终极挑战:自建数据中心还是租赁数据中心?

简介:

当人们关注着云计算、数字化应用和技术利用的发展趋势时,就会了解为什么会在数据中心市场具有大量需求的原因。仲量联行最近的报告显示,在未来一年中,预计用户对智能数据中心解决方案的需求将持续攀升,而数据中心运营商了解到用户需要比以往更快,更灵活的解决方案。

报告还显示,一些企业的数据正在从云端转向数据中心托管。一些主要的云计算供应商预计到2020年将需要加倍扩大基础设施的建设规模。

如今,组织比以往更加依赖技术来推动企业的发展和机遇。 IT部门必须部署能够支持诸如云计算、大数据、移动性、社交媒体等关键计划的现代基础设施。然而在很多情况下,IT领导者认识到现有的数据中心可能不适应目前IT领域的新时代需求。

对于许多组织来说,当涉及到数据中心的时候,都希望采取快速行动。但是,新建数据中心具有一些风险。IT团队在预算紧缩的情况下需要快速移动业务,而建设数据中心成本高昂又耗费时间。面对这些变化,组织也有机会建立一个新的基础,适当地扩大规模,以满足强劲的需求和当今严格的要求。

建立新的数据中心,扩展现有的数据中心,外包给托管服务提供商或使用组合方法是否有意义?

自建和租赁的情况。租赁数据中心提供了一个有吸引力的OPEX模式,这种模式可以帮助企业再业务上实现快速扩展和缩小的能力、访问供应商的空间和电力及获得全天候的安全和支持。然而,由于担心安全性和合规性,许多企业仍在部署内部数据中心。另外,建设自己的数据中心能够提供更多的控制。

在美国铁山公司(Iron Mountain)的白皮书中,对数据中心"自建与租赁"决策的关键因素研究了,并探讨了为什么当今的挑战和机遇正在向"租赁"方向转变的原因。

美国铁山公司的数据中心

首先,企业必须思考自身目前面对的挑战、考虑因素和业务成果。采用托管数据中心服务与自己建设数据中心建设项目相比,将有一些非常好的理由。以下有十种情况,对于托管数据中心来说可能会更有意义:

(1)数据中心整合计划 - 减少数据中心/硬件的采购费用

(2)更换生命周期/遗留基础设施 - 防止过度购买造成的支出浪费,减少对环境造成负面影响,避免停机。

(3)更新升级低效的数据中心设计/成本模式 - 可以提高成本效益,降低基础架构负载量

(4)解决数据急剧增长问题 - 大量结构化和非结构化数据将影响硬件的能力

(5)增加虚拟化驱动带来难以维护的数据中心的功率密度要求

(6)企业控制设备,连接对象,用户和应用程序的强劲/意外增长

(7)需要支持新的云计算方案和资源密集型用例,例如大数据和数据分析

(8)遵守严格的合规性/ 电子发现要求,以确保长期的数据保留和存储

(9)即使在自然灾害中,也能提高客户满意度,提高数据中心/网络正常运行时间

(10)解决管理问题,减少数据中心不必要的复杂性

除了以上十点之外,在决定建立或购买数据中心时需要关注四个关键因素。每一个成功因素将提供重要的问题,以帮助确定现有内部资源可以提供的内容,以及什么可能要求托管提供商提供外包资源。这些因素包括:

  • 经济学和数据中心。
  • 所需人员和专业知识。
  • 企业的风险承受能力
  • 合规性和安全性

无论采用哪种方式转向高级数据中心模式,都需要在整个组织中以合作方式实现。企业所需的专业知识包括设施,IT,硬件,安全,软件和电源管理等。由于这项工作的复杂性和潜在的利益,传统数据中心组织正在转向采用数据中心开发商提供的服务。

具有专业知识和经验的开发人员可以引导一个组织降低运营成本,同时彻底改革现有的IT系统。数据中心开发人员应该结合绿色建筑设计和其他先进的数据和能源管理解决方案,来帮助组织降低能耗,从而显著提高电力使用效率(PUE)和数据中心效率(DCE),并革新业务以及提高数据中心经济性。



本文作者:苏楠

来源:51CTO

相关文章
|
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。
下一篇
无影云桌面