维护一小撮高质量的长期客户？面试前做好这些准备工作可以让你对要讨论的问题进行量体裁衣式的回答。
2、问如何控制数据中心，那就谈变更管理
变更管理员为单个管理员提供了控制所有服务器行为与性能的方式。
我们将变更管理定义为一种系统方式，支持数据中心发生不可预知的IT工作负载进化与技术。这关乎自动化工作流、配置变更、打补丁与更新。
变更管理的定义逐渐与术语数据中心自动化和编排融合。来自不同厂商，如SolarWinds与IBM的配置与变更工具让少数管理员可以控制大量的服务器、网络节点与存储设备。
当面试官询问你如何管理你的时间，或者如何提升数据中心中的时间管理，你就谈变更管理准没错。它也是一个成功的业务项目发布与扩展的重要组成部分。如果你的数据中心无法适应，那么业务只有两个选择：抛弃增长的业务或者寻求后端基础架构支持，也就是要么使用公有云，要么使用影子IT。
3、问开发与运维，那就谈持续集成
在良好的IT企业中，每个人的目标都一样：提供好的应用和服务，拥有可持续的基础架构。DevOps结合持续集成与交付帮助追踪该目标。
开发者更注重新鲜事物与未来趋势，而运维者更喜欢稳定性与一致性。DevOps是IT的一种方法论或文化，保持开发与运维团队之间的交流，在应用与服务方面协作。多数现代IT企业希望系统管理员、开发者和基础架构管理者实施持续的集成与持续的交付。
持续集成意味着迭代软件测试该立即进行，并添加到更大型的代码基础中。如果变更出现问题，如用光了存储容量，该问题将受到孤立并马上回卷到之前状态。
持续交付将变更提交给代码，带领变更通过同行审查与用户体验测试。它是对持续集成的扩展。虽然很多DevOps工具通过CI（持续集成）与CD（持续交付）提供代码，但实际上开发与运维团队在用不同的方式使用不同的工具。
另一个缩写为CD的术语是持续开发，也是DevOps要实现的目的之一，但在真实世界中常常充满挑战不易达到。持续交付意味着对应用或服务的变更已经可以部署，因为它们就是在与生产环境类似的环境中测试的。相反，持续开发意味着这些变更直接进入生产，都未经过人工干预。
4、问如何抵挡破坏，那就谈数据中心弹性
通过避免单点故障并使用适应力强的IT系统，弹性的数据中心能够抵挡网络布线、断电、意外宕机、黑客攻击与用户误操作等造成的破坏。
通过安装数倍的物理基础架构，数据中心弹性增加。如果一个PDU失效，另一个已经待命接收失效PDU上运行的工作负载。如果一个载体崩溃，那么可以在第二载体上运行所有的工作负载。N+1冗余意味着无论你运行多少个块，总有一个额外的块备用。N+M可能意味着两个、三个或更多个数量的设备。2N特指处于保护的目的而完全复制的架构。
数据中心弹性的定义已经成为IT技术，诸如虚拟化与微服务，加上像N+1冗余供电与设备这些传统的正常运行时间助推器。在工作面试中一般有讨论分布式应用与服务器集群的环节。分布式应用同时运行在多个服务器上，每一个可能部署成单独的微服务。服务器集群利用高可用性或容错虚拟化预防断电，以便在发生问题时来回迁移虚拟机。
如今的一些数据中心设计为失效，意味着工作负载可能从出问题的服务器中脱离出来，可以跨服务器集群甚至跨多个数据中心，运行在新的服务器上。这种架构从大规模网络内容供应商延伸到企业IT。
当你在与未来雇主谈论数据中心弹性时，陈述IT服务与业务连续性的机制，包括多样网络线路、容错集群。不管如何鞭策你的物理系统，或者IT系统遭遇多少次断电，数据中心都能持续交付业务关键服务。
5、问突破瓶颈，那就谈并行应用
想让应用跑快一点，那就为它增加双倍的资源吧。
并行应用，也叫做并行计算，通过共享资源与协调行动，可以让多个服务器CPU或处理器核心同时执行工作流。程序划分为小块，然后重新组合，比起串行处理完成工作更快。
并行处理应用可在多核的单颗处理器上运行，也可在多处理器的单台服务器上运行，甚至可以跨集群或计算网格。这在高性能计算部署中很常见，在企业IT中鲜见。
虽然串行处理有利于CPU，串行通信连接更好。PCIe是比并行PCI延迟更低的总线，但也拥有更高的数据传输速率。串行意味着数据可以同时从两个方向穿过总线，而并行总线每次只从一个方向发送数据。你可以在数据中心服务器上找到用于网卡、显卡与存储加速器的PCIe连接。
在云架构与软件定义数据中心中，硬件与应用越来越抽象。然而，对不同硬件设计处理不同工作负载的初步了解有利于更好地使用容量，或修复简单的硬件，以便解决性能瓶颈。例如，无需重新撰写一个复杂的应用，数据中心人员可在PCIe总线上指定本地存储加速器。相反，在为新应用购买新硬件时，数据中心团队能与开发者与编程人员协作，搞清楚应用如何使用资源，并为其制定最佳部署方式。
6、问整理与释放存储，那就谈重复数据删除技术
无论你企业卖保险、卖IT服务还是其他，业务都依赖大量有竞争力的客户数据库。该库持续获取新进入的数据，并变更现有数据。
由于多个应用从多个源头使用这种进化的数据，重复删除成为抵抗存储蔓延的基本工具。数据中心通过保留数据点的一个实例，将dedupe作为一种降低存储需求的进程，而不是用于不同系统的多个副本独自访问。重复数据删除可让全然不同的系统访问单个数据点。
有个例子可帮助定义重复数据删除：你公司在其客户关系管理系统的数据库中记录了顾客ABC的数据。顾客ABC也是公司新产品试点项目的一部分，这意味着相同的数据存在于开发组的数据库中，用于漏洞、发布新版本等的通信。你可能也有独立的数据库用于财务，上面也有顾客ABC的信息。重复数据删除意味着公司只保留一份顾客ABC的信息，减少所需花费的存储空间，又不丢失任何信息，不会影响业务决策。数据中心的IT系统维持一个参考路径，以便三个系统都知道如何快速定位该顾客的信息。
关于重复数据删除有大量考虑事项。对现有数据分类以便与副本匹配可能耗时又昂贵。对于新数据，存储系统必须包括合成信息的智能功能，而不是公司每次开始追踪一个新参数时都需要重新写一个文件。但如果没有重复数据删除，存储需求和复杂性阻碍业务计划，如采购模式分析。
7、问不改变现状满足业务增长，那就谈可扩展性
IT工作负载增加就像海绵吸水一样：尽可能的侵吞资源。
随着数字技术在每种业务中发挥作用，数据中心资源可扩展性日益重要。数据中心容量规划者将可扩展性定义为后端IT部署的能力，与需求同比例增长，不会使管理变得复杂而困难。
电子商务、在线交易以及通过互联网发布内容，证明了可扩展性的价值。如果一家T恤制造商无法扩展其内部客户关系管理软件与Web服务去满足不断增长的需求，那么业务将丢单，声誉将受损。
有些IT企业转向云计算，处理意料之外或不可预测的短期快速扩展。数据中心管理者规划容量适应IT工作负载的大典型需求。之前例子中的T恤制造商可能根据顾客基数的增长有组织地扩展数据中心服务器与存储，然后在节假日购物高峰期租用亚马逊EC2云实例。这两种方式都可以定义为可扩展性。
为了证明容量规划中的知识深度，对比可伸缩性与弹性。可伸缩性与动态IT工作负载匹配——需要更多资源时就扩展，需求小时就缩小。这种动态的分配在数据中心的物理服务器与系统中比预先配置的云资源中更难实现，但有了虚拟化与云，一切皆有可能。
8、问费用，那就谈CapEx与OpEx
撇开OpEx（运营成本）与CapEx（资本支出）的争论不谈，是时候将两者结合起来看了。有些业务更依赖CapEx IT开销，另一些依赖OpEx，事实上所有的都是两者的混合。
在最简单的意义上，CapEx是购买产品与服务的一次性支出，而OpEx是维持该服务的持续性支出。
业务领导者将CapEx定义为一次购买，然后慢慢贬值。数据中心服务器是一个典型的资本支出。企业通常购买与部署一堆服务器，然后在数据中心经过几年后贬值折旧卖出。
我们将OpEx定义为经常性开支。云托管服务器是一个典型的OpEx模式。该业务通常不购买与维护云服务器，宁愿每月或根据使用情况付费。这里不存在贬值。如果不需要某台服务器，不用就成，公司可能在将来还会再次选择使用这台服务器。
在OpEx模式下，如果你只为所需要的付费显然过于简单，处理虚拟机蔓延的管理员不能同意更多。如果没有一个资产管理系统，大量CapEx支出将浪费。
面试时，秀出你对OpEx与CapEx差异的理解，即关系着IT策略与业务需求。现代数据中心雇员明白，一些IT服务好在服务器机架之外处理，而其他的从长期来看投入硬件与软件资源更便宜。比如大数据分析，虽然很多企业在自己的IT平台上存储并分解数据，避免产生与网络相关的成本，还有基于云的大数据处理服务。
9、谈数据中心性能指标搞定面试
学习DevOps、变更管理、IT业务敏捷与其他热门数据中心术语的要点是提升后端技术与基础架构满足企业需求与目标的能力。而数据中心性能指标可以证明这些。
当你在数据中心工作面试中描述自己熟悉这些概念的时候，一定要呈现出你说的都是围绕着进程提升与最佳实践。定义一些数据中心性能指标，以及你如何确保你的团队能够满足这些指标。然后解释这些性能指标如何有益于公司。
例如，不要仅仅指出重复数据删除技术降低对存储的需求。要说它释放了存储资源，用于新的大数据分析项目，用最低的资本支出达到了20%高的顾客响应速率。
研究你去面试的公司情况。它遵从行业规定吗？他们看重敏捷与客户获取吗？或者他们专注于维护一小撮高质量的长期客户？面试前做好这些准备工作可以让你对要讨论的问题进行量体裁衣式的回答。
热门专题
