京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代背景下的数据中心变革
用数据爆炸形容今天的IT发展一点也不为过,数据增长永无止境。”世纪互联李志霄博士认为对于企业来说,与用户使用习惯、地理分布、甚至企业需求变动都可以通过在大数据挖掘得到有价值的参考信息。大数据时代将信息价值的概念推到了企业CIO面前。
根据国际数据公司IDC 2011年发布的Digital Universe Study,全球信息总量每过两年,就会增长一倍。仅在2011年,全球被创建和被复制的数据总量为1.8ZB(1.8万亿GB)。相较2010年同期上涨超过1ZB,到2020年这一数值将增长到35ZB。这就是大数据的创建和产生。
“我们看现在的Facebook,全球用户数量正在逼近10亿,中国的新浪微博注册用户数量也已经破3亿,腾讯的即时通讯工具活跃用户达到7.1亿,仅次于中国和印度的人口数字。仅社交网络这一项所产生的数据就已经非常惊人。”
数据高效处理需求驱使数据中心变革
数据流量每上升一个数量级,要求IT具备相应的高效率处理能力,从而引发IT的革命。从PC机出现、互联网普及到今天的云计算,都是为提升IT效率而出现的技术和解决方案。
IDC预测2020年,全球所有IT部门拥有服务器的总量将会比现在多出十倍(包括虚拟机和物理机),所管理的数据增长50倍,而IT管理人员的总数增长幅度仅仅只会向上浮动1.5倍。大数据高效存储、有效提取的需求正在敦促传统数据中心向满足云计算应用条件的数据中心转型。
“虚拟化技术提升了传统物理机的使用效率,通过云计算形成资源池,数据散列分布于资源池的不同物理机上。大数据挖掘工具在其中起到指针的作用,根据对信息内容的需求指向信息存储的空间,形成数据仓库。这一系列改变的发生都将在云计算数据中心发生。”
绿色节能成为必备条件
“从设备上说,服务器、机房、带宽、电力、制冷等硬件设施相比于传统数据中心并不会发生本质性的变化,但是会以绿色节能为宗旨去发展。数据中心耗电未来会是个很大的议题。”
史丹佛大学土木与环境工程系的教授ohnathanG.Koomey针对数据中心对全球耗电量印象的报告称,全球的数据中心在2010年共消耗1,988亿千瓦时的电力,约是全年总发电量的1.1至1.5%,而这个比例不可小视。电力已经成为数据中心份额最大的支出项,Google、微软等数据中心大户开始尝试将数据中心建设在严寒地带以减少电力消耗。
“IT的价值在于节约数据处理的成本,云计算则帮助企业降低IT成本。”李志霄博士指出云计算数据中心通过大规模数据中心集成的方式,降低数据处理的平均费用。大型云计算数据中心将更多考虑所在的地域环境,充分利用自然条件降低能耗,如当地低温气候,风能、潮汐、太阳能等清洁能源。
数据中心运营服务外包
李志霄博士认为云计算数据中心最本质的改变在于软件和服务。软件包括实现存储、计算能力调用、计费、安全等的虚拟化、分布式等技术,以微软、亚马逊为前例;服务的改变意味着传统物理机房的运维DNA将作为优质服务的前提条件,而非全部内容。运维工程师由维护物理机房转变到软件平台、网络平台的维护,比如Debug。
随着云数据中心规模化发展,运维服务从硬件维护走向软硬兼具,运维服务的难度与规模相应扩大。“运维服务走向专业化、外包化将成为行业趋势,在这一领域机遇与挑战并存。具备运维DNA数据中心企业将有机会成长为专业的云数据中心运维服务提供商。世纪互联作为一家拥有十几年运维DNA的数据中心服务提供商,未来对云的探索值得期待。”
云数据中心需要顶层设计
中国目前拥有58.8万个数据中心,高工产业研究院数据显示2011年新建数量达6800个,其中不包括各地正在规划的云计算数据中心。大数据背景下,如何看待中国云计算数据中心的快速增长,李志霄博士提出了自己的理解。
“由于意识到虚拟化技术,多租户技术的浪潮来临,美国2011年将政府IDC由2000个减到1200个,注意,是减,不是增。但这个前提是云计算应用已经相当普遍。在中国,云数据中心正处于建设期,正是政府参与进行顶层设计,整体规划的最佳时机。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23