京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现代数据中心六大优化趋势
能源成本仍然是数据中心增长最快的费用,据说超过了计算设备本身的成本。电力使用效率(PUE)和碳使用效率(CUE)是国际公认的指标,与更多其他的定义指标一道,将成为行业标准。新的数据中心的建设和改造,必须同时应对业务和绿色环保的双重需求。
随着数据中心的成本不断飙升,数据中心管理的重点开始转向优化数据中心基础设施。在未来几年,如下的一些新的趋势必将影响未来数据中心的决策:
(一)数据中心的远程监控
关于企业数据中心是否采用外包的争论仍在继续。企业已决定继续在内部运行IT,并找到了成本有效的使用外部数据中心监控的供应商。在某些情况下,物理基础设施设备,外部监测和第一级的支持,需要安全访问权限。需要更多的基础设施防火墙和安全措施,这将增加数据中心的复杂性。另一方面,由于工作人员工资和工作空间是连续的支出。此外,一个团队规模的缩放在外部环境规模更容易。
(二)数据中心的选址
一家数据中心的选址问题是一个相当重要的决定。因为现在的技术进步已经使得大多数任务可以进行远程操作,现场只需要有少量的工作人员需要即可,这就为数据中心的选址提供了广泛的地域选择。对这一决定有着相当影响的一些因素是:
选址地区的气候特点
每千瓦小时的最低费用
对环境的最小危害
降低生产成本
选址地区较低的人口稠密度
低建设成本
低劳动力成本
“自然冷却”的可行性:使用室外空气用于冷却数据中心,从而需要减少机械制冷。
(三)绿色IT
能源消耗直接影响冷却费用,毕竟散热主要来自设备。战略业务计划将直接影响到安装在数据中心的IT设备的类型和数量。了解数据中心的设备的类型和工作效率的相关知识是非常重要的,因为这会影响数据中心电源和冷却战略,以及数据中心的物理设计战略。使IT更具效率和成本效益,继续成为业界关注的焦点,无论是对于制造商还是消费者。[page] (四)可扩展性和模块化
在过去几年中,只有硬件和软件的可扩展性和模块化架构,以满足日益增长的需求。鉴于对基础设施的成本和需求的压力,现在有必要对数据中心基础设施实施可扩展性和模块化设计方法。
这样的做法,例如,适用于UPS和配电系统,将使数据中心添加/禁用某一部分,不会影响另一家数据中心。灵活的设计使托管服务提供商可以根据客户的要求添加和删除数据中心的某些部分。为了迎合顾客的不同负载和任务的需求,也需要一个灵活的设计。
(五)灾难恢复优化和可用性
从历史上看,硬件的利用率很低,虚拟化还有很长的路要走。然而,人们关注的重点一直聚焦在如何提高生产数据中心的效率,却并未考虑灾难恢复(DR)/备份中心的问题。因为其一直处于“关闭”或“闲置”。现在,企业已经意识到开始对这些“闲置”的设备进行重要的投资。并采用创新的方法,将其用于灾难恢复(DR)的基础设施。使用灾难恢复中心作为测试、培训的趋势正在持续增长。设计需要考虑到切换的能力,以最安全,最快捷的手段来生产。
(六)数据中心基础设施管理
IT和数据中心设施管理的融合是一个现实。大多数基础设施设备是按照IP寻址,就像IT设备已经实施了多年一样。开发阶段的几家公司要将两种不同的环境融合在一起。按照情景规划的IT组件和物理基础设施元素的能力,将使设计师知道计划和变化的IT环境如何影响物理环境,反之亦然。例如,如果我们安装了特定类型的IT硬件,将对UPS和冷却系统的负载产生何种影响?避免成本不超过工程费用将实现这些产品顺利打入市场。
至关重要的是,这些因素必须在数据中心策略和设计的早期阶段充分考虑到,毕竟这些功能将对IT预算产生非常重要的影响,如果没有计划好,可能会对数据中心的计算能力和运营成本产生不利影响。
罗恩蒂尔森是Infosys信息技术有限公司可持续发展实践的首席顾问。拥有30多年的IT从业经验,其中26年是数据中心行业相关。对于本文亦有贡献,他曾在新的数据中心建设和现有网站的建设部署过程中担任过各项职责,致力于物理和IT基础设施的工作。
本文作者维伯哈夫巴蒂亚是Infosys信息技术有限公司和数据中心认证协会可持续发展实践的高级顾问。拥有9年的IT从业经验,成功管理着一家数据中心,并在多个数据中心的优化和绿色IT倡议组织工作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03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