规划服务器大小用于虚拟化集群有两种选择：一是配置使用容量大、数量少、计算能力强大的服务器；二是使用数量多、容量较小、廉价的服务器。管理员必须比较这两种配置方案的优势，根据实际应用场景选择合适的方案。

使用大服务器还是小服务器的争议也引出了另一个问题：选择使用集群能力实现大型服务器有效利用的纵向扩展；还是使用许多爆米花式小服务器的横向扩展（就像云计算一样）。

没有放之四海而皆准的答案，因为有很多考虑因素会影响决策思路。遗留的应用系统和片段代码更适合纵向扩展模式。应用程序设计时如果没有考虑分片复制等技术，就不适合横向扩展。而多核系统与单线程代码片段纠缠在一起会限制性能，不能发挥多核系统的性能优势。

规划服务器要考虑扩展模式

爆米花式的服务器规划（指规划许多个较小的服务器）适合于横向扩展的基础设施架构设计。这种架构扩展时可以给应用堆栈中增加更多服务器副本，本质上就是云计算的理念，通过克隆副本实现增长扩展。

但是，任何云服务提供商部署的实例都是综合组合，即使云环境也需要少量实例的大型服务器。例如，有的任务场景需要的不只是可用的内存，这种情况下爆米花式的服务器架构就不太适合了。

更大的服务器有很明显的优势，因为与爆米花式服务器配置那种较小的实例相比碎片会减少。关键是考虑使用场景。例如，提供网页服务使用很少的磁盘I/O和动态RAM（DRAM），在这种情况下，使用1U服务器配备廉价的SATA硬盘（串口硬盘）就可以很好地满足服务要求。每个服务器可以运行几百个实例。

更大的服务器也可以做到这一点，但是需要昂贵的固态硬盘（SSD）来处理更大的实例，每个内核也需要更多的DRAM。这种情况下，每个实例的成本就高于较小的服务器，当然也要考虑未来是否需要从硬盘到SSD服务器做迁移再做决策。

另一方面，内存数据库在大型服务器上运行表现最好。服务器数量减少，可以降低服务器节点之间交互所需要的延时和带宽，也减少了服务器之间来回迁移数据片的次数。更少的服务器可以享受到更快的链路（100G以太网与10G以太网的区别），更经济实惠，可以进一步提升集群性能。

比较两种模式的成本和性能

服务器大小和性能并不是线性相关的。爆米花式的服务器模式相对廉价，主板支持10GbE速度。每个单元都比较便宜，而且生产和销售的量很多。也存在很多竞争厂商，可以进一步压低价格。

大型服务器更接近个性化定制的形式，配置足够的内存需要最新的高密度双列直插内存模块，SSD可能是非易失性内存的最优模块。所有这些因素都会把导致价格更高。

基础设施的其它部分也有压力。爆米花模式每个节点都需要单相供电系统，而大服务器使用两相或三相供电，当然价格也更贵。爆米花小服务器的CPU大概每个一百美元，而顶级的22核CPU成本大约两千美元甚至更多。

数据分析的兴起使GPU实例也成为重要考虑因素。管理员规划服务器必须考虑有多少GPU和需要多少内存。令人惊奇的是，答案并不是必须使用大型服务器。例如，超微服务器在1U内可以配置4GPU。他们可以轻松地运行中低端GPU卡，而且可能很快将支持最新的高端插拔卡。

另外，如果应用程序可以控制这些GPU使用的内存大小，则不需要很大的DRAM空间，1U服务器是很好的选择。如果需要更多计算能力，也有更大的服务器可以处理八个顶级GPU。

评估功耗和可靠性

存在一个普遍的误解就是认为大型多相供电系统效率更高。实际上，爆米花式的小服务器群在不用的时候可以进入低功耗空闲模式。大型服务器一般运行大约40%负荷，所以它的效率不是很好。

制冷系统对于较小的1U服务器存在设计限制。这些服务器紧密排列，运行久了发热会降低可靠性。从外形尺寸方面来比较，大服务器更有优势，因为通风更好，还可以配置较大的风扇。云服务提供商可以通过关闭出现故障的小单元，把工作负载转移到其它爆米花小服务器单元，来弥补故障问题。如果是只有少量的大型服务器运行，这种方案就不可行，必须立即修复。

通常云环境有子集群环境，配置爆米花小服务器群和大型服务器。如果管理员要规划服务器但不能很好地管理这种异构的混杂环境，那就是时候考虑其它虚拟化服务方案了。这是也超融合系统的常见问题，混合不同的平台从理论能力上来看是值得怀疑的。