阿里数据中心培训学院成立 开放世界领先技术

简介:

6月26日,阿里巴巴与张家口市教育局签订战略合作协议书,成立阿里巴巴数据中心培训学院。

根据协议,双方将在张家口机械工业学校合作成立张家口阿里巴巴数据中心培训学院分院,并分别在张家口机械工业学校、张家口市职业技术教育中心、张北县职业技术教育中心设立三个人才培养基地院校,由张家口机械工业学校负责培训学院分院的一切相关人才培养和教学管理事宜。

该学院将以培养数据中心专业人才为己任,并通过校招、社招两种途径招收学生。除理论授课,最重要的是对学生进行实训授课。为此阿里巴巴联合第三方专业机构,构建了总价值达数百万元的数据中心真实场景方案,配备了UPS电源、空调、服务器机柜、电力供给等设施供学生实训教学。


(阿里巴巴-张家口市教育局签约现场)

张家口市副市长陈冲表示:“职业教育与企业实行战略合作是职业教育改革的重要方向,更是职业教育发展的必由之路、创新之路和希望之路。希望双方整合资源、为校企联动的技能人才培养新机制作出有益的探索”。

阿里巴巴基础架构事业群总经理周明表示:“阿里巴巴一直以来都非常重视教育工作,不仅成立了‘马云乡村教师’计划,更有阿里商学院、淘宝大学。此次我们希望能够将阿里在数据中心领域积累的诸多世界级领先技术传授给更多学生,通过他们去提升数据中心整体行业技术水准,让数据中心这台发动机可以更好地支撑云计算[注]、人工智能、IoT等新技术发展”。

据了解,这不仅是国内首家互联网企业将真实的数据中心搬到课堂上,而且也创造了“企业定向培训教学+企业推荐就业”校企合作模式。

阿里巴巴首创场景化教学模式

市场上现有的数据中心培训质量良莠不齐,有的只侧重单方面技术认证(如网络、服务器);有的只有三四天理论集中培训。具备从数据中心设计、建设、运维进行全方位系统培训的则凤毛麟角,这也是国内数据中心从业人员水平落差较大的主要原因。

为改变这种不健康状态,阿里结合自身经验,制定出场景化培训方案,该方案已列入阿里巴巴数据中心工程师认证体系中。

在培训内容上,不仅有服务器、网络专业,还有电气、暖通专业,尤其后两种专业,市场上已有的培训机构都无法提供真实场景教学。

在培训时间和培训模式上,培训总时长达7个月,采用“3+1+3”模式培训,即三个月在基地院校完成理论课程,一个月在基地院校的实操环境中进行实操培训,三个月在阿里巴巴指定的实训基地所在地进行项目实战培训。

7个月的数据中心培训,此前在整个行业中都没有先例。针对取得相应认证资格的人员,将被优先录用安排至伙伴企业或阿里巴巴数据中心工作。

阿里巴巴开放世界级领先技术

据了解,阿里巴巴将会把在数据中心领域积累的诸多世界级领先技术教授给学生。

早在2015年,阿里就直接跨越了当时主流的“两地三中心”,实现“异地多活”灾备技术,将延时控制在秒级。在2016双11当天(+本站微信networkworldweixin),更是妥妥承载住每秒17.5万笔的订单峰值,实现“丝般顺滑”的用户体验。

为让数据中心更加绿色节能,阿里通过自然水冷、自然风冷、浸没液冷技术,大幅降低数据中心PUE(电源使用效率)。

今年4月,阿里宣布已建成互联网行业全球首个浸没液冷服务器集群,实现PUE逼近理论极限值1.0。以10万台服务器计算,PUE1.0对比行业平均2.0数值,每年大约节省4亿度电。此外更是实现了单位体积内计算密度提升10倍以上,提高IT设备可靠性达50%的多项世界级领先成果。


(阿里巴巴浸没液冷服务器集群内部结构)

在张北数据中心,阿里与国家电网联合研发了柔性直流供电技术,通过风能、太阳能新能源为数据中心供电,从而减少碳排放量;此外通过自然风冷+水侧冷实现对数据中心散热,制冷能耗降低了59%,年均设计PUE1.25。

在千岛湖数据中心,阿里于国内首次采用深层湖水制冷,让数据中心90%的时间不依赖电力设备制冷,实现年平均PUE1.3。深层湖水通过完全密闭的管道流经数据中心,帮助服务器降温,再流经2.5公里的青溪新城中轴溪,作为城市景观呈现,自然冷却后回到千岛湖。

数据中心作为承载阿里巴巴“NASA”计划的发动机,不仅稳定承载现在的零售、金融、制造等数十项业务,更是成为人工智能、量子信息、生物识别、云计算、大数据[注]、IoT(物联网)等新兴技术快速规模化发展的动力源泉。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
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。
|
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 数据采集 资源调度
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。
|
7月前
|
机器学习/深度学习 敏捷开发 测试技术
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
|
7月前
|
机器学习/深度学习 缓存 算法
深入理解操作系统的虚拟内存管理利用机器学习技术优化数据中心能效
【5月更文挑战第25天】 在现代计算机系统中,虚拟内存是允许用户程序逻辑地址空间与物理内存解耦的关键概念。它为每个进程提供了一个独立的、连续的地址空间,通过内存管理单元(MMU)硬件的支持,将程序使用的虚拟地址映射到实际的物理内存地址。这种机制不仅简化了程序的编写和内存的管理,还提供了保护机制,防止不同进程之间的相互干扰。本文将探讨虚拟内存的工作原理、分页系统的实现以及虚拟内存带来的性能影响,并讨论操作系统如何优化内存使用和管理。
|
7月前
|
存储 边缘计算 人工智能
探索现代数据中心的心脏:高效液冷技术
【5月更文挑战第20天】 在信息技术不断进步的今天,数据中心作为处理和存储海量数据的枢纽,其运行效率与可靠性至关重要。传统的空气冷却系统由于其局限性已逐渐不能满足高密度计算设备的需求。本文将介绍一种创新的冷却方案——高效液冷技术,分析其工作原理、优势以及面临的挑战,并探讨该技术在未来数据中心发展中的潜在应用。