
分析数据中心未来的发展趋势
随着数据中心的发展,数据中心已经不单单是一个简单的服务器统一托管、维护的场所,已经衍变称一个集大数据量运算,存储为一体的高性能电脑的集中地,于是,各IT厂商变将之前以单台为单位的服务器通过各种方式变成多台为群体的模式,在此基础上开展诸如虚拟化、云计算、云存储等一系列的功能,以提高单位数量内服务器的使用效率。
Dell新近组建了一个专门的业务部门——数据中心解决方案部门,负责全球数据中心业务的拓展与开拓。SUN公司在去年就宣布了Blackbox的计划,将网路设施、服务器计算、存储备份以及UPS供电等涉及数据中心机房建设的有关内容全部集成到一个类似集装箱的黑盒子内,提供给用户一个完整的数据中心的解决方案。对于用户而言,构建数据中心不必考虑从"砖头和水泥"做起,全部的工作只是一个个模组的连接,具有很大的灵活性以及移动的便利性。IBM、惠普则宣布了相应的新一代数据中心的解决方案,他们称之为"绿色数据中心"或者是"下一代数据中心",并组建了专门的部门提供专业化的服务。与此同时,联想、浪潮和宝德也推出了相应的解决方案,如联想的"数值实验室",浪潮和宝德则针对数据中心分别发布了新一代刀片服务器NX4120以及高密度服务器和存储服务器。
在各厂商推出各种各样解决方案的同时,服务器多核、刀片、虚拟化、超密度服务器、高性能计算、开源、光纤通道、InfiniBand等重点新技术成为了市场热点。但是,总的来说,未来数据中心发展方向还是以绿色、大规模虚拟化以及云计算等为主。
绿色为数据中心发展永恒的主题
数据中心是能耗大户,这已经得到了业界一直的认可。有数据显示,随着数据中心的迅速发展,如果不加以控制,未来数据中心能耗将直线上升,2~3年的能耗将超过数据中心自身建设成本,因此,减少数据中心能耗不单单为企业降低运营成本,更是企业社会责任心的一种体现。
美国《CIO》杂志在之前针对280位IT经理人做了调查,针对教育领域/非营业组织(12%)、制造服务业(10%)、金融/银行/会计业(9%)、政府组织(7%)、医疗照护/医药服务/制药/生技业(6%),以及批发商/零售/物流业(6%),关于"绿色IT"的调查中,过半IT经理人(55%)表示,他们所处的企业至少都拥有一个包括诉诸环境延续,与绿化IT相关的企业社会责任方案,而1/4的企业正开始着手面对这个议题。但仅仅只有54%的企业响应,他们的企业时常参与供货商的产品回收程式方案,或者以环境安全为前提处置IT设备,21%偶尔才会做如此的动作,而20%的企业很少或从未这样做。除此之外,1/3的人是根本没有想到其所采购或建置的产品,是否是节省能源或者符合环境延续流程的。
大多数的企业仍然没有一套可计算出该公司对于环境造成冲击程度的方法。61%的人表示,他们的企业没有二氧化碳排放量(CarbonFootprint)的统计数据,仅只有16%的企业才正准备进行。近乎1/4的企业没有计算IT设备造成的二氧化碳排放量,仅11%有把此部份计算进去。24%的IT经理人表示,他们的企业监管IT相关能源支出,但近一半(46%)的企业则说他们没有IT绿化环境永续的目标。20%的IT经理人表示在迈向IT部门"绿化"的路上,他们已经研拟好应对方针。
在这次调查中,社会责任(38%)以及降低营运成本(37%)是IT经理人推动绿化IT运作的两大主要动机。比较积极的企业已经着手进行,或者计划构建使他们IT运作于对环境能更为友善的基础建设,比如降低服务器能源消耗(64%)、教育使用者在夜晚关掉机器设备(57%)、把电脑调置为未使用则进入睡眠模式的状态(49%),以及更新或者重新校正可以提升效能的数据中心冷却系统(44%)。63%的人表示他们的公司需遵照美国电子回收规定,而其中有92%的IT经理人表示已经遵守所需规定法规。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29