
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15