京公网安备 11010802034615号
经营许可证编号:京B2-20210330
未来电力的底线:大数据和物联网_数据分析师考试
如今,大数据正在不断拓展和扩大。据科学日报2013年的报道,全世界范围内所有数据的90%都是在过去两年中产生的。凡尔纳环球公司技术服务总监豪尔赫-巴尔塞尔斯指出,全球各地有25亿个互联网用户,在美国就有大约2.5亿个用户,特别是在过去的十年,用户的数量和水平呈现爆炸式增长。
从我们的Fitbits到手机摄像头,所有连接到互联网的各种类型的设备数量庞大,这些设备所产生的数据和未来的潜力导致计算和存储的需求呈指数增加。
大数据和物联网将如何影响数据中心?这是巴尔塞尔斯在将要召开的数据中心全球会议和博览会上演讲的主题。本次会议将包括许多专题会议,将会涉及数据中心的管理者和经营者面对的问题,以及数据中心的新技术。
大量的计算和存储需求产生更多的电力需求
巴尔塞尔斯说,他说其演讲主题重点是围绕数据中心的管理者和经营者所问的问题。比如“我们现在的电力基础设施能否处理所有产生的数据呢?我们能提供足够的电力吗?”。这还将引出了下一个问题:“你知道你的数据中心现在获得的电力,那么在5年或10年或15年以后呢,那时该如何应对?“
为了支持计算和存储今天的需求,“我们的数据中心需要质量可靠、高效节能的,采用可再生能源的充足电力。”他说。
不断增长的数据需求导致更大的电力需求和成本。凡尔纳全球公司位于冰岛凯夫拉维克的数据中心,已经建立了围绕可再生能源接入,可靠和具有成本效益的电源策略。探讨电力因素对数据中心影响,巴尔塞尔斯对此具有独特的视角。
电力的底线
巴尔塞尔斯表示,从财务的角度来看电力是很重要的。当数据中心管理者展望未来计划的成本,在如何计算电力定价时,却不知道未来会发生什么。
电力成本在今天的数据中心设施的位置产生巨大的影响。当客户着眼于市场的发展趋势时,其共同点就是“电力的价格”。巴尔塞尔斯说。
需求改变位置
“你看目前人们不在大都市地区建设新的数据中心。在过去的十年中,数据中心都尽量远离人口中心,向偏远地区地区发展。比如美国西北太平洋地区的华盛顿州、俄勒冈、甚至美国犹他州,”他说。“而全球数据中心位于北欧地区,包括冰岛。”
他举例说,Facebook在瑞典建设和数据中心,其电网是超级可靠的。而谷歌公司在芬兰建设的数据中心,从2015年开始,其电力来自可再生能源。(根据此前DCK的报道:谷歌公司在芬兰的哈米纳数据中心将在2015年主要采用风能发风,谷歌公司与一个陆上风电场供电公司签署了补充协议,因此该数据中心将采用100%的可再生能源发电。)
这种供电可靠性在美国当前却不可用。“例如,海湾地区的电力并不是持续的。其可靠性不高。”巴尔塞尔斯说。
北方气候的另一个好处是较低的散热需求。“在数据中心的总体成本中,冷却成本占到发电成本的30%到40%。”他说,“数据中心正在寻找那些终年有凉爽的气候的地点。”这减少了降低服务器的进气温度所需要产生的冷空气(无论是通过传统的冷却方式,或通过蒸发冷却)。
实用的可靠性
我们日前依赖的全天候的电力基础设施并不是都那么可靠。巴尔塞尔斯说人们往往很快忘记供电可靠性的问题。他引用了桑迪飓风和2003年美国东北电网导致大面积停电的事例。
“2003年的事故导致5000万人受灾。我们这么快就忘记了,”他说。“电力的可靠性是一个让人关注的问题,不只是在美国,在全世界也是如此。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14