数据中心将迎来的变化和趋势

的数据中心设计可以开始优化机器的基础结构，而不是人为交互。

例如，机器人数据中心技术现在出现在诸如TMGcore的Otto之类的液体冷却系统中，该技术允许高密度系统部署和机器人服务器热插拔功能，因此管理员无需在现场即可更换服务器。

2. 人工智能增强了其对IT运营的有用性

自动化将结合人工智能和机器学习的功能，以在2021年管理和维护数据中心。传统遥测技术(例如日志和警报)需要人工分析和干预-管理员收到警报，然后寻找工具和技术以进行管理。解决并解决警报。但是，这种传统的以人为本的方法已不再适合大型和复杂的数据中心。

现代传感器和系统产生的遥测量巨大，以至于无法与人工分析产生有意义的关联。人工智能和机器学习软件工具会提取并处理这种遥测，并且可以很容易地发现相关性和偏差，这些偏差和偏差指向操作瓶颈，甚至可以在潜在问题出现之前进行预测。

通过将机器学习的分析和预测功能与自动化的编排功能相结合，该工具集实际上可以驱动数据中心的操作以实现以下目标：扩展资源以维持性能，对潜在问题进行故障排除，并做出其他主动决策来优化和解决数据中心的故障。根据既定的业务政策和惯例。

Splunk等工具在IT运营，预测分析和机器学习中支持机器学习，以防止事件影响数据中心。更复杂的以云为中心的工具包括MetalSoft自动化和机器学习平台。

3. 数据控制备受关注

组织生成，存储和移动的数据比以往任何时候都要多。人工智能和机器学习等相关技术需要大量数据进行分析和关联，以开发业务和IT智能。但是，必须仔细管理不断增长的数据海洋，以限制容量，确保及时性，防止更改或删除以及最大程度地减少跨网络的移动。当专家预计到2022年70%的数据源将来自数据中心之外时，这是一个艰巨的挑战。

问题不在于数据量。诸如磁盘和固态存储之类的高密度存储技术可以提供大量可负担的存储。真正的问题在于数据管理，根据业务和法规要求的数据保护以及数据从源到应用程序的迁移，这些应用程序可以处理数据以为业务获得有意义的结果。

有两种主要方法可以解决数据管理问题。

第一，组织必须投资于更大，更快的网络连接，以便根据需要在主数据中心之间来回移动远程数据。

第二，IT团队应实施主动的数据精简工作流，并在边缘执行更多的数据分析和处理，并且仅将经过预处理或分析的数据集返回给主数据中心。

4. 主机托管和边缘升级，以扩展数据中心

2020年强调了远程管理的至关重要性。当结合对高级数据管理的需求时，组织应在2021年加速采用远程数据中心技术。这包括边缘，托管和云。

边缘计算将计算和存储资源放置在或尽可能接近数据收集点的位置。目的是缓解数据移动需求和网络上的相应压力，并消除长距离移动大量数据所涉及的延迟。通常，企业部署和维护任何边缘计算设置。

托管可以为企业提供数据中心设施，还可以为客户企业提供托管服务器，存储和网络设备。这样做的目的是减少新数据中心的构建和维护所涉及的巨额费用，而是从提供商那里租用数据中心空间。托管是创建灾难恢复安装的一种流行方法，但是组织也可以从战略上更广泛地使用它，以在全球更偏远的位置运行应用程序和数据。

（编辑：三明站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!