
2016年数据中心的八大新兴发展趋势
数据中心设施正在发生巨大的变化,一系列包括诸如开放式标准和DCIM在内的趋势和新兴技术的蓬勃发展,推动数据中心突破了密度和功率的限制。
在未来五年内,大多数数据中心将能够减少至少30%的物理空间,而这也是直到2020年,新兴的数据中心发展趋势的其中之一。
密度的增加、虚拟化的部署、迁移到托管设施和云计算等一系列新兴的趋势都在影响着当前数据中心内部的所有操作运营,根据总部位于康涅狄格州斯坦福市的Gartner公司的研究总监Henrique Cecci介绍说。
数据中心管理者们必须走出他们的舒适区,并考虑更高的密度及其对于电力消费、冷却资源和数据中心物理空间的影响,以及始终应该牢记于心的对于数据中心运营安全的影响。
数据中心管理者们应该制定出更好的基础设施计划,了解物联网(IoT)所将带来的潜在影响,并为物联网的广泛采用做好充分的准备。
即使伴随着所有这些变化,“数据中心的相关基础设施仍将继续存在许多许多年。”Cecci较早前曾在拉斯维加斯召开的Gartner公司数据中心、基础设施和运营管理大会上表示说。基于这样的理念和想法,他总结了或将影响数据中心基础设施的八大新趋势。
1、下一代的数据中心设计
今天的数据中心比以往任何时候都更多的使用每机架千瓦(kW)或每平方英尺千瓦的概念。例如,几年前,数据中心往往被设计为每台机架4至5千瓦,而到了现在,通常则可以达到高达每台机架8至12千瓦,甚至更高。
“我们在每平方英尺的物理空间拥有更高的计算能力了。”Cecci说。
诸如超融合基础设施、微服务和容器等新兴技术使得每台机架需要消耗更多的能量,而反过来,需要新的配置和设计。
自2011年以来,新的温度和湿度指导已经开始帮助人们“重新考虑数据中心的设计”,因此其可以被设计成拥有不同的限制,他说。这导致了越来越多的数据中心的设计采用了模块化的方法,防止过大。
“我们打造了多区域的数据中心。”他说,使得在一家企业的数据中心内的可以满足各种不同的需求层次。
而这是对于杰夫·迪特默的工作影响最大的趋势。作为一家总部位于美国的医疗保健IT供应商的IT主管,他所在的企业拥有12处数据中心,都有着越来越高的密度,故而数据中心的每台机架都需要额外的电力资源。
“既然我们现在正在更多的朝着大数据和数据分析,以及一些新兴的技术,如融合基础设施和集成系统的方向迈进,我们正开始耗尽我们的电力资源了,而这并不是一件容易解决的事情。”他说。
这是到目前为止,他所面临的最大的挑战。现在,在他们企业数据中心的一些机架都远远高于每台机架17千瓦的平均水平,他说。
“我们正在尝试使得我们的服务器资源充分的物尽其用。”迪特默说。
其数据中心的基础设施团队则抱怨他的团队是“耗尽了电力资源”,而其他团队也有人则表示说,他们正在做着一项非常了不起的工作。
Gartner的Cecci说,更好的规划可以有助于避免受到电力资源的制约。建设一处新的数据中心需要接近一年的时间,有时,为数据中心未来的电力需求制定规划是一大挑战。
2、安全挑战
物联网、云计算、软件定义的基础设施都越来越增加了人们对于安全性的关注,Cecci说。
相关的行业和政府机构都在提高法规和加强越来越严格的审查,特别是对银行业和金融业务。
“我们不能只是保护边界;因为往往还有各种新类型的安全威胁。”他说。
安全保护必须被集成整合到整个数据中心的运营处理流程中,随着诸如DevSecOps代替了DevOps这样的术语,使安全性成为了企业数据中心运营的整个过程的一部分,Cecci说。
3、物联网
来自物联网的外部的影响正在创建新的数据中心的需求。据Gartner预测,到2020年,在全球范围内将会有250亿台设备连接到互联网,必将为数据中心的存储和通信创建更多的外部需求。
其不仅仅只是带来外部需求,Cecci说,鉴于诸如数据中心的资产管理等开始使用传感器来监测数据中心的操作运营环境温度和物理安全,物联网同时也将越来越多地成为数据中心操作运营的一部分。
“这在数据中心是一个不断增长的趋势,我们将越来越多的看到这一趋势的普及。” Cecci说。
4、开放式标准
开放计算项目(OCP)最初是由Facebook开发的,并被部署在了其超大规模的数据中心,以降低运营成本。这些创新技术将越来越多的在数据中心占有其一席之地, Cecci说。
Cecci说:“我们在数据中心是非常保守的;我们倾向于使用同样的事物。”并指出,开放计算项目现在已经开始在影响标准了。现如今,企业组织的数据中心不断增加对于开放计算项目的采用,以便能够进一步的降低运营成本,他说。
“我们在这一领域看到更多的举措。”他说,并指出:在几年前,原始设计制造商服务器市场的市场份额仅为0%,而现在已经达到6%至7%了。
对于网络和存储的开放标准也将改变IT专业人员思考未来的数据中心设施的方式,Cecci说,即使最终会不仅仅只有一款单一的开放标准。
5、高级度量指标
绝大多数数据中心都只专注于简单的指标,如电力使用效率(PUE),但其实,仅仅是PUE是远远不够的。
“您的企业组织需要更全面的指标来提高数据中心的运营效率。”Cecci说。
“您需要更全面的指标来提高数据中心的效率,”Cecci说。
Cecci所沟通过的大多数数据中心经理都不知道他们所在的数据中心在过去一个月的千瓦时消耗情况。这可能是因为这些信息都是由数据中心的基础设备部门所掌握的,或数据中心与企业组织的办公区共享能量测量。
数据中心的IT专业人员所需要测量的不仅仅是电力资源的消费情况,而且还应该包括测量数据中心的用水量;以及测量有多少热量正在从热通道传输到办公区域。
“我们需要开始使用更好的测量指标,而不仅仅只是PUE。”Cecci说。 “营销人员往往更喜欢谈论PUE;但往往有很多有着漂亮的PUE数值的大型数据中心,其实并没有什么实质性的贡献。
6、可再生能源
环境保护问题将继续成为数据中心的重要关注问题,而且绿色和平环保组织往往在他们的报告中突出强调数据中心必须实施环保节能措施。大多数超大规模的数据中心都做出过遵守绿色环保节能倡议方面的承诺,而企业组织的数据中心在可再生能源的采用方面也越来越多地进行投资,以满足合规性的要求,或扭转公众对于该公司不“绿色环保”的看法。
“所有的大型数据中心运营商都积极的投入大量资金用于发展可再生能源。”Cecci说。
7、液体冷却
关于数据中心采用液体冷却的方法已经被讨论了很多年了,其始于很多年前的大型主机冷却。现在,新的技术可以把250 kW放入一个单一的机架,采用液浸冷却让某些系统发挥重要的作用,如高性能计算,Cecci说。
液体冷却的优点包括能够在特定领域部署——按照每个机架排,并且该方法非常安静、可靠,需要移动的部件少。尽管其具备如此多的好处,但液体冷却在今天的许多数据中心并未得到大规模的广泛普及,他说。
“我们有望将在未来两到三年看到大多数这些技术的广泛采用。”Cecci说。
8、DCIM和自治系统
与短短几年前相比,今天的数据中心基础设施管理(DCIM)软件是有着很大的不同的,Cecci说,因为其包括了与数据中心的各个区域更好的整合,以及预测分析功能。
“最终,其将DCIM加智能化。”他说,并指出DCIM的功能将继续存在,但不同的DCIM产品将具备全新水平的智能化和复杂的自动化。
最后,这可能会导致数据中心内部操作运营所需要的IT专业人员的减少。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29