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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12