快速增长的网络犯罪将成为数据中心业务中断主因

简介:

如今,网络犯罪正迅速崛起,成为造成数据中心停机的主要原因之一。

根据研究机构PonemonInstitute最近的一项调查报告,数据中心业务中断的概率从2010年的2%上升至2013的18%。而网络犯罪所造成的数据中心停电占业务中断的22%。而该报告的作者在声明中说,网络犯罪是目前造成数据中心停电的主要因素之一,而其增长率最高。

这个两年一度的报告的主要重点是调查数据中心停机的运营成本,而成本正在快速上升。在接受调查的60多个数据中心的运营商中,每个企业计划外停机时间平均总成本中,2013年约为8000美元,2015年的平均总成本约为9000美元。

一个数据中心中断的平均成本从2013年的69万美元上升到2015年的74万美元。

在数据中心停电造成企业亏损的多种方式中,最昂贵的是业务中断。其他的损失包括员工的费用和IT业务生产,中断后检测和恢复的费用,中断后的设备应用和第三方服务的费用。

研究人员对各行业的数据中心运营商进行了调查,其中包括主机托管、通信、消费品、电子商务、教育、金融服务、医疗、工业、政府等行业领域。

由于各种因素的影响,停机时间的成本有很大的不同,这主要取决于数据中心的功能和业务的性质。这里要说明的是,在2015年调查的参与者的数据中心停机的最大成本大约为2.4万美元,超过平均值的三倍。根据该报告,而自从2010年以来,一次停电的最高成本上涨了80%左右。

金融服务行业公司在数据中心停电事故中损失最大,其顺序依次是通讯、医疗保健、电子商务和数据中心托管等行业。

停机时间成本也取决于中断时间(较长的停机时间则更加昂贵的)和数据中心的规模大小。规模较小的数据中心运营商每平方英尺的费用损失,一般要比大型数据中心运营商要更大一些。

虽然数据中心故障发生的频率随着网络犯罪的上升而增长。不过设备故障仍然是数据中心停机时间的主要原因,其中包括UPS系统和蓄电池。根据调查参与者的报告,这些类型的故障造成2015年的数据中心中断的百分比为25%,2010年为29%,2013年为24%。

数据中心停机第三个最常见的原因是人为错误,占去年同期的22%。第四个原因是机械系统故障,第五个原因是恶劣天气原因,第六个原因是电机故障,第七个原因是设备故障。

本文转自d1net(转载)

相关文章
|
27天前
|
算法 数据中心
数据结构之数据中心网络路由(BFS)
本文介绍了数据中心网络路由中使用广度优先搜索(BFS)算法的重要性及其应用。随着数据中心从集中式大型机系统发展到分布式架构,高效的数据路由成为确保低延迟、高吞吐量和网络可靠性的关键。BFS通过系统地探索网络层次,从源节点开始向外遍历,确保发现最短路径,特别适合于数据中心网络环境。文中还提供了BFS算法的具体实现代码,展示了如何在数据中心网络中应用该算法来查找节点间的最短路径,并讨论了BFS的优缺点。
40 0
数据结构之数据中心网络路由(BFS)
|
2月前
|
移动开发 网络协议 测试技术
Mininet多数据中心网络拓扑流量带宽实验
Mininet多数据中心网络拓扑流量带宽实验
72 0
|
4月前
|
边缘计算 负载均衡 5G
边缘计算问题之数据中心内部和外部网络如何解决
边缘计算问题之数据中心内部和外部网络如何解决
33 1
|
5月前
|
运维 负载均衡 监控
|
4月前
|
存储 人工智能 运维
深度解析 | 什么是超融合数据中心网络?
深度解析 | 什么是超融合数据中心网络?
5050 1
|
6月前
|
安全 测试技术 网络架构
澳大利亚电信由断电引发的大规模网络中断给CIO带来的惨痛教训
澳大利亚电信由断电引发的大规模网络中断给CIO带来的惨痛教训
|
5月前
|
测试技术 API Android开发
autox.js如何监听异常情况,比如网络中断、内存慢、应用死机或者页面无响应
autox.js如何监听异常情况,比如网络中断、内存慢、应用死机或者页面无响应
|
7月前
|
数据中心 网络架构 Python
【计算巢】数据中心的网络架构设计原则
【5月更文挑战第31天】探讨数据中心网络架构设计原则:稳定性是基础,需抵御各种挑战;强调扩展性,适应业务发展;追求高效,确保数据传输速度;注重灵活性,灵活应对变化。简单Python代码示例展示网络节点连接。设计时需具备长远眼光,综合考虑技术方案,以构建坚固高效的信息桥梁。同学们,要持续学习和探索,为信息世界贡献力量!
101 2
|
7月前
|
机器学习/深度学习 安全 网络安全
利用机器学习优化数据中心能效的研究数字堡垒的构建者:网络安全与信息安全的深层探索
【5月更文挑战第29天】在云计算和大数据时代,数据中心的能效问题成为关键挑战之一。本文通过集成机器学习技术与现有数据中心管理策略,提出了一种新型的智能优化框架。该框架能够实时分析数据中心的能耗模式,并自动调整资源分配,以达到降低能耗的目的。研究结果表明,应用机器学习算法可以显著提升数据中心的能源使用效率,同时保持服务质量。