《信息存储与管理(第二版):数字信息的存储、管理和保护》—— 1.3 数据中心基础设施

简介:

本节书摘来异步社区《信息存储与管理(第二版):数字信息的存储、管理和保护》一书中的第1章,第1.3节,作者:【新加坡】G.Somasundaram ,【美】Alok Shrivastava,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.3 数据中心基础设施

信息存储与管理(第二版):数字信息的存储、管理和保护
企业组织通过数据中心为整个企业提供集中的数据处理能力。数据中心保存和管理着大量的数据。数据中心基础设施包括硬件组件和软件组件。硬件组件包括计算机、存储系统、网络设备和后备电源等。软件组件包括应用、操作系统和管理软件等。此外,空调、灭火和通风装置等环境控制设备也是基础设施的组成部分。

大型组织通常维护多个数据中心,以便分散数据处理负担,并在灾难发生时提供数据备份。

1.3.1 数据中心核心部件

一个数据中心要实现基本功能,必须要有5个核心部件。

应用:提供计算操作逻辑的计算机程序。
数据库管理系统(DBMS):提供了一种结构化方式,把数据存储成具有关联关系的逻辑表。
主机或计算:指运行应用和数据库的计算平台(包含硬件、固件和软件)。
网络:联网设备之间通信的数据通路。
存储:持续存储数据以供后续使用的设备。
通常这些核心部件都被视为独立的管理单元,但是只有所有这些部件一起工作才能达到数据处理的要求。

4e923659c3a14162c3f833a5f1037448be836199

在本书中,主机,计算和服务器这三个名词是通用的,指的是运行应用的部件。
图1-5展示了一个在线订单处理系统示例,其中包含5个核心部件以及它们在商业处理中的作用。

0576b918d59e0b526f71c79172a36ff2b3c7a43f

用户在一台客户端上下了订单,客户端通过局域网或广域网与主机联网,主机上运行着订单处理应用。客户端通过此应用访问主机上的数据库管理系统,获取与订单相关的信息,如客户姓名、地址、支付方式、订购产品和数量等。

数据库管理系统(DBMS)通过主机操作系统将数据写入存储阵列的物理磁盘内。存储网络为主机和存储阵列之间的通信提供连接,并在两者之间传输数据读写请求。存储阵列在接到主机发来的请求后,在物理磁盘上执行相应的操作。

1.3.2 数据中心的主要特点

数据中心运行的不可中断性对商业机构的生存和成功至关重要。因此,很有必要用一个可靠的存储基础设施来保证数据随时可访问。图1-6所示的特点对数据中心基础设施的所有部件都适用,但这里我们只关注存储系统。本书将给出满足这些需求的多种技术和解决方案。

可用性:有需求时,一个数据中心必须保证数据的可用性。对于金融服务业、通信和电子商务领域的业务来说,数据无法访问可以造成每小时上百万美元的损失。
安全性:数据中心应建立完整的安全策略和流程,加强各部件的整合,防止对信息的非授权访问。
可扩展性:业务的增长通常需要部署更多的服务器、新的应用和额外的数据库。数据中心资源应实现按需扩展,扩展应不影响正常的业务运营。

9f26d41827e8870810c9632bee5239a865f572d0

性能:数据中心的部件应能根据服务等级提供最佳的性能。
数据完整性:数据完整性对应的是一种机制,比如纠错码或奇偶校验位,以保证数据在存取和接收时保持一致。
容量:数据中心的运行需要足够的资源来高效地存储和处理海量数据。当容量需求增加时,数据中心必须在不影响可用性,或者仅对其产生很小影响的前提下实现扩容。容量管理可以是对现有资源的重新分配,而不仅仅是添加新的资源。
可管理性:数据中心对于部件的管理应该尽量简单和统一。可管理性可以通过对常规任务进行自动化或减少人工介入来实现。

1.3.3 管理数据中心

管理一个数据中心牵涉到许多任务。关键的管理任务包括以下几点。

监控(Monitoring):对数据中心的各个部件和运行的服务持续不断地收集信息。数据中心需要监控的方面包括安全性、性能、可用性和容量。
报告(Reporting):周期性地反映资源的性能、容量和使用率。报告可以帮助确定与数据中心运行相关的业务评判和分摊费用。
配给(Provisioning):提供支持数据中心运行的硬件、软件和其他资源的一个流程。配给主要是对资源进行管理,以满足容量、可用性、性能和安全方面的需求。
虚拟化和云计算的出现极大地改变了数据中心基础设施的部署和管理方式。许多组织已经迅速实现了对数据中心中多个部件的虚拟化,提高了资源的利用率。此外,IT部门面临持续的成本压力和对于随需应变数据处理的需求,加速了云计算的应用。

相关文章
|
4月前
|
存储 运维 数据处理
AIGC浪潮对数据中心基础设施发展的影响
【1月更文挑战第19天】AIGC浪潮对数据中心基础设施发展的影响
59 1
AIGC浪潮对数据中心基础设施发展的影响
|
存储 人工智能 运维
超大规模云数据中心对存储的诉求有哪些?
要实现超大规模部署的特性,就对存储有别于普通数据中心或者消费市场的诉求。具体有哪些呢?主要有以下几点,我们针对部分信息展开讨论
|
16天前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
|
13天前
|
机器学习/深度学习 运维 算法
利用机器学习优化数据中心的能效管理
【4月更文挑战第30天】在数据中心的运营成本中,能源消耗占据了一个显著的比例。随着能源价格的上升和环境保护意识的增强,如何降低能源消耗成为数据中心管理者们面临的一个重要挑战。本文探讨了一种基于机器学习的方法来优化数据中心的能效管理,通过分析历史数据和实时监测数据,动态调整资源分配和冷却策略,以实现能源消耗的最小化。
|
20天前
|
存储 边缘计算 安全
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
本文为大家介绍了阿里云在2024年的全球基础设施布局,包括公共云地域、边缘节点、超级数据中心等各个阶段和方面。阿里云基础设施已覆盖全球四大洲,拥有30个公共云地域和89个可用区,以及超过3200个边缘节点,为其用户提供了广泛且深入的服务覆盖。
阿里云全球基础设施展示,公共云地域、边缘节点、超级数据中心分布图
|
2月前
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。
|
2月前
|
机器学习/深度学习 存储 大数据
利用机器学习优化数据中心的能效管理
【2月更文挑战第17天】 在数据中心的运营过程中,能效管理是维持可持续性和成本效益的关键。本文探讨了一种基于机器学习的方法来优化数据中心的能源使用效率。通过分析历史能耗数据和实时工作负载信息,构建了一个预测模型来指导冷却系统的动态调整,以减少不必要的能源消耗。实验结果表明,该方法能够有效降低能耗,同时保证数据中心的性能和可靠性。
29 2
|
12月前
|
存储 监控 网络协议
「数据中心」数据中心脊页架构:数据中心结构管理、自动化和总结
「数据中心」数据中心脊页架构:数据中心结构管理、自动化和总结
|
存储 资源调度 Kubernetes
新书自荐《深入集群:大型数据中心资源调度与管理》
深入集群 大型数据中心资源调度与管理,已经第2版了(2021-10月)。之前在ata和百晓生发布了新书自荐,这次同步到社区。
605 1
新书自荐《深入集群:大型数据中心资源调度与管理》
|
存储 固态存储 算法
浅析数据中心存储发展趋势
产生的这些巨量数据,存储的归宿在哪里呢?随着发展趋势,个人本地存储的需求越来越小,公有云的数据存储量将会有迅速的攀升。