京公网安备 11010802034615号
经营许可证编号:京B2-20210330
未来电力的底线:大数据和物联网_数据分析师考试
如今,大数据正在不断拓展和扩大。据科学日报2013年的报道,全世界范围内所有数据的90%都是在过去两年中产生的。凡尔纳环球公司技术服务总监豪尔赫-巴尔塞尔斯指出,全球各地有25亿个互联网用户,在美国就有大约2.5亿个用户,特别是在过去的十年,用户的数量和水平呈现爆炸式增长。
从我们的Fitbits到手机摄像头,所有连接到互联网的各种类型的设备数量庞大,这些设备所产生的数据和未来的潜力导致计算和存储的需求呈指数增加。
大数据和物联网将如何影响数据中心?这是巴尔塞尔斯在将要召开的数据中心全球会议和博览会上演讲的主题。本次会议将包括许多专题会议,将会涉及数据中心的管理者和经营者面对的问题,以及数据中心的新技术。
大量的计算和存储需求产生更多的电力需求
巴尔塞尔斯说,他说其演讲主题重点是围绕数据中心的管理者和经营者所问的问题。比如“我们现在的电力基础设施能否处理所有产生的数据呢?我们能提供足够的电力吗?”。这还将引出了下一个问题:“你知道你的数据中心现在获得的电力,那么在5年或10年或15年以后呢,那时该如何应对?“
为了支持计算和存储今天的需求,“我们的数据中心需要质量可靠、高效节能的,采用可再生能源的充足电力。”他说。
不断增长的数据需求导致更大的电力需求和成本。凡尔纳全球公司位于冰岛凯夫拉维克的数据中心,已经建立了围绕可再生能源接入,可靠和具有成本效益的电源策略。探讨电力因素对数据中心影响,巴尔塞尔斯对此具有独特的视角。
电力的底线
巴尔塞尔斯表示,从财务的角度来看电力是很重要的。当数据中心管理者展望未来计划的成本,在如何计算电力定价时,却不知道未来会发生什么。
电力成本在今天的数据中心设施的位置产生巨大的影响。当客户着眼于市场的发展趋势时,其共同点就是“电力的价格”。巴尔塞尔斯说。
需求改变位置
“你看目前人们不在大都市地区建设新的数据中心。在过去的十年中,数据中心都尽量远离人口中心,向偏远地区地区发展。比如美国西北太平洋地区的华盛顿州、俄勒冈、甚至美国犹他州,”他说。“而全球数据中心位于北欧地区,包括冰岛。”
他举例说,Facebook在瑞典建设和数据中心,其电网是超级可靠的。而谷歌公司在芬兰建设的数据中心,从2015年开始,其电力来自可再生能源。(根据此前DCK的报道:谷歌公司在芬兰的哈米纳数据中心将在2015年主要采用风能发风,谷歌公司与一个陆上风电场供电公司签署了补充协议,因此该数据中心将采用100%的可再生能源发电。)
这种供电可靠性在美国当前却不可用。“例如,海湾地区的电力并不是持续的。其可靠性不高。”巴尔塞尔斯说。
北方气候的另一个好处是较低的散热需求。“在数据中心的总体成本中,冷却成本占到发电成本的30%到40%。”他说,“数据中心正在寻找那些终年有凉爽的气候的地点。”这减少了降低服务器的进气温度所需要产生的冷空气(无论是通过传统的冷却方式,或通过蒸发冷却)。
实用的可靠性
我们日前依赖的全天候的电力基础设施并不是都那么可靠。巴尔塞尔斯说人们往往很快忘记供电可靠性的问题。他引用了桑迪飓风和2003年美国东北电网导致大面积停电的事例。
“2003年的事故导致5000万人受灾。我们这么快就忘记了,”他说。“电力的可靠性是一个让人关注的问题,不只是在美国,在全世界也是如此。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16