万物互联时代的数据中心

简介:

智能汽车、智能家居、各种智能产品……嵌入式的智能设备已经逐渐改变了我们的生活方式,同时也重新定义着全球产业模式。如何联接和支持这些智能设备,是数据中心的 IT管理团队当今所面临的巨大挑战。

挑战一:不断进化的互联网

互联网旨在联接人类。互联网已经经历了数次变革来应对用户基数的大幅增长以及如今智能设备和 app灵活的、无处不在的访问需求。对,人们想7*24小时全天候的连接设备和数据。尼尔森的一份市场调查显示,现在成人智能手机用户每月花在 apps 上的时间较之两年前增长了 65%.

这一行为的变化将迅猛增长的互联网流量导向了数据中心。以Facebook为例,该公司2015年 8 月单日用户访问量就达到了十亿人次。

01

随着互联网每一天将越来越多的人联结在一起,,另一个重要的数据中心访问量来自于工业环境下所部署的无人智能设备。三分之二的全球经济体今天仰仗于网络设备的服务。Gartner咨询公司预计,至 2020 年将有 250 亿物联网设备投入使用, IDC 预测届时物联网的发展将会让智能设备的数量增长到 300亿台。

挑战二:打造数据中心

更多的设备意味着数据中心的更多访问量、更高的要求。IT 团队常常不断争取更高的效率,并且用更少的资源完成更多的工作。然而,随着物联网的快速发展,以往的方法已经远远不够。虚拟化和整合管理已经成为基本手段,而对服务器的需求也在不断提高。

其中最大的需求来自于规模的挑战。随着IT基础架构的发展,更多的设备被纳入服务范围,对服务器的需求量也就更多。仅就智能手机而言,每 600 台手机就需要一个新的服务器以提供服务。此外, IT 团队还要面对动态变化的环境。除了庞大的网络流量,各种形式的要求和服务也让工作量变得难以预测。

能耗以及如何保证本地供电质量和高可用性,已经成为大型数据中心选址面临的挑战之一。数据中心所耗能源占全世界能源供应的百分比显著,并且这一占比还在不断增长……所以,高速增长的能耗预算也成为了数据中心运营成本的最重要部分之一。

更智能化的数据中心

能耗一直是数据中心面临的主要挑战之一,但能耗管理不仅仅可以用来管理电力和制冷的成本,还能够做到更多。能耗是数据中心的脉搏,我们可以通过监控能耗变化来分析活动程度、工作负载变化、持续运营的潜在隐患,进而达到优化管理以及提高效率。

换言之,能耗管理正是将数据中心推向更快捷有效的 IT 管理的重点所在。

只需联接现代数据中心设备中已装载的温度和能耗感应器,IT 基础设施团队便可更有效工作。旨在搜集和集中处理实时数据分析的中间件解决方案使数据中心运营管理更加智能,决策信息更加充分,使一系列自动化功能成为可能。

02

  能耗管理中间件解决方案所带来的先进的高质量可见性和控制技术:

● 通过热能和能耗示意图追踪机房热点和未充分利用资源,进行实时监测

● 利用真实历史数据而不是理论值进行趋势分析

● 能源配置和能耗上限设置

● 动态管理策略实施(优先/自动化能源配置)

● 更高密度的数据中心(服务器数量减少;单机柜可放置的服务器数量更多;机房中可放置的机柜数量更多)

● 减少能耗(减少未充分利用资源;在不影响工作性能的前提下设置能耗上限以避免超出能耗预算)

● 安全可控地提高机房运营温度(减少制冷开销),引进先进制冷方法

● 用中间件(软件)设备代替昂贵的智能化PDU设备

一流的数据中心正在不断充实上述用途,与此同时能耗监控也成为许多从事物联网服务的 IT 团队的标准手段。

智能部署选择

能耗管理解决方案品类繁多,可能会与那些大型的、产品功能丰富的数据中心基础设施管理解决方案所混淆。数据中心基础设施管理 (DCIM) 仍在探索更成熟、有效、并实惠的解决方案,而其部署的复杂程度也让许多客户犹豫不决。系统整合往往耗时数月,需要将数据中心基础设施管理方案与客户现有的记录系统、信息服务管理平台或是配置管理数据库进行有效的结合。

然而,能耗管理中间件方案也可单独从数据中心基础设施管理平台剥离出使用。数据中心管理人员现在可选择更加易于部署的能源管理方案,开销减少明显,投资回报也马上立竿见影。

对于解决方案部署方式的选择反映出数据中心运营水准对于能耗管理日益增长的需求以及把温度及能耗监测和管理作为数据中心管理基础的依赖性不断提高。在物联网已是既定事实的今天,能耗管理卓有成效地连接了数据中心与其服务的用户和设备。

作者介绍:

杰夫.克劳斯先生是美国英特尔公司数据中心管理器(DCM)解决方案总经理。在英特尔公司,杰夫.克劳斯拥有13年以上的团队管理经验。他的团队正在开拓能耗与热量管理中间件产品。杰夫.克劳斯先生持有波士顿大学工商管理硕士MBA学位。



本文转自d1net(转载)

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
物联网 中间件 数据中心
|
6月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
3月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
6月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
6月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
|
6月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
6月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
6月前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
5月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
6月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。
下一篇
无影云桌面