多租户数据中心供应商的整合影响电力和冷却市场的收入

简介:

如今,行业人士都在谈论数据中心市场的蓬勃发展:多租户数据中心(MTDC)市场去年增长了10%,服务器的市场销售增长速度与之类似,云计算服务继续以每年超过30%的速度增长。然而,对于数据中心基础设施市场有着10年以上的调查和研究的市场调研机构HIS认为,数据中心的几个关键领域的业务收入在持续下降。而2015年的市场数据还未最终确定,但UPS电源的销量似乎下降了5%到10%,机架PDU下降了约1%,而IT机架和机柜的市场销售额仍然保持平稳。

那么,为什么会有这种差异呢?人们相信,多租户数据中心的采购动态可能有助于解释为什么数据和IT需求之间的增长并没有转化为UPS、冷却、机架等基础设施产品的增长。IHS的分析师团队先前已解释了驱动这种分歧的一些其他因素,例如,虚拟化,减少冗余,以及摩尔定律,但人们着眼于“MTDC效应”,而市场上主要设施的合并可能意味着未来市场的增长。

多租户数据中心服务提供商为其他企业提供数据中心空间、电源、安全性,以及网络连接等服务,而用户又将购买自己的服务器,并部署在多租户数据中心。这些多租户数据中心服务提供商拥有巨大的购买力,在与各大数据中心基础设施供应商进行谈判时,多租户数据中心服务提供商可以利用巨大的规模经济的优势获得更多的利益(对于多兆瓦UPS供电系统的价格可能为小于1兆瓦的用户购买的价格更为低廉)。由于每个数据中心的规模和各个基础设施供应商所运营的数据中心的数量不同,数据中心基础设施设备供应商往往在竞购战中努力确保他们的数据中心租用出去,希望不要错过当年最大的项目。另一方面,每个客户租用多租户数据中心服务器的价格并没有受到“多端效应”的影响。

从基础设施供应商的角度来看,更糟糕的是这些庞大的数据中心公司正变得越来越大。近年来,企业并购已经成为常态,而在过去的六个月中,就有了两个大规模的收购交易,并将对多租户数据中心市场的发展产生重大的影响:DigitalRealty公司收购Telx公司,以及Equinix公司收购Telecity公司。Equinix公司的兼并意味着这两家公司目前已经占据EMEA(欧洲、中东和非洲)地区市场规模的三分之一。随着整合的继续,这很可能对多租户数据中心的定价带来压力。

  2015年第四季度EMEA地区的多租户数据中心的市场规模

据调查机构IHS估计,多租户数据中心的市场规模为所有数据中心IT规模的20%,这意味着多租户数据中心市场中的动态变化可能对整体数据中心行业产生深远的影响。这样一来,业界所有的目光将继续聚焦在企业并购这一重要市场的活动上。



本文转自d1net(转载)

相关文章
|
5月前
|
机器学习/深度学习 存储 数据采集
利用机器学习优化数据中心冷却系统
【4月更文挑战第26天】 在数据中心管理和运营中,冷却系统的能效是关键成本因素之一。随着能源价格的上涨和对环境可持续性的关注增加,开发智能、高效的冷却策略显得尤为重要。本文将探讨如何应用机器学习(ML)技术来优化数据中心的冷却系统。通过收集和分析温度、湿度、服务器负载等多维数据,我们构建了预测模型来动态调整冷却需求,实现节能并保持最佳的操作条件。实验结果表明,使用ML优化后的冷却系统能够在不牺牲性能的前提下显著降低能耗。
|
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。
|
5月前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
106 5
|
5月前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
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
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
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 监控 算法
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】在数据中心的运营成本中,冷却系统占据了相当一部分。为了提高能效和降低成本,本文提出了一种基于机器学习的方法来优化数据中心的冷却系统。通过对大量历史数据的分析和挖掘,我们设计了一个预测模型,用于实时监控和调整数据中心的温度。实验结果表明,该方法可以有效降低能耗,提高数据中心的运行效率。
|
5月前
|
存储 大数据 数据中心
探索现代数据中心的冷却革新
【5月更文挑战第29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,其稳定性与效率至关重要。随着处理能力的提升,散热问题日益凸显,成为限制数据中心性能的关键因素之一。本文将深入探讨现代数据中心面临的热管理挑战,并分享一系列前沿的冷却技术与实践,旨在为构建更为高效、环保的计算环境提供参考。
|
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。