
作者 | Harris
来源 | 网络大数据
数据已成为所有企业最重要的知识产权,并且其内在价值只会在未来几年内增长。
现在,它对运营、流程、输出和供应都非常重要,因此,如何存储、共享和处理信息的选择将决定企业运营的成功与长久运营。
行业专家密切关注数据困境的各个方面,更深入地探讨特定的问题和主题。但是,企业需要为数据中心的变化以及它们为什么需要变化的场景做准备,并对未来一年做出一些预测。
数据不再简单地存放在传统的现场服务器上,甚至不再是来自基于云计算的第三方的服务器上。越来越多地利用混合云/多云选项来利用数据需求的迅速增长。
当合作伙伴可以在全球范围内安全私下分析和共享信息时,将带来许多好处。但是,随着企业发挥这一潜力的潜能,许多企业现在正在更加谨慎和战略性地考虑如何存储数据、存储数据的位置以及对财务、安全性和环境的影响。
这些重要的对话将推动行业核心对未来数据中心的定义,这些是人们需要考虑和关注的关键领域。
1. 成长性
根据全球互连指数第3卷,预计通过数据中心进行私人交换数据的能力的全球增长速度预计为51%。这意味着人们迫不及待地想建立能够满足当前需求的数据中心。而将会预见一个日益连通的世界,并为未来几年人们期望的需求建模。那些对未来有短期看法的人会为此后悔。
2. 可持续发展
专家预计,到2020年,数据中心运营商将开始根据积极的外部性来规划其可持续性投资。而不是专注于消除负面影响。在全球范围内,企业正在更加认真地考虑其碳足迹,这已扩展到其数据中心的功耗。
对于数据中心运营商来说,这是一个至关重要的领域,它需要不断创新以减少能耗,并使用可再生能源来满足对功率密集型新技术的需求。
在Equinix公司委托的2,450多名IT决策者进行的独立全球调查中,有45%的受访者表示他们的客户希望他们证明IT基础设施的可持续性。39%的人还说,IT基础设施的碳影响是其IT战略的核心。
3. 测量
如果没有详细了解数据中心的实时性能,则很难计划最佳效率。以分析平台为后盾,使企业能够根据观察到的结果采取行动。能源使用效率(PUE)是一项重要的行业指标,但到2020年,运营商将开始着眼于能源使用效率(PUE)之外的问题。随着数据中心及其支持的社区之间的联系越来越紧密,其解决方案将不断创新。
机器学习将使人们的基础设施能够进行实时调整,而根本不需要人工交互,但在解释结果时,它能否取代人类吗?
4. 责任
数据中心行业中的所有工作人员都必须为自己的未来承担集体责任,并通过创新合作解决一些紧迫的挑战。设计必要的解决办法不能单独进行;必须分享经验教训,以取得可持续的进展。未来数据中心的效率将完全取决于优化大楼内的设备,使其能够最大程度地满足数字需求。
5. 机器学习
最大的挑战之一是如何捕获数据中心实际创建的所有数据。这是一个复杂的过程。使用人工智能(AI)可以使人们快速找到模式并优化数据中心,从而使经验丰富的工程团队能够迅速实施新策略来优化设施。
正在开发工具,使客户能够实时在线访问与其占用的机架空间有关的环境和操作信息(Equinix公司的IBXSmartView监视电气和机械基础设施,以不断更新关于最有效和可靠操作的见解)。预计到2020年,越来越多的最终用户将使用此类信息来自动化与设施运营商的更多互动。为两者创造新的效率。
6. 技术与基础设施
无论是燃料电池、冷却系统还是大型储能/电池组,正在开发大量技术来为永远在线的数据中心重新定义的未来提供动力。一些预测表明,到2025年,数据中心将使用全球4.5%的能源,而不断增长的能源成本意味着,即使效率略有提高,也可以节省大量成本,并减少数百万吨的碳排放量。
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