美国陆军加快实施数据中心关闭计划

简介:

对于美国军队来说,维持其庞大的数据中心数量并不是一件容易的事,但为此仍在努力。

美国政府在2010年推出了联邦数据中心整合计划,随后在2016年推出数据中心优化计划。

美国政府要求美军在2018年之前关闭其近1200个数据中心的60%,但似乎这个最后期限不可能达到这个目标。为了使这种要求顺利执行,美国陆军部长埃里克·范宁宣布了一项新计划,直接列出应关闭的数据中心名单。

  战争的废弃物

“由于在系统和应用程序虚拟化和合理化的进展一直很慢,我们在数据中心关闭和整合方面的努力已经实际上停滞不前。”范宁在一份文件中写道,“每个IT系统和应用程序都对那些希望影响随时响应的人员提出了潜在的攻击。我们不能再承担那些不受限制的IT费用的奢侈品,也不能承受由于针对陆军能力的网络威胁对美国军队和国家构成的风险。”

范宁说,在拨付给美国陆军IT服务所需的83亿美元资金中,大部分用于维护不必要和不安全的系统。

他补充说:“根据数据中心主机环境的可用性,最终状态包括所有业务系统和应用程序在2018年9月30日之前被批准,规划,资源化,并迁移到托管环境。”

他继续说:“减少数据中心库存将使陆军关闭在美国本土的4个数据中心,以及在海外的6个数据中心。这有助于在2025年的时间内实施陆军私有云-企业(APC-E)计划,这与陆军的云计算战略相一致,此战略将会采用被批准的DoD,联邦和商业云服务提供商提供的服务。”

尽管面临目前的整合问题,美国陆军正在进行云试验,并为未来制定了大量的数字计划。

范宁还设定了美国陆军采用Microsoft Windows10安全主机的最后期限,原本是去年实施,但现在必须在今年1月底实施。

大多数美国联邦机构的数据中心面临类似的现代化和整合问题,但美国国防部发现这项工作特别具有挑战性。为了加快这一举措的进度,去年美国五角大楼宣布计划建立一个特别的数据中心关闭团队。

范宁在文件中列出了很多即将关闭的数据中心设施,以及希望实施的时间表。但是范宁的任期即将结束,而他的职位将被特朗普政府所任命的人所取代。

本文转自d1net(转载)

相关文章
|
存储 安全 JavaScript
GitLab 对免费用户实施存储限制;谷歌数据中心发生爆炸;新版 Vue 3 中文文档上线 | 思否周刊
GitLab 对免费用户实施存储限制;谷歌数据中心发生爆炸;新版 Vue 3 中文文档上线 | 思否周刊
231 0
|
5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。
|
2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。
|
5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。
|
5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。
|
5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。
|
5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。