×
2020年,全球产生了40zb的数据。这就是地球上每个人每秒1.7MB的数据!虽然这种数据生成的激增可归因于新冠,但它也是更广泛的全球数据消费趋势的一部分,这种趋势没有放缓的迹象。
预计到2025年,数据创建量将增长到180ZB以上,同期数据存储将以20%左右的复合年增长率增长。为了跟上这种指数级增长的步伐,数据中心服务的快速扩展和增长变得至关重要。
在过去十年中,移动用户的数量和智能设备的激增显著增加。从手机、平板电脑和笔记本电脑到游戏机和可穿戴设备,各种类型的设备如今都被用来获取有价值的消费者数据。
企业需要获取、处理并及时分析这些数据,以跟上竞争对手的步伐。这种“对速度的需求”给负担过重的数据中心带来了问题,并导致要求更快的部署时间。
灵活的数据中心被用来以更快的速度吸收信息,并补偿这种速度和服务的优先级。此类数据中心解决方案帮助企业使用现有投资,以自己的速度创建定制的数据中心堆栈,包括硬件和软件。敏捷是IT组织中使用的一种经过时间考验的方法,用于更有效地构建软件或管理流程。
随着网络使用量的增长,数据中心必须进行扩展以适应不断增加的网络流量,并在不影响可持续性、可管理性和可扩展性的情况下了解正在发生的事情。
企业正逐渐超越单体应用,采用敏捷的IT方法以更小的步骤部署应用,以响应快速变化的需求。现代应用设计有利于虚拟化工作负载,如虚拟机和容器,支持在较小的一组物理服务器上随时间快速转移容量。传统的分层数据中心网络设计不足以支持此类应用。
平均而言,识别和解决与数据中心相关的问题所需的时间,可能因问题的复杂性和严重性而异。然而,重要的是要注意,对数据中心问题进行故障排除,通常需要比预期更长的时间。如问题的性质、熟练网络工程师的可用性、管理方法的效率,以及使用的工具等各种因素,都会影响解决问题所需的总时间。
企业努力减少这一时间,以确保平稳运行,避免中断数据中心服务和未来的集成。如果网络工程师发现问题的压力很大,那么SNMP和CLI轮询等传统管理方法,在效率和可扩展性方面存在一定的局限性。
工具在这里非常重要。一个强大的解决方案必须包括一系列遥测收集方法,包括可以扩展到传统轮询之外的异步推送模型。
将多个数据源关联到有意义的状态信息也是一项重要要求,因为它允许操作员比传统方法更快地识别和解决问题。该工具必须包括ML技术和内置的高级算法,用于建立操作基准、执行主动纠正措施并自行确定异常情况。
构建灵活性的数据中心的必要元素通常包括:
数据中心现代化:升级和现代化数据中心的基础设施、硬件和软件组件,以提高性能、可扩展性和效率。
引入速度:实施技术和实践,以在数据中心环境中实现更快的数据处理、网络速度和应用交付。
执行服务质量(QoS):对网络资源进行优先级排序和管理,以确保关键应用和服务具有一致和可靠的性能。
实施灾难恢复:建立强大的灾难恢复机制和备份系统,以最大限度地减少停机时间,并确保在数据中心中断或发生灾难时的业务连续性。
应用预测数据分析:利用高级分析和机器学习技术来分析数据中心性能、预测潜在问题,并优化资源分配以提高效率和主动解决问题。
存储和自动化智能的集成,以及有效的QoS实施和高级分析,有助于为企业开发高度可扩展和虚拟化的基础设施,减少对专用存储人员的需求,并增强整体灵活性。
企业用于存放关键数据和应用的四种主要数据中心类型是:
● 企业数据中心
● 托管数据中心
● 云数据中心
● 托管服务数据中心
当今的数据中心基础设施已经成功地发展为包括虚拟网络,以支持跨物理基础设施和多云环境的巨大工作负载。