従来のデータセンターと比較
ハードウェア更改の仕組みを根本から変える、ハイパーコンバージドの斬新なコストモデル
ハイパーコンバージドインフラによって、ユーザー企業はシステムの成長に合わせてリソースを追加購入できるようになった。従来のように、ハードウェアの更新によってコストがかさむこともない。
参照：ハイパーコンバージドの2大勢力「Nutanix」と「Evo:Rail」、違いを比較《クリックで拡大》
複数台のサーバの内部ディスクを束ねて、仮想的な共有ストレージアレイを構成する垂直統合システム「ハイパーコンバージドインフラ」を導入すると、データセンターを構成する要素の購入サイクルが変化する。小規模で高頻度の購入方式が、大規模で低頻度の購入方式に取って代わる。この方式では、ビジネス価値をすぐには生まないリソースの量を削減する。かつてのデータセンターでは大規模なハードウェアの入れ替え計画が立てられていたが、ハイパーコンバージドインフラを採用したデータセンター（以下、ハイパーコンバージドデータセンター）では、スムーズで逐次的なアップグレードへと変化している。
多くのユーザー企業は、ハイパーコンバージドインフラ導入に伴う逐次的なアップグレードの採用によって、現在の環境構成を見直す動機がなくなることを認識していない。その結果、ハイパーコンバージドインフラのユーザー企業は、長い間1つのベンダーにとどまり続けることになる。
関連記事
ハイパーコンバージドとは？
ハイパーコンバージドの動向
ハイパーコンバージド製品比較
ハイパーコンバージドの事例
従来のデータセンターのコストモデル
従来のデータセンターでは、インフラは大きな単位で購入され、3～5年おきに入れ替えられていた。多くの場合、年間予算はインフラの一部分を置き換える程度しかない。例えば、ある年にストレージアレイを変えた場合、次の年の予算はコンピューティングクラスタの入れ替えに割り当てられる。ストレージアレイを置き換えることは、全ての仮想マシンを古いアレイから新しいアレイに移行することになる。ノード（サーバ）の切り替えに必要な労力は若干少ないが、プロジェクトは1カ月以上に及ぶ可能性がある。サイロ化したインフラは時間の経過と共に拡張しづらくなる傾向があるため、予想される需要に対処するべく、余分な容量を購入することになる。また需要が想定以上のペースで大きくなると、インフラはビジネスに十分応えられなくなる可能性がある。
ハイパーコンバージドデータセンターのコストモデル
一方でハイパーコンバージドデータセンターであれば、企業は短期的なニーズに対応できるだけのハイパーコンバージドインフラを購入し、ワークロードの変化に応じて、既存のクラスタにノードを追加できる。ほとんどの場合、ダウンタイムは発生しない。新しいノードは簡単に購入して、容易に既存のハイパーコンバージドデータセンターにも追加できる。この成長に応じた支払いモデルにより、インフラのコストとビジネスに還元される価値は等しくなる。
ハイパーコンバージドデータセンターの更新には、以下2つの重要な特徴がある。
- コンピューティングリソースとストレージは、個別ではなく同時に購入することになる
- ノードは長期間にわたって購入、追加できる
ハイパーコンバージドインフラのノードも従来のインフラと同様に、3～5年おきに置き換えることができる。ただしハイパーコンバージドインフラでは、ノードは一度に少量購入することが一般的であり、全てのノードを一度の大規模なアップグレードで置き換える可能性は低い。大多数のハイパーコンバージドインフラでは、仮想マシンとデータを古いノードから新しいノードへ簡単に移行できるようになっている。例えば季節の影響が大きいビジネスでは、その季節の前にノードを追加購入し、その季節が過ぎたときに最も古いノードを廃棄できる。これはハイパーコンバージドインフラの持つノードベースのアーキテクチャによって、ビジネス価値のコスト調整がよりシンプルになっている一例だ。
ハイパーコンバージドデータセンターを構築することで、インフラの購入方法を変えることができる。だがハイパーコンバージドインフラベンダーの選択を再評価するきっかけがなくなる。そのため、ハイパーコンバージドインフラは数年ごとに見直し、現在のニーズに対して適切かどうか確認することをお勧めする。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
4
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
5
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
6
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
7
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
8
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
9
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
-
10
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー