京公网安备 11010802034615号
经营许可证编号:京B2-20210330
未来数据中心将受大数据和物联网所影响
如今,大数据正在不断拓展和扩大。据科学日报2013年的报道,全世界范围内所有数据的90%都是在过去两年中产生的。凡尔纳环球公司技术服务总监豪尔赫•巴尔塞尔斯指出,全球各地有25亿个互联网用户,在美国就有大约2.5亿个用户,特别是在过去的十年,用户的数量和水平呈现爆炸式增长。
从我们的Fitbits到手机摄像头,所有连接到互联网的各种类型的设备数量庞大,这些设备所产生的数据和未来的潜力导致计算和存储的需求呈指数增加。
大数据和物联网将如何影响数据中心?这是巴尔塞尔斯在将要召开的数据中心全球会议和博览会上演讲的主题。本次会议将包括许多专题会议,将会涉及数据中心的管理者和经营者面对的问题,以及数据中心的新技术。
大量的计算和存储需求产生更多的电力需求
巴尔塞尔斯说,他说其演讲主题重点是围绕数据中心的管理者和经营者所问的问题。比如“我们现在的电力基础设施能否处理所有产生的数据呢?我们能提供足够的电力吗?”。这还将引出了下一个问题:“你知道你的数据中心现在获得的电力,那么在5年或10年或15年以后呢,那时该如何应对?“
为了支持计算和存储今天的需求,“我们的数据中心需要质量可靠、高效节能的,采用可再生能源的充足电力。”他说。
不断增长的数据需求导致更大的电力需求和成本。凡尔纳全球公司位于冰岛凯夫拉维克的数据中心,已经建立了围绕可再生能源接入,可靠和具有成本效益的电源策略。探讨电力因素对数据中心影响,巴尔塞尔斯对此具有独特的视角。
电力的底线
巴尔塞尔斯表示,从财务的角度来看电力是很重要的。当数据中心管理者展望未来计划的成本,在如何计算电力定价时,却不知道未来会发生什么。
电力成本在今天的数据中心设施的位置产生巨大的影响。当客户着眼于市场的发展趋势时,其共同点就是“电力的价格”。巴尔塞尔斯说。
需求改变位置
“你看目前人们不在大都市地区建设新的数据中心。在过去的十年中,数据中心都尽量远离人口中心,向偏远地区地区发展。比如美国西北太平洋地区的华盛顿州、俄勒冈、甚至美国犹他州,”他说。“而全球数据中心位于北欧地区,包括冰岛。”
他举例说,Facebook在瑞典建设和数据中心,其电网是超级可靠的。而谷歌公司在芬兰建设的数据中心,从2015年开始,其电力来自可再生能源。(根据此前DCK的报道:谷歌公司在芬兰的哈米纳数据中心将在2015年主要采用风能发风,谷歌公司与一个陆上风电场供电公司签署了补充协议,因此该数据中心将采用100%的可再生能源发电。)
这种供电可靠性在美国当前却不可用。“例如,海湾地区的电力并不是持续的。其可靠性不高。”巴尔塞尔斯说。
北方气候的另一个好处是较低的散热需求。“在数据中心的总体成本中,冷却成本占到发电成本的30%到40%。”他说,“数据中心正在寻找那些终年有凉爽的气候的地点。”这减少了降低服务器的进气温度所需要产生的冷空气(无论是通过传统的冷却方式,或通过蒸发冷却)。
实用的可靠性
我们日前依赖的全天候的电力基础设施并不是都那么可靠。巴尔塞尔斯说人们往往很快忘记供电可靠性的问题。他引用了桑迪飓风和2003年美国东北电网导致大面积停电的事例。
“2003年的事故导致5000万人受灾。我们这么快就忘记了,”他说。“电力的可靠性是一个让人关注的问题,不只是在美国,在全世界也是如此。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25