另一方面，利用率也与服务器的配置瓶颈有关。在一些较早的机器中，虽然服务器的计算性能很强，内核数量很大，但由于内存太小，利用率上不去，形成了系统的瓶颈。如今，在以英特尔至强E5、AMD推土机架构、Power7为代表的小型机面前，内存容量已经不是问题。然而，新的瓶颈层出不穷——对频率敏感的应用不适合多核环境，而是需要像Power7这样的高频率服务器来提高利用率。
相反，一些线程敏感的应用需要多核处理，比如AMD推土机架构。在HPC层面，英特尔CPU架构性能更好。可见，了解应用类型，合理配置服务器，是解决系统瓶颈，提高服务器利用率的重要因素。
先说传统的做法。传统上，负载平衡是通过手动或负载平衡算法实时监控服务器并分担工作负载。这种方法的优点是实现起来相对简单，缺点是需要花费时间和精力，而且总是需要调整。一些厂商推出了具有多种策略的自学习和负载均衡软件，甚至有硬件产品来完成作业调度。
但这毕竟是治标不治本。因此，虚拟化这种统一的手段，成为普及应用的普遍手段，成为云计算的基石。
原理很简单，就是资源池化——将服务器集群的计算能力、存储容量、网络带宽虚拟化为资源池，并在其中动态分配计算资源，这样就不存在纯服务器分离，绕过了负载均衡的问题。
但是，让我们重新关注服务器级别—提高利用率和虚拟化之间的直接联系在哪里？在于可以将一些空闲的计算资源虚拟分配给其他应用任务，这与现有的应用是不同的。
这句话很拗口。你可以把它想象成把自己分成两半，一半做繁重的体力劳动，剩下的做一些轻松的工作。总体目标是把你的全部力量都占满——也就是提高利用率。
综上所述，我们得出两个结论:一是需要根据应用类型选择合适的服务器，使利用率最大化；那么如果在此基础上采用虚拟化解决方案，可以更大程度的提取服务器资源，更大规模的提高利用率，为云计算打下基础。有不懂的请咨询梦飞服务器了解。
