數據中心已成為公司業務很重要的一部分。時至今日，我們還沒有看到數據業務增長有放緩的跡象。在一份最近的思科云報告中指出截止到2019年，跨越互聯網和IP WAN網絡的全球流量每年將增長2.0 ZB，數據顯示2014年全球數據中心流量為3.5 ZB ，到2019年，流量將會翻三番，達到每年10.4 ZB。 這種增長中有25%為CAGR(復合年增長率)。 此外，全球數據中心IP流量在未來5年將增長3倍。 總體而言，數據中心IP流量在2014年至2019年的25%的年復合增長率(CAGR)增長。

(CAGR：CAGR是Compound Annual Growth Rate的縮寫，意思是復合年均增長率。復合年均增長率是指：一項投資在特定時期內的年度增長率。其計算方法為總增長率百分比的n方根，n相等于有關時期內的年數。)

云計算和數字信息發展如此迅猛給現代數據中心帶來了新的挑戰。 Green Grid 針對歐洲的數據中心研究顯示，數據中心在節能和運營成本方面是最需要改進的方面。 此外，在預測未來成本(43%)及更新硬件成本(37%)方面的困難被認為是提升數據中心效率的主要挑戰，以及難以實現環境目標(33%)。

隨著信息量不斷增長以及云服務飛速發展，業內人士清楚的看到：大數據正在悄無聲息的改變著我們身邊許多業務以及我們做出決定的方式。

大數據正在影響數據中心未來的發展走向，你準備好沒?

根據Gartner報告，公司或者組織通常對使用大數據都有多個目標，比如：增強客戶體驗，簡化現有流程，實現更有針對性的營銷以及降低成本。 與往年一樣，各個機構壓倒性地將增強客戶體驗作為使用大數據項目的主要目標(64%)。 提高效率和有針對性的營銷占47%。 隨著數據信息泄露不斷成為頭條，對于增強數據中心安全性的功能增多，從15%增加到23%。

Gartner的研究主管Lisa Kart說：“隨著大數據業已成為新常態，信息和分析領域的焦點將從大肆宣傳、炒作轉向尋找有價值的東西。“雖然在尋找價值的挑戰依然存在，但在管理、資金和投資回報(ROI)等方面的面臨的挑戰將更為突出。

最終，Gartner大數據分析報告內容如下：

· 到2020年，信息存儲的方式將徹底被改變，所有的信息都將被數字化，十年前的使用的產品會有80%會被淘汰。

到2017年，有10%的自助式BI(商務智能)工具將會受到監管，從而緩解業務部門與數據部門之間的矛盾。由于業務部門無法了解數據的獲取、處理、計算整個流程，從而對數據的含義和用處產生自己的理解;與此同時數據部門無法真正了解業務需求，不清楚數據到底為了監控或評估產品的哪個方面，于是無法提供最優或最有效的數據。

(BI(Business Intelligence)即商務智能，它是一套完整的解決方案，用來將企業中現有的數據進行有效的整合，快速準確的提供報表并提出決策依據，幫助企業做出明智的業務經營決策。把商業智能看成一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據并進行清理，以保證數據的正確性，然后經過抽取(Extraction)、轉換(Transformation)和裝載(Load)，即ETL過程，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理(這時信息變為輔助決策的知識)，最后將知識呈現給管理者，為管理者的決策過程提供數據支持。商業智能產品及解決方案大致可分為數據倉庫產品、數據抽取產品、OLAP產品、展示產品、和集成以上幾種產品的針對某個應用的整體解決方案等。)

· 到2017年，將有50%的信息治理納入到信息倡導的理念，以確保價值驅動。

(信息治理：即領導、指導、控制、提供保障的行為或過程，通過這些行為或過程，信息被當作貫穿于整個企業的企業資源得以有效管理，其中包括解決信息沖突問題方面的管理。從信息中獲得最大的價值，取決于在信息在應用上產生我們期望的行為。期望行為是組織信念和文化的具體體現，它們的確定和頒布不僅基于戰略，而且基于公司的價值綱要、使命綱要、業務規則、約定的行為習慣以及結構等。在每一家公司里，期望行為都各不相同。)

大數據正在成為現代企業的重要組成部分。GE資本研究顯示隨著移動寬帶擴展，未來大數據分析變得更加突出，社交媒體日漸替代郵件，正在成為市場營銷人員手中重要的營銷工具，云服務在消費者以及美國企業界的地位變得越高，越來越根深蒂固。

從以往數據我們可以看到- 在全球范圍內用于大數據的服務器：存儲和云基礎設施的資本支出在2012年至2016年之間以37.6%的年復合增長率增長，這其中主要支出是來自于購買數據中心的設備。當下，大部分公司正在越來越多地利用數字化對結構化數據和非結構化數據進行充分分析，從而更有效地應對本地與全球的競爭。

(結構化數據：簡單來說就是數據庫。結合到典型場景中更容易理解，比如企業ERP、財務系統;醫療HIS數據庫;教育一卡通;政府行政審批;其他核心數據庫等。這些應用需要哪些存儲方案呢?基本包括高速存儲應用需求、數據備份需求、數據共享需求以及數據容災需求。

非結構化數據：相對于結構化數據(即行數據，存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據)而言，不方便用數據庫二維邏輯表來表現的數據即稱為非結構化數據，包括所有格式的辦公文檔、文本、圖片、標準通用標記語言下的子集XML、HTML、各類報表、圖像和音頻/視頻信息等等。)

這種數據分析對于服務器負載而言，是很具有挑戰性的。不言而喻，這種服務對于企業很有效，通過分析與您行業相關的數據，可以使您的業務更具競爭力，然而，存放這些服務數據的服務器所在的數據中心意味必須保持溫度更低與更高效才能保障此類服務正常運行。。

今天，企業需要更有效地支持移動，云，業務集成分析和物聯網服務，而邊緣設備部署正在改變企業數據中心的工作負載，并推動更多地使用服務提供商數據中心。 雖然IT管理人員以新的方式采購和部署IT基礎設施，但數據中心管理人員越來越關注限制因素，如占地面積，電源和冷卻以及整體數據中心環境管理。

(邊緣設備：主要指安裝在邊緣網絡上的交換機、路由器、路由交換機、IAD 以及各種 MAN/WAN 設備，負責接入設備和核心/骨干網絡設備間的數據包傳送。邊緣設備是應用數據鏈路層(第二層)和網絡層(第三層)技術的一種物理設備。)

大數據對于著數據中心制冷系統的考慮

考慮到大數據的應用，IDC必須確保其數據中心已經能滿足高密度機柜要求。 那些處理大數據分析的機器通常會更大，而且需要額外的資源。通常，我們會看到單獨的陣列或融合基礎設施解來處理非結構化數據。這意味著數據中心基礎設施必須為大數據提供所需的效率水平，以真正發揮其價值。

創建高效的數據中心的一個重要部分是制冷系統，意味著注意以下幾點：

· 獲得更高效的制冷系統。你了解液體冷卻系統嗎?對此使用者是是否有疑問?是否達到最佳效果? 運行冷卻分析系統真的可以幫助你的知道現在系統能做到什么，還有哪些地方可以優化?以及對于大數據應用還有那些地方是可以做的。

全局意識。氣流組織，冷/熱通道系統和機架優化都是優化冷系統主要因素。當你真正地為整個數據中心全盤考慮時，您需要考慮到氣流差的區域。夠隔離和移除差的氣流區域。

· 持續冷卻。記住，冷卻系統是一個持續的過程; 甚至我們把它看做是一門科學。 隨著數據中心在不斷發展中需求也在隨著自身業務發展不斷變化著，因此，通過對冷卻系統設備持續的分析與測試，可以找到系統盲點，以此提高整體效率。

想要應對發展總會讓你在業務與IT基礎設施之間進行不斷的做出調整，放眼未來，對技術的依賴會持續增長下去。如果未來你的數據中心能夠隨著業務需求提升制冷系統的性能，你將創建一個圍繞著這種增長建立起來的集成業務IT流程;運用這種高效的流程來滿足大數據的發展需求，您公司將夠利用數據的價值創造出對公司而言真正的競爭優勢。