
数据中心技术的五个重要趋势
技术总在不断发展,所以我们总有新东西可以学习,对于数据中心技术也是一样。
当然,这也有不好的一面:虽然学习新东西对我们很有帮助,但是很多时候,我们需要学习的东西太多了。这也在某种程度导致我们要从各个方面不断的完善自己,否则就会感觉自己落伍了。大型企业中就发生过类似的情况,他们确实在不断利用新技术,但是从另一方面来看,他们购买的软硬件也许只用一年左右就过时了,然后就需要更换。
企业的数据中心也面临着相同的情况。作为网络或数据中心管理员,每天都会面对各种新技术,那么,他们应该具体关注哪些方面呢?
我建议管理员重点关注下面五个关键的数据中心技术。
1. 消费类硬件
过去,专用硬件是针对特定领域而设计的。比如路由器和交换机专门用于实现网络连接,微型计算机则专门用于计算,专用存储硬件则用于存储数据。而现在,情况已有所不同,运行各种关键数据中心服务的硬件慢慢变成了日常消费类硬件。这就意味着,同样是x86服务器(例如,Super Micro Computer公司的服务器),如果加载了相应的软件,它们就可能成为数据中心的计算、存储或网络平台。这种变革为企业提供了极大的灵活性、敏捷性和低成本。
2. 软件吞噬世界
Marc Andreesen在《华尔街日报》的一篇文章中预测,软件将最终引领下一轮数据中心技术的发展,主导这场变革的不是硬件。
这个预言逐渐得到了验证--不仅仅在消费类产品领域是这样,而且在有线网络和数据中心领域也是一样。在消费类产品领域,像iPad这一种设备就可以执行以前需要多种设备才能完成的任务。同样在有线网络领域,现在一台设备就可以执行各种网络功能,并且新功能的增加也非常简单,简单的就像在平板电脑上下载一个应用一样。最后,在数据中心领域,有许多消费类设备可以提供存储、网络和计算功能--每一种设备都可以轻松地扩展,从而满足不断变化的需求。同样,软件也支持通过编程来控制、自动化和编排数据中心。
3. 敏捷性与弹性
只要部署对应的软件,企业就可以同时实现敏捷性和弹性。敏捷性使得企业可以根据需要为他们的数据中心技术加速部署新的应用程序和IT服务。弹性则让企业可以在需要时扩展容量,在不需要时缩小容量。同时,混合云和软件即服务(SaaS)等方案可以稳定地连接外部资源,从而进一步增加敏捷性和弹性。
4. 聚合
数据中心内独立组件(计算、存储和网络)逐渐整合成为一个整体。这种聚合可能表现为计算与存储的整合、存储与网络的整合,甚至是这三方面的整合。聚合可能发生在前面提到的消费类硬件上,而且它是通过软件来实现的。此外,在发生聚合时,它越来越多地用到闪存及其底层功能。
5. 闪存
闪存已经在消费类领域证明了其价值,并被应用于数据中心。现在它又被应用于服务器,用于增强存储系统的旋转磁盘性能,或者完全替代磁盘。
全闪存阵列具有巨大的优势。因为它们没有任何移动部件,因此消耗的能源较少,读取数据的速度又高于常规存储设备。但是,它们还非常昂贵,而且写数据的速度又比机械设备慢。为此,企业可以使用混合阵列,其中利用闪存执行特定功能。在混合阵列中,软件的智能化可能会影响整体性能,因为它能够决定哪些数据应该存储到高速缓存,哪些不是。(我们都不希望备份大量的数据或快照,然后影响一些更重要的应用程序的性能。)
在某些情况下,企业会在服务器中直接使用闪存,把它作为服务器与存储之间的缓存层。添加闪存的最佳位置各不相同,具体取决于应用程序及所使用的存储系统。也就是说,无论在什么位置使用闪存,它都能提升数据中心的性能和可扩展性,特别它的价格在不断下降,而容量则不断地增加。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04