在企业级数据中心市场,你属于哪类用户?

简介:

近几年来,数据中心市场蓬勃发展,为各种新技术的落地提供了一个非常好的应用环境。不少对新技术敏感、又敢于尝试的用户大胆使用这些新技术,包括模块化、自然冷却、高压直流供电、市电直供、风墙制冷、分布式电源等应用案例在市场大量出现,提升了数据中心行业的技术水平,受这些成功案例的影响,不少企业也跃跃欲试。

不过,由于对新技术不了解和企业业务稳定性的高要求,使得企业在决策时面临困惑。那么,在新技术带来的先发优势和新技术不成熟的风险之间该如何平衡?对此,业内专家的建议是,企业在选择时首先注意不要盲从,要了解每项技术都有各自的最佳应用场景;其次,不要被一些新名词所迷惑,在纷扰的市场中充斥着一些不成熟的技术,企业在选择时要小心。

“每项新技术的落地都有一个过程,都有相应的适用场景,不同企业需要根据自己的实际情况来选择,而不要盲目跟风。”艾默生网络能源产品与战略规划部高级总监田军在接受采访时表示。

在企业级数据中心市场,你属于哪类用户? 

艾默生网络能源产品与战略规划部高级总监田军

田军介绍说,根据用户对新技术的接受程度,用户可以分为三类:稳健型、平衡型和创新型。顾名思义,稳健型是在应用上倾向于成熟、可靠的技术,特别是经过市场充分验证的技术;创新型是大胆采用新技术的群体;而平衡性则是介于两者之间。

田军说,传统企业特别是大型企业用户更趋于稳健型,特别在关键性业务上更愿意采用更稳妥的策略,以避免给业务带来不利影响的风险。事实上,业内不乏一些企业在采用了不太成熟的技术后,由于业务受到影响,不得已又改回来的案例。

相比较而言,互联网公司往往扮演的则是创新型的角色。田军认为,这是由于其本身的技术实力和需求的特殊性决定的。互联网公司遇到的很多问题是传统数据中心所没有的,比如海量的数据、大并发量的访问请求、大批量服务器的运维。面对这些问题,互联网公司必须自己探索解决方法。

田军特别提到了互联网企业在数据中心上所做出的努力。“互联网企业拥有很强的技术实力,同时在市场上也有很强的议价能力,让它们可以根据自己的业务特点,与设备厂商一起在数据中心领域进行探索,比如Facebook领衔的OCP项目和BAT领导的天蝎计划,都属于此类。”

应该说,互联网企业所做的工作对行业的发展起到了很重要的推动作用,也给传统厂商带来不小的压力。因为它们代表的是一个非常大的市场,传统厂商也在针对这个市场推出一些定制化解决方案,其中也包括艾默生网络能源。

不过,田军坦言,目前艾默生网络能源最主要的客户还是来自传统企业级数据中心市场,因为艾默生网络能源的产品和解决方案,在这个市场上能最大程度地体现自己的竞争力。这个竞争力就是:产品的高品质、高可用性、高可靠性以及在服务上给客户带来的核心价值。

田军也提醒到要正确认识一些概念,谨防被“忽悠”。以PUE值为例。这是一个评估数据中心节能程度的指标,PUE值越低说明该数据中心的能效水平越高。不过,目前出现了不少盲目攀比PUE值的现象,有违设计者的初衷。

“PUE值简单、明了,可以用来反应一个数据中心的能耗水平,但这是一个相对概念。不能搞盲目攀比。”田军强调,要真正评估一个数据中心的能耗水平,需要看这个数据中心在一个相对稳定、较长时间(比如一年)内的PUE水平,这样才更为全面、客观。如今,很多PUE值只是一个瞬时检测的结果。有些PUE值甚至是“设计”出来,是一种极端情况下得到的最佳值,尽管看起来很好,但根本就不具有代表性。


原文发布时间为:2016年11月30日

本文作者:邹大斌

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

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。
下一篇
DataWorks