在數據中心硬件需求、安全性和數據收集方面，實施、操作、故障排除和更新混合IT設置帶來了許多新問題，并要求具備更多的數據中心技能。那么，數據中心管理人員在2019年應該具備哪些技能呢?
1. 云平臺的選擇和管理
隨著云計算應用的增長，管理員必須了解基礎設施、平臺和軟件的運作，公共云、私有云和混合云設置的不同優點和缺點，以及支持云平臺所需的任何硬件。
數據中心管理人員應選擇適合其組織長期使用的云計算環境。而微軟、亞馬遜、IBM、Salesforce、SAP和Oracle提供了多種服務，因此管理人員需要了解一個適當的評估流程。
如果管理人員需要強大的云平臺，他們必須確保該技術支持一致的映像部署、接口管理、體系結構標準和開放式應用程序編程接口(API)，例如AWS公司的簡單存儲服務API。
在基本級別，管理人員應該知道如何使用云計算管理軟件進行應用程序遷移、虛擬機映像、配置、性能監控和安全性。由于依賴于云計算技術，管理人員必須了解云計算架構如何適應其數據中心，以及如何將其用于組織從存儲和應用程序性能角度的優勢。
2. 應用管理改變過程
云計算正在改變管理員提供、監視和維護應用程序的方式。管理人員需要數據中心技能來管理更加模塊化的應用程序設置，這些設置依賴于集合資源，而不是在每臺服務器上安裝程序。
管理人員必須熟悉微服務背后的概念，容器化與虛擬機的區別，以及如何使用編排作為關鍵的自動化工具來確保連續和安全的應用程序操作。他們可以研究基于Docker的容器化，使用LXC/LXD作為某些Linux發行版的替代品，尤其是Ubuntu。
微服務和容器技術的出現意味著管理人員需要了解支持該架構的最新硬件。除了自動化軟件，管理員還應該學習如何構建具有低延遲的基礎設施，研究如何正確地擴展資源，以及找出組織API和計算存儲的最佳方法。
管理人員還應該研究Kubernetes進行容器管理。Kubernetes的開發人員正在增強其功能，包括簡化的集群管理、容器存儲接口、第三方設備監控插件和CoreDNS支持。
3. 安全性轉變為數據優先
設備、應用程序和數據庫安全現在是信息安全的第二層。無論管理人員在何處存儲數據，或者如果數據是由第三方管理的，其首要的問題都必須是安全性。
管理人員必須評估其數據保護框架，并將信息安全放在其安全策略的最前沿。這需要已建立的安全基準、定義的審計范圍和目標以及正確安裝的數據保護軟件。
將數據丟失防護軟件與數字版權管理程序相結合，可以幫助管理人員構建信息優先框架，以便在整個組織中使用。
如果管理人員希望更多地親自參與安全性，他們可以構建網絡測試、風險分析、軟件測試和安全文檔技能。能夠主動預測、修補和保護來自外部威脅參與者的數據，這是數據優先框架的重要組成部分。
4. DevOps通過軟件提供支持
管理人員需要增加DevOps支持和協作，以提高他們的數據中心技能。實施不當的DevOps系統可能會在生產環境中造成混亂?；谲浖臋z查和平衡應該捕獲問題，因此性能和運行時問題不會在整個操作環境中傳播。
這些檢查和平衡使用更靈活的操作，因此管理員應評估操作過程，并確定它們是否支持敏捷工作流。而在應用程序支持和生產環境方面，需要了解軟件層是否經常更新或受到未解決的錯誤的困擾。
管理人員還應該了解基礎設施即代碼(IAC)?；A設施即代碼(IAC)為用戶提供了一種更高級、更通用和更具描述性的語言，用于在數據中心內提供和部署軟件流程。這意味著管理人員使用軟件而不是硬件來管理大部分技術堆棧。
基于軟件的管理為管理人員提供了更具可擴展性的數據中心資源，但它需要更多的前期測試和基于代碼的故障排除，以確保硬件兼容性。管理人員越熟悉軟件定義的數據中心和虛擬機管理，就越容易支持DevOps代碼和基礎設施。
5. 人工智能的增加需要新的硬件
人工智能(AI)、機器學習和深度學習功能將在2019年更易于管理人員使用。許多組織已經使用機器學習技術，諸如使用模式識別的制造等行業來識別不符合規范的項目。
這不僅需要增加存儲和處理能力，還需要適合的監控和數據收集軟件。管理人員必須了解這些智能系統如何為他們的業務提供幫助，確定一些滿足其預期目標的基本引擎，并使用一個引擎作為基礎。如果組織僅在沒有定義用例的情況下使用人工智能，則投資回報率將非常低。
如果組織想要運行任何人工智能增強應用程序，管理人員應該確保數據中心有適當的硬件(如GPU)和管理能耗的知識。運行這些高性能應用程序可能對組織有益，但基于GPU的服務器需要更多的能源和電力資源。管理人員應該安裝GPU硬件，這樣就不會讓服務器不堪重負或帶來更高的電力賬單。
京公網安備 11010502049343號