京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算时代数据中心如何布局
2014年11月,国务院常务会议上确定促进云计算创新发展措施,培育壮大新业态和新产业,确定要积极支持云计算与物联网、移动互联网等融合发展,催生基于云计算的在线研发设计、教育医疗、智能制造等新业态。大力促进云计算也是基于解决投资分散、重复建设、产能过剩、资源整合不均和建设缺乏协同等诸多问题的方案。从应用模式来看,混合云将是未来云计算发展的趋势,这决定了云计算的底层基础设施数据中心在全国范围内将按照“几+N”形式布局,并且要求其“灵活可扩展”。
“混合云”是未来云计算产业的主要应用模式
2013年的斯诺登事件加剧了用户对于云安全的担忧,虽然公有云服务提供商依然会通过各种措施完善公有云的安全,并会继续加强用户隔离、数据备份方面的投入,但用户出于对数据隐私性和可用性的考虑,必然会将核心数据及应用掌握在企业自己手中,通过企业私有云来支撑。“混合云”将是未来云计算发展主要应用模式,从中国市场需求来看,尤其是对国内的大型企业来说,混合云是最务实的方案,既充分利用原有设备的投资,又可以解决现有系统无法支撑突发业务流量和数据隐私方面的问题。从厂商动作来看,各个IT巨头迈向云计算的方向无一例外的是“混合云”模式,IBM、HP、华为、微软、EMC等纷纷推出混合云策略及解决方案。
数据中心将按照“几+N”形式布局
与云计算应用的模式相对应,云应用中的“公有云”部分将主要由几个大型甚至超大型数据中心承担,由云服务商提供运营服务,而体现企业核心竞争力的数据及业务将在企业“私有云”之上运行,由企业自己运营。数据中心布局最终将呈现“几+N”的形式。目前,中国云计算数据中心的布局还存在着市场的非理性特征。主要原因是目前尚处于国家引导发展的初期,尤其是处于政府政策性扶持阶段,受优惠政策的支撑,云计算数据中心密集地集中在需求大、应用多的环渤海、长三角、珠三角三大经济区。市场主体并未过多地顾及能源支撑的可持续性,政策性支持弱化了市场要素的作用。“几个”大型云计算数据中心未来布局将会在土地、能源、成本等的约束下,向资源富集,空气、水、环境等较好,低温冷能丰富的高纬度地区集聚转移。“N个”企业私有数据中心将在企业附近就近布局。
高密度模块化数据中心是重要趋势
“混合云”中的公有云部分的业务是需要大型化数据中心承担,数据中心的大型化已成必然趋势,同时在运营和管理方面对运营商提出了更高的要求,在这种背景下,数据中心进入了一个模块化、智能化的时代。从数据中心具体建设步骤来看,在数据中心规划初期是无法有效预计未来的服务量级的,如果不顾业务量大小,盲目建设大规模数据中心会为数据中心建设企业带来较大的前期成本压力和资源浪费,而后期的扩建扩容存在着周期长、管理复杂等诸多限制。现在模块化数据中心能够较好解决这一问题,其特点是数据中心建设工程产品化,能够通过工厂制造实现现场短周期、快速部署,满足数据中心“灵活可扩展”需求。另一方面数据中心发展到现在,节能、环保已经是其技术革命的重点环节,而高功率密度设备的大量应用使得数据中心的制冷问题越来越突出,数据中心建设需全生命周期地综合考虑如何去提高可靠性和降低能耗。
数据中心产品不断向融合方向发展
与数据中心模块化的趋势相适应,数据中心的产品也在不断向融合化的方向发展,包括数据中心设备中的服务器、机房空调和UPS等环境设备、机房布线等。越来越多的厂商提供数据中心建设的综合解决方案,甚至于有的厂商尝试推出集成UPS的服务器设备。因此单一的产品提供商已经无法在这一轮市场竞争中立足,市场将更加青睐集成能力更强的厂商。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24