数据中心集成整合一直是数据中心增长和管理的关键因素。能够100%使用和共享每个服务器，有助于控制硬件、电源、冷却和物理数据中心空间的螺旋增长成本。
在某些情况下，企业可能需要重新考虑整合，并考虑只有更多硬件才能提供的好处。
把资源和服务放在主要数据中心以外是网络的局限性、规模和冗馀性对组织的重要状况的合理应对。重要的是分别考虑各种情况及其选择方案，做出最适合业务的选择。
1、集成的吸引力和挑战
服务器虚拟化与管理软件的结合提供了一个扩展的处理器命令集，从底层计算硬件中提取应用程序。
将物理计算资源转化为逻辑等效项后，工作负荷可以使用比以前更多的可用资源，并通过在裸机上安装应用程序无法实现的方式共享这些资源。
虚拟化自引入服务器整合以来，已经发展成为一种扩展和支持其他资源整合的方式，包括I/O之类的网络元素，并允许更多共享有限的数据中心容量。
由于虚拟化和整合缩小了企业数据中心的规模，企业可能意识到整合并不总是追求单一的目标。
整合集成已经成为一些组织不可或缺的优势，但数据中心集成最终会遇到以下严峻的物理限制现实:
服务器内部有物理限制。跨基础架构共享的存储器和中央处理器周期数量有限。虚拟化可以在一定程度上共享有限的资源，但不是没有VM性能下降的风险。
跨网存在物理限制。管理者可以共享可用带宽，但总网络带宽有限。在可接受的时间范围内，跨世界距离交换数据需要足够的带宽，引入了意想不到的延迟物理限制。
操作可靠性有物理限制。服务器、存储和网络设备最终会失效。后果可能会影响重要数据中心基础设施和系统上的所有虚拟机。在传统的物理服务器部署中，服务器故障只影响托管应用。在运行8台或10台虚拟机的集成服务器中，相同的服务器故障会影响所有这些虚拟机。
业务和信息技术领导者可以在几个关键使用案例中提出令人信服的反对整合理由，这取决于基础设施的恢复能力、距离、规模和隔离程度。
2、弹性
冗余工作负载部署是增加工作负载吞吐量的常用方法。这有效地使得应用程序使用负载平衡器集中跨重要案例的流量。虽然重复案例的数量增加了冗余性，但选择部署位置(物理服务器)来定义应用的灵活性。
如果企业的战略是增加工作负荷的吞吐量，重复的例子可能在同一个集成服务器上。然而，这通常被认为是一种不好的做法，因为潜在的系统故障可能会停止这些额外的工作负荷例子。
当目标包含应用程序的弹性时，最好的实践表明组织不应该在同一硬件设置上找到重复的VM实例。相反，每个冗余的工作负载实例应该位于不同的服务器上。
为了实现灵活性而设计的关键任务应用程序至少需要两个服务器。这些服务器应轻负荷，并配置为相关/反相关管理程序选项，以确保实时迁移或重启时实例不会意外定位在同一硬件上。
灾难恢复设置也有类似的反对整合推动，其中重复的工作负载实例可能位于第二个/远程数据中心站点甚至公共云中的第二个服务器。
3、边缘计算和物联网
组织拥抱越来越多的重要数据，制定重要的业务决策，研究和运营重要的任务设施。但是，关于网络延迟、带宽和可靠性，数据存储和处理给单个集中数据中心带来了严峻的挑战。
考虑制造工厂。企业不太可能在制造工厂内建立数据中心。该设施生成的所有传感器数据、管理和操作该设施的一定水平的命令和控制信号必须通过WAN转移到集成的数据中心。
地理距离大，网络设备大，导致网络延迟，可能导致实时控制出现问题。与此同时，无法预见的WAN可用性中断(如因特网拥塞)可能会使集中数据收集和控制不稳定。
在主数据中心以外的实际设施、位置和任务附近，一定水平的计算和存储资源的配置可能会缓和网络依赖性的挑战，这通常被称为边缘计算。
4、大数据和规模
沉重的数据处理工作量可能会给数据中心带来巨大的压力。考虑到大数据项目可能需要数百甚至数千台服务器的计算能力来处理数字节甚至数字PB的存储数据，完成可能只需要几个小时。
当然，可以在主数据中心部署物理服务器框架和一组虚拟机来处理这样严格的任务。除了大型企业，支持大量服务器流入的成本和基础架构可能是一项艰巨的任务，尤其令人望而却步。
组织通常不会对建立大数据项目的主要数据中心进行长期资本投资，而是经常将替代计算和存储资源(如公共云)作为短期运营支出。该技术不需要大量资金就可以提供规模。
5、私有云和混合云
云计算的出现几乎不仅限于AWS、Azure和谷歌。组织拥抱私有云，反映不断变化的业务需求。新的服务和自助服务功能使员工和业务合作伙伴能够将应用程序和服务作为组织业务模型的一部分，无需等待IT部门的实施。
私有云甚至混合云的引入也面临着大数据用例中发现的大规模挑战。大部分数据中心都是实时部署的，取决于日常操作的一致性、规律性和可控性。
企业不太可能将这些生产资源重新分配给私有云基础架构，企业可以利用多馀的计算和存储资源从零开始构建可扩展私有云的可能性更低。
一个选择是在其他私有云基础架构上投资资本，但这种方法还有其他选择。除了主要数据中心，企业还可以使用各种私有云服务。
