
四个方向,云计算时代数据中心这样布局
在2014年11月,国务院常务会议上确定促进云计算创新发展措施,培育壮大新业态和新产业,确定要积极支持云计算与物联网、移动互联网等融合发展,催生基于云计算的在线研发设计、教育医疗、智能制造等新业态。大力促进云计算也是基于解决投资分散、重复建设、产能过剩、资源整合不均和建设缺乏协同等诸多问题的方案。从应用模式来看,混合云将是未来云计算发展的趋势,这决定了云计算的底层基础设施数据中心在全国范围内将按照“几 N”形式布局,并且要求其“灵活可扩展”。
“混合云”是未来云计算产业的主要应用模式
在2013年的斯诺登事件曝光加剧了用户对于云安全的担忧,虽然公有云服务提供商依然会通过各种措施完善公有云的安全,并会继续加强用户隔离、数据备份方面的投入,但用户出于对数据隐私性和可用性的考虑,必然会将核心数据及应用掌握在企业自己手中,通过企业私有云来支撑。“混合云”将是未来云计算发展主要应用模式,从中国市场需求来看,尤其是对国内的大型企业来说,混合云是最务实的方案,既充分利用原有设备的投资,又可以解决现有系统无法支撑突发业务流量和数据隐私方面的问题。从厂商动作来看,各个IT巨头迈向云计算的方向无一例外的是“混合云”模式,IBM、HP、华为、微软、EMC等纷纷推出混合云策略及解决方案。
数据中心将按照“几 N”形式布局
与云计算应用的模式相对应,云应用中的“公有云”部分将主要由几个大型甚至超大型数据中心承担,由云服务商提供运营服务,而体现企业核心竞争力的数据及业务将在企业“私有云”之上运行,由企业自己运营。数据中心布局最终将呈现“几 N”的形式。目前,中国云计算数据中心的布局还存在着市场的非理性特征。主要原因是目前尚处于国家引导发展的初期,尤其是处于政府政策性扶持阶段,受优惠政策的支撑,云计算数据中心密集地集中在需求大、应用多的环渤海、长三角、珠三角三大经济区。市场主体并未过多地顾及能源支撑的可持续性,政策性支持弱化了市场要素的作用。“几个”大型云计算数据中心未来布局将会在土地、能源、成本等的约束下,向资源富集,空气、水、环境等较好,低温冷能丰富的高纬度地区集聚转移。“N个”企业私有数据中心将在企业附近就近布局。
高密度模块化数据中心是重要趋势
“混合云”中的公有云部分的业务是需要大型化数据中心承担,数据中心的大型化已成必然趋势,同时在运营和管理方面对运营商提出了更高的要求,在这种背景下,数据中心进入了一个模块化、智能化的时代。从数据中心具体建设步骤来看,在数据中心规划初期是无法有效预计未来的服务量级的,如果不顾业务量大小,盲目建设大规模数据中心会为数据中心建设企业带来较大的前期成本压力和资源浪费,而后期的扩建扩容存在着周期长、管理复杂等诸多限制。现在模块化数据中心能够较好解决这一问题,其特点是数据中心建设工程产品化,能够通过工厂制造实现现场短周期、快速部署,满足数据中心“灵活可扩展”需求。另一方面数据中心发展到现在节能、环保已经是其技术革命的重点环节,而高功率密度设备的大量应用使得数据中心的制冷问题越来越突出,数据中心建设需全生命周期地综合考虑如何去提高可靠性和降低能耗。
数据中心产品不断向融合方向发展
与数据中心模块化的趋势相适应,数据中心的产品也在不断向融合化的方向发展,包括数据中心设备中的服务器、机房空调和UPS等环境设备、机房布线等。越来越多的厂商提供数据中心建设的综合解决方案,甚至于有的厂商尝试推出集成UPS的服务器设备。因此单一的产品提供商已经无法在这一轮市场竞争中立足,市场将更加青睐集成能力更强的厂商。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29