有了它们，即使使用传统架构，您也可以管理数据流并提高——数据的速度。有鉴于此，全球业务数据中心可能会发生变化，但仍有发展前景。
人们相信，目前正在发生革命性的变革浪潮，正在改变公司向客户和企业提供服务的方式。但是，像这样的报告并不总是准确的。例如，人工智能（AI）和机器学习（ML）正在推动数据中心的转型。
据研究公司Gartner的一项调查显示，《数据中心即将消亡，数字基础设施出现》，80％的企业关闭，到2025年其传统的数据中心目前只有10％的企业被关闭。该报告发表于2018年4月，并指出，传统的数据中心将致力于无法在其他地方承认，或支持最赚钱的本地系统非常具体的服务。
该报告还指出，互联服务，云计算，物联网（IOT）互联网，周长计算和SaaS产品的不断激增，公司在保留传统的拓扑结构限制的优势数据中心。
该报告显示，存在革命性的变革浪潮，正在改变公司为客户和企业提供服务的方式。但是，像这样的报告并不总是准确的。例如，人工智能（AI）和机器学习（ML）正在推动数据中心的转型。所以不仅处理数据中心管理，同时也节省了数据中心的预测灭绝？
时装业与计算机产业的相似之处。
在人们眼中，很容易在时尚界和计算机行业之间划清界线。虽然每年都会推出新的东西，但它们会从根本上改变一切（或者他们希望如此）。这至少是提供商想要发生的事情。如果他们不符合当前的趋势，他们会增加失败的可能性。但是，很多公司都遇到了麻烦。
许多行业专家预测了工业和技术的发展，并得出结论，尽管大多数预测已经实施，但它们的发生时间远远超出预期。它们的影响也比预期的要大。同样，客户经常被告知某些技术已经灭绝。这有点像预测磁带已经死亡，或者无纸化办公室正在接近。
似乎IT行业从未摆脱过极端激情。那么，人们如何看待Gartner的预测呢？虽然看起来完全不切实际，但数据中心仍然存在。在专家眼中，数据中心将永远存在，因为它们是行业观察到的所有变化中计算机技术的基石：信息技术，客户端 - 服务器拓扑，互联网，PC革命和云中的业务。迁移还有其他技术，包括磁带。所以从表面上看，Gartner的报告很容易被拒绝。但是，请考虑一些严重依赖IT功能的技术以及用户对IT的期望。 IT行业倾向于关注Feed的速度和开发，以满足对更短响应时间的不断增长的需求。随着更快的CPU，内存和紧密耦合的I/O，固态磁盘，自动驾驶汽车，物联网，人工智能和机器学习将成为数据海啸。
数据重点
对数据的重视将在未来定义IT基础架构。传统上，人们使用数据作为计算和处理结束的手段，然后获得结果。数据将被分类为访问和保留的成本层。
第一层用于低延迟存储，高速，高成本，紧凑耦合，存档数据可以是完全不同的低成本解决方案。但是，在业界，人们会看到数据的感知和使用方式。在某些情况下，数据作为产品出售，并且与传统制造过程非常相似。流媒体和音乐公司就是一个很好的例子。
在后期制作和数字化之后，Netflix，亚马逊和Spotify与传统产品制造商一样，将他们的数据和产品存储在云端。然后将它们发送到客户端的边缘。对于Netflix，可从本地Internet服务提供商（ISP）购买该权益。因此，这相当于为数据传输而优化的简单“按使用付费”架构。
不同的要求
另一个例子是物联网（IOT），自动驾驶汽车。公司也可以投资智能城市以获得良好的衡量标准。它们具有非常不同的数据和计算要求，并且这些设备发出的数据以状态信息的形式存在，在许多情况下，例如工业过程的控制，其中一些是可操作的。根据数据的即时性，考虑如何以及何时处理数据。
这提出了一个问题：这可以在云中完成吗？或者延迟和紧迫性需要边缘附近的小型计算机功能，如大型炼油厂。当决策必须跨越多个设备物联网进行，当阻塞通信链路而返回到云中，事情可能会变得不可收拾。同样重要的是，所有历史数据必须返回到可以使用人工智能和机器学习进行处理的程度。
考虑连接智能城市和车辆以管理交通流量和拥堵。需要一些强大的计算和存储能力，以收集所有可能的信息成千上万的设备，如汽车，照相机，监控流量和互动与紧急服务。这将需要双向流量，其中信息和娱乐数据被传递到车辆。如果人们可以与交通管理系统的紧急服务车辆连接获得的人口大多数城市更快。定义基础设施
那么，这些要求如何定义基础设施？传统上，需要大型数据中心来管理它。这需要更动态的方法，其中可以根据需要自动添加或减去额外的资源，例如，在紧急情况下。
另一个重大变化是不断增长的计算能力。几年前，手机只存储了电话号码和短信。如今，每款智能手机都拥有令人难以置信的存储和计算能力。
但是，随着人们开发更多的应用程序，客户在他们的设备需要更大的复杂性，如在扫描病人的救护车，并使用智能测量师控制土壤结构与平板电脑或医务人员人工诊断症状或评估他们的伤情。为了满足这种额外的计算需求，功能互补形状的边缘计算或计算云被连接到计算机的用户的辅助功能形式。将来，每个人都将拥有自己的小型个人存储和计算设备，可以随时随地自动跟踪他们到最近的接入点。
数据方程式
人们所做的一切都会创造出越来越多的数据。反过来，作为企业和消费者，人们将消费越来越多的数据。无论您是进出云平台，数据中心还是高级计算，移动这些不断增长的数据都是痛苦的。这种痛苦来自这样一个事实：网络速度不够快，无法移动数据量。无论达到多少带宽投入在这个问题上，毫秒的两位数字的延迟后，广域网（WAN）的性能，而无需使用加速解决方案的网络数据的限制广域（WAN），以减轻延迟和数据包丢失的影响。提高
那么，数据中心的未来是什么？所有公司都将迁移到云，因为它更便宜。它并不总是那样。当公司明智地在云中使用平台时，云计算将非常有利可图，但它并不是解决数据中心所有问题的灵丹妙药。毫无疑问，人们使用，操纵和存储数据的方式发生了巨大变化。但是，随着IT的其他方面的发展，数据中心的角色也将随之发生变化。就磁带而言，数据中心技术将从在线存储发展到近线存储，从备份到存档。
数据中心将保留一些关键功能：其中一项功能将包括具有延迟的关键数据库。在云中搜索数据库时，一些公司遇到了错误的响应（以及最终用户的投诉），迫使他们迁移回数据中心。但是，由于未来需要分布式数据和高度灵活的计算需求，数据中心将转变为命令和控制功能。
实现灵活性
为了实现这种灵活性，有必要摆脱现有的手动方法。是时候使用人工智能（AI）和机器学习（ML）来提供高水平的自动抽象，以创建灵活的动态基础架构。移动数据对于能够在需要时将数据放置在需要的位置至关重要。传统上，广域网（WAN）优化已被用于增加长距离数据性能，但该技术具有严格的带宽限制。为了最大化高速网络中的数据功能，需要使用人工智能和机器学习等WAN数据加速解决方案，如PORTrockIT。
戴尔EMC的人工智能战略专家Tabet表示，他相信数据中心经理应该使用人工智能来寻找更好的方法来优化他们的数据中心基础设施。 Shariq曼苏尔一样，Aera Technologies公司创始人，CTO，补充说：“如果没有人工智能，这几乎是不可能的。因此操作成本效益的数据中心，我们可以说，人工智能和机器学习是推动必要的技术。数据中心。“ “”
他说：“有了它们，您可以管理数据流并提高数据——的速度即使与原来的建筑鉴于此，全球数据中心业务可能会改变，但还是有前途的。”
中文
电话咨询
微信咨询
公众号
