
大数据产业需要适用可靠的数据中心
习近平总书记在网络安全和信息化工作座谈会上指出:“我国的互联网发展,要在核心技术上取得突破,要坚定不移实施创新驱动发展战略,把更多人力物力财力投向基础技术、通用技术、前沿技术等核心技术上去。”而作为大数据发展基础的数据中心建设就是核心技术之一。
“数据中心和大数据,就像发电厂和电的关系。发电厂通过加工煤、燃气、燃油等生产电,数据中心对各种数据进行处理、存储、传输,而后产生大数据应用。”近日,中国电子工程设计院副总工程师、中国数据中心工作组组长钟景华在接受数据观(贵阳日报传媒集团中国大数据产业观察网)记者采访时说,数据中心建设是大数据产业发展的基石。
没有数据中心就没有大数据和云计算
“大数据、云计算、‘互联网+’等概念或技术,实质上是对大量数据和信息的加工和应用。而为这些数据和信息提供加工应用服务的基础设施就是数据中心。可以说,没有数据中心就没有大数据和云计算。”钟景华说。
钟景华认为,数据中心是对数据进行加工、处理、存储、传输的地方,是IT设备安装和运行的建筑空间,包括服务器机房、网络机房、存储机房等功能区域,还有空调机房、动力站房等为IT设备提供动力支持和安全保障的区域。数据中心建设是复杂的系统工程。
“一个优秀的数据中心建设工程不论涉及多少方面,最关键的在于其适用性。”钟景华说,这个“适用性”表现为在可靠性、可用性、容量、带宽、节能等方面是否满足大数据产业发展的需要,“比如,对于金融行业,大家最关心其可靠性。因此,金融行业数据中心就应该按照不低于国家A级数据中心的标准来建设。”
“另一方面,数据中心是将电能转换成为信息进行传输。随着大数据、云计算技术的发展,设备运行造成能耗高、用电量大,降低数据中心能耗成为目前数据中心行业亟待解决的问题。因此,绿色节能作为新一代数据中心的基本要素,使数据中心建设向贵州等气候凉爽、电力充足的地区发展。”钟景华说。
数据中心建设将带动三类产业
“数据中心其实就是我们说的‘机房’,从60年代到现在经历了几个阶段。近年来,随着大数据、云计算的发展,托管类数据中心和云计算数据中心开始建设,相关标准也开始制定。今年,我国第三部数据中心标准即将发布实施,这将标志着数据中心进入‘第五代’云计算时期。”钟景华说,截至2015年底,中国数据中心已占世界总量的10%。目前,中国数据中心产业正处于蓬勃发展期,中国数据中心的建造技术已处于世界中上水平,而这也势必带动相关产业的发展。
数据中心建设将带动三类产业发展。“首先是大数据、云计算和信息化产业。”钟景华说,数据中心为信息产业发展奠定基础,提供产业发展的必要条件。同时,信息产业发展又带动数据中心发展。二者相辅相成,互相推动。
其次是设备材料制造业,数据中心安全运行需要大量设备支撑,服务器、交换机、供配电设备、空调设备、管理应用软件等,这些设备投资占数据中心投资90%以上,数据中心为设备制造业的发展带来了机遇。
“此外,建设数据中心产业园区,也会带动呼叫中心、运维办公、技术研发、生活配套、交通住宿等配套产业。”钟景华说。
贵阳建设数据中心优势明显
贵州、贵阳在发展大数据产业方面有明显优势。国家旅游数据中心、惠普数据中心、电信移动联通三大运营商数据中心等数据中心的选址落户可以印证这一点。
“大数据兴起初期,政府层面就出台各项政策全力推进,政企产学研相结合,保证项目顺利落地。其次,数据中心基础设施中能耗最高的是空调系统,空调系统的节能量占数据中心节能的80%,而贵阳自然环境好、气候凉爽,有利于空调系统节能。充足的电力也为数据中心正常运行提供了保障。”钟景华说。
钟景华建议,贵阳大数据产业发展应该注重人才培养。大数据和数据中心属于高技术行业,需要高素质的技术人才,大学、科研机构都应该设置相关专业。不仅仅是大数据研究人员,数据中心运行维护人员也是急需培养的重要版块。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26