CIO评审团:100%的技术领袖将继续运行本地数据中心

简介:

TechRepublic最近的调研显示尽管云业务的迅猛成长,但所有受访技术决策者依然在运行本地数据中心。

来自ZDNet的Charles McLellan报道说,许多企业正在移向在混合云架构运行的原生云(cloud-native)应用,传统本地数据中心保持其基准。而TechRepublic的论坛上各位专家也纷纷表示赞同:当问及“你们公司是否仍然运行自己的数据中心?”所有的十二位CIO评审团成员均回答“是的”。

“我们仍旧运行自己的数据中心,但是我们已经通过可视化和其他基础架构的整合大幅度减少了运行区域,降低很多能耗并降热。”美国劳工保险委员会(the National Council on Compensation Insurance)的CIO及首席数据官Michael Spears表示道。“我们正在转向私有云/混合云模式,但还并不期望其很快就可以取代整个数据中心的运维。”

根据Uptime Institute 的最新报告,2017年,在去本地化、云部署方面的IT基础设施花费将呈两位数增长的趋势。该报告显示,绝大部分最终用户(60%)依然将花费在本地IT基础设施上,包括本地私有云和本地传统IT。Tech Pro Research最近的调研报告称,只有十二分之一的公司将其所有的应用移至云中。

“和公有云相比,我们有两种设施,但是因为我们有足够大的规模,所以可以有效控制成本,”Technology Pointe的CIO Dustin Bolander这样说道:“我们在Azure上也做了大量的工作。”

联合银行(United Bank)产品管理部IT负责人Muhammad Azfar Latif认为,对金融机构来说,保护客户数据是重中之重。“监管方在数据治理方面的监管政策上对如何利用云服务仍然不够清晰。无论如何,今年我们正在分析是否移出一些非客户关联服务例如IT服务桌面、项目管理工具和BPM(业务流程管理)到云中。”

一些工作负载在自己的数据中心运行更佳。“如果企业已经投资建一个数据中心,无论是从成本还是从性能的方面来考量,每一项应用和工作负载都应该表现其最佳效益。云是一个很好的选择,但并非所有的东西都需要它。”

Payette 的IT总监Dan Gallivan并不是CIO评审团的成员,他的公司依然在运行自己的数据中心,其同时也在推动着云。“当Iaas和SaaS对业务更适合时,我们会用这两种模式,这样我们将不会仅仅依靠我们内部的数据中心。尽管也许我们不能做得比这些数据中心更好,但其并不值得我们背负持续增高的成本。我希望我们将使用混合云,来利用云数据中心来承载冗余和可能故障,考虑性能方面依然使用本地数据中心来承载。”Gallivan这样说道。

本文转自d1net(原创)

相关文章
|
7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。
|
4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。
|
7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。
|
7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。
|
7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。
|
7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。
|
7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。
|
6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
|
7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。
|
7月前
|
机器学习/深度学习 数据采集 资源调度
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。