北京供销大数据集团探索数据中心运维“新趋势”

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

2017年3月28日,以“突破·重塑”为主题的2017年数据中心设施论坛(北京站)在北京万达索菲特酒店召开。本次大会由中国互联网协会数据中心运营工作组主办,聚焦数据中心行业热点话题,旨在为数据中心从业人员带来国内外领先的技术理念和最佳实践。其中,运维管理,是决定数据中心项目成功与否的关键要素,也成为本次参会者关注热点。作为国内大数据基础平台的领军企业,北京供销大数据集团(简称“SinoBBD”)受邀参加此次大会。集团IDC事业部机房运维部总经理陈轶农以“数据中心运维服务新思维”为主题发表重要演讲,携手用户共同探索如何运用创新思维适应数据中心运维发展的新趋势,受到了广大与会者的高度认同。

北京供销大数据集团IDC事业部机房运维部总经理陈轶农发表重要演讲

众所周知,设计和建设质量是决定数据中心的先天条件,运维管理则是旷日持久的后天努力。“互联网+”时代的到来,不仅对数据中心基础设施及网络架构提出了更高的要求,更为运维服务带来了全新的挑战。面对互联网高速增长下不断多样化的互联网业务、不断膨胀的用户量、不断增多的线上服务……数据中心服务提供商势必要转变思路并扩展支撑能力,从技术和管理等多个方面重塑IT运维整体架构,以应对时代赋予数据中心的新挑战。

会上,北京供销大数据集团IDC事业部机房运维部总经理陈轶农表示:“如果说运维1.0时代靠人员数量堆积,2.0时代拼体系化管理、自动化水平,那么,未来3~5年则需要依靠在以往基础上建立超前于客户需求的服务理念,才能适应数据中心运维发展的新趋势。SinoBBD凭借运维的科技、人才、服务体验等颠覆性的力量,使运维服务全面走向标准化、智能化和自动化,真正实现数据中心商业模式从资源型向服务型的转变。”

作为大数据“国家队”,SinoBBD为践行大数据一体化国策而生,通过“3+10+X”战略的逐步落地,打造国内最大规模第三方公立大数据中心集群。与此同时,SinoBBD还是重塑数据中心运维价值的最佳实践者。

对于数据中心服务商来说,智能化的运维管理系统可以远程了解相关运行环境,自动化地发现和处理数据中心的故障,实现全面监控,并大量节省运维成本。更为重要的是,高可靠的运维管理能力和成熟经验,将会左右用户对数据中心的选择。而SinoBBD所具备的超大体量布局,以及满足金融、政府行业用户对运维架构、服务能力、技术前瞻性等苛刻要求的经验,最终成就了SinoBBD运维服务的新思维。

以下一代数据中心运维服务 “开放、敏捷、智能”为基本特征,在“软件定义一切”的趋势推动下,智能运维代表着未来数据中心乃至整个互联网的需求。而几万台网络设备,几十万甚至上百万台服务器和存储的超大规模数据中心,已不太可能继续沿用传统的“救火队员”、“人拉肩扛”、“命令行”式的部署和运维手段。为此,SinoBBD彻底摒弃了“被动救火”的思路,而是站在更高的角度,结合多样化的用户需求,构建全面专业的服务体系,将业务需求与运维服务紧密结合,通过精细化的服务、专业化的运维理念,打造出“比客户更懂客户”的运维管理服务体系。

北京供销大数据集团精细化的服务、专业化的运维理念

目前,基于ITIL标准流程,覆盖IT全生命周期运维服务的SinoBBD专业化运维团队,能够通过移动化、流程化、模块化、透明化和智能化运营管理服务平台,为用户提供了基于国际化ITIL标准的全平台运营服务架构,可7×24小时对用户业务提供前瞻性预警和应急响应。此外,据陈轶农介绍,未来SinoBBD的运维管理将会大量引入机器学习技术,通过对数据中心运维海量数据的分析,利用大数据建模,自动化地、智能化地挖掘出更多高价值的故障模式与系统优化模式,从而进一步提升系统运维的效率。



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。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
22天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
4月前
|
运维 算法 数据可视化
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】2 方案设计与实现-Python
文章详细介绍了参加2021高校大数据挑战赛中智能运维异常检测与趋势预测任务的方案设计与Python实现,包括问题一的异常点和异常周期检测、问题二的异常预测多变量分类问题,以及问题三的多变量KPI指标预测问题的算法过程描述和代码实现。
80 0
|
2月前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
121 10
|
5月前
|
数据采集 运维 Cloud Native
Flink+Paimon在阿里云大数据云原生运维数仓的实践
构建实时云原生运维数仓以提升大数据集群的运维能力,采用 Flink+Paimon 方案,解决资源审计、拓扑及趋势分析需求。
18531 54
Flink+Paimon在阿里云大数据云原生运维数仓的实践
|
4月前
|
存储 运维 Cloud Native
"Flink+Paimon:阿里云大数据云原生运维数仓的创新实践,引领实时数据处理新纪元"
【8月更文挑战第2天】Flink+Paimon在阿里云大数据云原生运维数仓的实践
294 3
|
4月前
|
机器学习/深度学习 运维 算法
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
对2021高校大数据挑战赛中智能运维异常检测与趋势预测赛题的赛后总结与分析,涉及赛题解析、不足与改进,并提供了异常检测、异常预测和趋势预测的方法和模型选择的讨论。
129 0
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
|
5月前
|
分布式计算 运维 DataWorks
MaxCompute操作报错合集之用户已在DataWorks项目中,并有项目的开发和运维权限,下载数据时遇到报错,该如何解决
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
5月前
|
SQL Java 大数据
开发与运维应用问题之大数据SQL数据膨胀如何解决
开发与运维应用问题之大数据SQL数据膨胀如何解决
|
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。