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
在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10 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 ...
2026-06-10在MySQL数据库日常查询、数据统计、后台接口开发、数据导出等场景中,开发者经常需要查询数据表除某几列之外的所有字段。例如查 ...
2026-06-09在Python网络请求、爬虫开发、接口测试、数据抓取等实操场景中,requests库是最常用的第三方请求工具,而content属性是requests ...
2026-06-09