CTO 下午茶:数据中心新常态

简介:

这是最好的时代,这是最坏的时代,这是智慧的时代,这是愚蠢的时代;这是信仰的时期,这是怀疑的时期;这是光明的季节,这是黑暗的季节;这是希望之春,这是失望之冬……

——《双城记》查尔斯·狄更斯

狄更斯描绘的雾都伦敦,就像一个工业时代的经典戏剧舞台,上演一幕幕悲欢离合。 谁能想到,在这个互联网时代,我们竟登上了似曾相识的舞台。

CTO 下午茶:数据中心新常态 

如今的数据中心,越来越像一个 IT 系统的大都市,蓬勃发展但也面临许多挑战和隐忧。

应用数量快速增长,给基础设施带来巨大的压力;复杂的应用互访和安全控制,要求对传统的安全域规划和控制进行重新思考;在公有云上快速部署应用的体验,希望被复制到企业自建数据中心和私有云中;DevOps 工程方法被认为行之有效,未来可能统治整个数据中心。

众说纷纭,我们该如何应对?

假设上述这些都能实现,那自动化部署工具将是必然的选择。但这样的数据中心,对于运管人员来说就越来越像一个个黑盒子,如同在雾霾天看不清眼前的高楼,我们只能祈祷软件工具不出 Bug,或者 Bug 的影响范围有限。

听说有在数据中心门口供关公的,这个我没见到过,但是一定有不少程序猿和工程狮的心里是供的。

CTO 下午茶:数据中心新常态

回首过去,作为设备和方案的提供者,思科为客户出谋划策时,通常会有完整的架构规划和设计,并一级一级的细化下去,每一个技术组件的构成和设计都可以非常精确。但,这都是基于对业务发展的深入理解和预测。一旦这个前提不存在了,我们该怎么做?

歧路亡羊,我们要换换脑子。

业务虽然难以预测,技术能力和设计原则却可以未雨绸缪。过去十年,“云” 被广泛认可,就是一个很好的证明。数据中心的能力,可以通过 XaaS 的形式准备好,在实际使用时再被引用。就像我们先准备好基础函数库,在软件开发时再调用它们。

未来,数据中心最关键的技术能力和设计原则是什么?

我们总结为 ASAP,就是英文越快越好。没有开玩笑,ASAP 指的是四个关键要素:Analyze(分析),Simplify(简单),Automate(自动化)和 Protect(保护)。四要素互相关联,不仅你中有我我中有你,还嵌入到我们的每一个产品和解决方案中。

CTO 下午茶:数据中心新常态

·  AAnalyze(分析),分析是一切的基础。在数据中心和云建设的领域,我们也全面引入这一能力,提供数据中心的智能化运行分析以及应用与网络关系的深度透视等功能,使得基础设施和应用能同步发展,来配合软件定义数据中心(SDDC)的持续演进。

·  SSimplify(简单),简单即速度越复杂的应用,越需要简单的架构支撑。我们今天说的简单,不仅仅是设计和构建的简化,还融入了集成分析和业务智能功能,将极大提升使用和管理的敏捷性。

·  AAutomate(自动化),自动化可以加快业务发展。在思科的数据中心自动化中,统一的模型和策略一直是中心思想,我们今天正把它融入所有产品线,并进一步跨界打通不同的技术域。

·  PProtect(保护),也就是安全。除了提供更强大的安全产品外,更重要的是我们把安全能力武装到数据中心的每个组件中,让每个节点和网元都成为安全的感知器和执行者。就像一个免疫系统良好的人,不需要依赖抗生素抵御病毒。

举个例子,也许可以帮助我们更清楚地理解 ASAP 四要素相生相成的关系。

当我们谈论 A(Analyze, 分析)的时候,一个典型的解决方案就是思科 Tetration Analytics。它会利用数据中心交换机内置的功能默默地抓取每一个流经的数据包以及相关设备即时信息,传送到大数据存储和分析的后台,通过智能分析自动总结出应用间的依赖关系和流量模型,并进一步总结出安全域设计和边界策略的最优建议 。同时,就像百度一样,它的操作界面中心是一个搜索栏,你想要知道什么,输入关键词就能自动输出结果,就是这么简单!有 Siri 么?很好的创意啊,目前还没有,但是通过开放的接口集成一个语音交互引擎绝对不是什么难事儿。

ASAP 这种架构与我们通常谈到的架构不同,可以理解成一种范式,比如:面向对象就是一个软件开发领域的泛式。它关心的核心问题是,在不断演进而且越来越复杂的数据中心和云的构建和管理方面,如何做到敏捷、智能、安全,能配合软件应用持续迭代、快速发展,能应对当前和未来未知的挑战。

思科已经走上这个方向,数据中心产品和方案正全面遵循这一理念发展和创新。

数据中心新常态已经来临。你,也准备好了吗?

CTO 下午茶:数据中心新常态

思科全球副总裁、大中华区 CTO

原文发布时间为:2016年12月28日
本文作者:思科全球副总裁、大中华区CTO曹图强
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。
|
7月前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
6月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
7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
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。
下一篇
无影云桌面