做一个大型的门户网站需呀多少台服务器

大型。。。不同人有不同的理解

有人觉得网页多，规模就大，有人觉得流量高，规模就大。

如果按百度现有的运营来讲，想做一个一样的，需要服务器集群几百上千台高配服务器，但是！不可能一个人开始就做出人家大公司十几年的运营结果。

或许开始可以做的表面看起来足够大，但实际上初期的运营资源很低，流量少，访客少
那么可以从低配来运作，然后赚钱了再升级配置，也不迟。

有些大型门户比如视频类，需要的不仅仅是服务器，还要有大量的带宽资源来支持访问。

所以关键看是怎么策划的，运营方案，开发规模有多大。

做电商网站的服务器需要企业级高性能的机型。商城网站因为属于在线交易类型的性质，所以在线人数较多，安全性、稳定性、速度都有要求的。
而且分布式要求使用负载均衡、CDN加速、对象存储等多种不同技术合并使用。
这类网站一般都比较多且大尺寸。服务器建议用 2核4G内存了。
带宽也用3M以上，1M带宽这样的访问会打开慢的。
看需求了，要看网站的规模，网站的日均流量等等来选择的，如果是前期的小站，或者流量不会集中很高的企业站，就不需要很高配置的服务器了，一般1核2g 1m的就够用
首先得弄明白自己用服务器用来干什么放网站、应用运行或者是用来搭建放游戏等，都有一个自己的用途，弄明白用服务器是用来干嘛的，就可以很明确的知道自己需要的是哪种类型的服务器
尝试根据下面四个问题来评估自己的需求：
1 服务器运行什么应用？
2 需要支持多少用户访问？
3 需要多大空间来存储数据？
4 我的业务有多重要？
从你的需求来看，国内选择那几个比较大的商家合适，至于名字和具体配置选择也是一门学问，老魏会帮助你提供参考意见。
电商
网站的服务器需要企业级高性能的机型。商城网站因为属于在线交易类型的性质，所以在线人数较多，安全性、稳定性、速度都有要求的。
这类网站一般都比较多且大尺寸。服务器建议用 2核4G内存了。
带宽也用3M以上，1M带宽这样的访问会打开慢的。
看需求了，要看网站的规模，网站的日均流量等等来选择的，如果是前期的小站，或者流量不会集中很高的企业站，就不需要很高配置的服务器了，一般1核2g 1m的就够用
首先得弄明白自己用服务器用来干什么放网站、应用运行或者是用来搭建放游戏等，都有一个自己的用途，弄明白用服务器是用来干嘛的，就可以很明确的知道自己需要的是哪种类型的服务器
尝试根据下面四个问题来评估自己的需求：
1 服务器运行什么应用？
2 需要支持多少用户访问？
3 需要多大空间来存储数据？
4 我的业务有多重要？
从你的需求来看，国内选择那几个比较大的商家合适，至于名字和具体配置选择也是一门学问，老魏会帮助你提供参考意见。

具体有以下几种选择，如果建议用2-4台服务器，一级服务器1-2台放到医院或者卫健委用于镜像更新，二级1-2台放到电信运营商数据中心用于下发镜像到所有终端上。非村卫生室项目，每个节点机构有20台以上终端，可以部署三级服务器。如果电信运营商数据中心用于下发镜像到所有终端上。非村卫生室项目，每个节点机构有20台以上终端，可以部署三级服务器。如果电信运营商数据中心能够提供更新镜像用的终端（或采用和信VENGD50）则可以不用在医院或者卫健委部署一级服务器。

分布式是一门计算机科学，而分布式服务器就是将数据、程序等不同类型的数据分布在不同的服务器。

一般情况下，使用分布式架构搭建一个网站至少需要一台服务器存放数据库，一台服务器存放网站程序。

景安河南最大的多线服务器托管商！提供专业的双机热备、负载均衡等增值服务

最好是两个做成HA。

6T的数据容量,看你副本数量设置是多少,一般默认为3,那么仅这些就需要18T硬盘,稍微大一点20T吧;这仅仅是HDFS存储，(这里我说的是一个月的,你数据保存几个月,就乘几倍)。

如果你集群上面要跑计算,MR计算出来的数据要保存HDFS的,所以,还是要根据你的结果数据来做判断,大小就看你计算任务了。

一般是这样计算硬盘大小：

(原始数据+中间数据+结果数据)副本数量=总硬盘大小

根据具体企业而言。
服务器（Server），也称伺服器，是提供计算服务的设备。由于服务器需要响应服务请求，并进行处理，因此一般来说服务器应具备承担服务并且保障服务的能力。通常分为文件服务器（能使用户在其它计算机访问文件）、数据库服务器、应用程序服务器、WEB服务器等。
服务器的构成包括处理器、硬盘、内存、系统总线等，相比通用的计算机架构，在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求更高。

虚拟化，如exsi67---vSphere针对机器学习和AI工作负载优化（简单理解，传统服务器，无论

CPU与GPU,都有限的，最高配置，也有速度限的，，而虚拟化，就是将N台机的资源整合，所有机器都可调配，优化所有性能，将N台机合一使用。。。。）

我们在解藕了计算资源,存储资源,网络资源后,新的应用场景,例如大数据,AI,ML需要新的算力技术,比如GPU。在vSphere 7之前或者说在目前市场上的AI/ML算力解决方案中都是将GPU的算力和CPU

vSphere 7集成了VMware前期收购的Bitfusion，解决方案是将GPU/FPGA等AI/ML资源池化置于计算资源后端，计算资源需要AI相关算力时，通过网络灵活可力度调度后端AI算力资源

基于vSphere针对机器学习和AI工作负载优化

像ML和AI这样的现代应用程序需要计算加速来处理大型和复杂的计算。vSphere利用功能强大的加速来处理VM或容器中的工作负载。基础结构也可以用于某些HPC工作负载。

整合和共享硬件加速

轻松确定未充分利用的孤立且昂贵的资源。不论位置如何，都可以远程（全部或部分）共享硬件加速。GPU资源的切分也变得灵活

现在和将来扩展

在整个基础架构中利用GPU，并使用同一基础架构集成不断发展的技术，例如FPGA和定制ASIC。

---