時間如梭，無論你相信與否，一年過半，我們已經來到了2017的下半年，各大企業、組織都對數據中心未來的發展項目中投入大量的人力、物力。數據中心的發展由于未來數據信息變得越來越重要，數據中心發展的重要性以及復雜性也隨著需求的變化日益增長。比如，日益增加的工作負載是與不斷推出的大量應用程序相關。

未來，新技術將直接影響數據中心整體架構，容量以及交付戰略。 云技術，移動性以及可穿戴技術所有這些技術產生的數據，用戶都可以接入數據中心進行訪問。

最新的思科全球云索引報告顯示了數據中心、云利用率的增長速度。

· 未來5年，全球云IP流量將幾乎翻一番(3.7倍)。 總體而言，從2015年到2020年，云IP流量將以30%的年均復合增長率增長。

· 由物聯網驅動，到2020年，任何設備創建(而不一定存儲)的數據總量將在2020年達到每年600 ZB，高于2015年的每年145 ZB。數據創造了兩個數量級 數據存儲。

· 超級數據中心將從2015年底的259個增長到2020年的485個，到2020年將占所有安裝的數據中心服務器的47%。

· 到2020年，全球云計算流量將占總數據中心流量的92%以上。

所有這些都趨勢，都將意味著數據中心需要配置高密機柜，更多的功率需求以及更好的冷卻解決方案。 考慮到這一切 - 讓我們來看看以下五種方法能讓2018年的數據中心更冷。

科學的對待冷卻系統：

許多企業、組織正在以一種科學的態度看待冷卻系統。 目的是有效的了解數據中心冷卻系統管理的科學與技術。 這包括量化必要變更的能力，確定適當的最佳做法，并在數據中心實施氣流管理策略。

通過科學的看待下一代冷卻系統解決方案，企業、組織可以識別對IT可靠性的負面影響產生的孤立氣流的問題，提高制冷容量，安裝更多的IT設備，并學習如何降低數據中心冷卻設備的資本支出。

關鍵是要了解，數據中心內的冷卻系統可能是一個波動點。 這就是為什么數據中心要快速應對業務需求，市場以及整體數據中心生態系統的需求是很重要的。

優化動態數據中心冷卻系統

新的計算流體動力學(CFD)冷卻解決方案為管理員提供了一系列技術，將冷卻輸出與數據中心的熱負荷精確匹配。 使用CFD和智能控制 - 您現在可以將監控基礎設施從幾個獨立的傳感器轉變為云儀器環境，可以幫助監控每一英寸的閑置空間，最令人激動人心的部分是整合， 這些動態和主動的管理解決方案使集成DCIM解決方案。 由此，數據中心監控管理選項大大增加。 現在，您可以從桌面或手持設備中獲取IT機架上所有服務器的庫存和運行狀態。

下一代DCIM：

當下數據中心管理和可視性比以往任何時候都更重要。 我們正在集成云，虛擬化和整個基礎設施組件。 我們不僅僅是監控環境變量 - 我們正在更加關注工作負載，用戶訪問和數據。 所有這一切都轉化為一種新型的DCIM解決方案。

在DCIM的解決方案中，所有設備動態數據都接入的監控系統，數據在上傳到DCIM大數據平臺時包含大量的事件，流數據處理引擎也會根據定義的規則產生大量的事件，而這些事件存在密不可分的相關性。

通過這些數據，可以更智能的處理這些海量事件，將事件相關性分析、聯動等業務決策從應用程序代碼中分離出來，一個智能的復雜事件處理引擎(Complex Event Process)是最佳的選擇。CEP接受從流數據平臺過來的數據輸入，解釋業務規則，并根據業務規則做出業務決策，實現事件過濾、合并、分流、定位、告警等服務。

下一代DCIM對于IT企業重要價值：

面對未來的海量數據，DCIM管理系統不能僅依靠少數幾臺機器的升級(Scale-up，縱向擴展)滿足數據量的增長，必須做到橫向可擴展(Scale-out)，既滿足性能的要求，也滿足存儲的要求(包括結構性數據、非結構形式、半結構性數據);由于服務需求的多樣性，平臺既要支持傳感器數據流的實時分析與處理又要支持復雜查詢與深度分析所需的高性能、低延遲需求。平臺需具有高度容錯性，大數據的容錯性要求在作業(Job)執行過程中，一個參與節點失效不需要重做整個作業。機群節點數的增加會增加節點失效概率，在大規模機群環境下，節點的失效不再是稀有事件。

因此在大規模機群環境下，系統不能依賴于硬件來保證容錯性，要更多地考慮軟件級容錯，同時增加系統的可用性。系統的開放性也是十分重要的，各子系統之間數據交換、共享以及服務集成是必不可少的。

DCIM對于數據中心的持續價值：

1. 提供對數據中心電力、冷卻和物理空間使用的持續重新優化，這可以幫助節省資金用于擴大現有數據中心或構建新的數據中心。

2. 整合IT與數據中心設施管理。這有助于拉近IT管理人員和設施管理人員的距離，為他們提供信息和分析，讓這兩個相互關聯的職位重新走到一起。

3. 實現更高的能源效率。單從能源成本節約來看，就足以讓企業考慮采購DCIM工具，更何況這些工具還提供其他好處，而這些好處可能更難以量化，例如改進工作流程。

4. 建模和/或模擬數據中心，讓IT管理人員和設施管理人員可以分析“假設”場景。

5. 通過顯示資源/資產如何關聯，加強資源和資產管理。

選擇、部署DCIM解決方案經常存在的誤區：

通過研究發現，最終用戶在評估和部署DCIM 解決方案的過程中容易存在以下三類誤區：

一是選擇了不恰當的解決方案。目前市場上DCIM 供應商和解決方案(+微信關注網絡世界)，而且數量還在不斷增長。這些DCIM方案看起來又相同又不同，往往令用戶感到困惑。不管怎樣，選擇具體DCIM方案時，用戶應該考察該DCIM方案是否具備某些基本特性，例如可擴展性、模塊化、標準化、預制化、開放式通信架構，等等。

二是采用了不充分或不匹配的流程。最終用戶應當從長期著眼來規劃、創建和支持DCIM解決方案實施流程和日常運行流程。

三是缺乏必要的重視度、責任歸屬不明晰，也會導致用戶選擇的工具套件無法正常提供原有的設計功能。實際上，數據中心設施部門、IT 部門和管理團隊均應參與評估階段的工作,他們必須對企業組織的需求、目標和實施計劃達成一致意見，并指定每個流程的負責人。

總結：

如前所述，與優化動態冷卻技術的集成，會使冷卻系統應對突發問題。通過創建策略，允許動態配置和取消配置進入機架和數據中心的許多不同資源。 最后，DCIM允許更好地控制分布式數據中心模型。 我們正在構建一個沒有墻壁的管理解決方案，能夠與內部部署和云解決方案集成。

記住，我們不是簡單地創建更好的數據中心冷卻系統; 而是在創造更智能的數據中心冷卻系統， 重要的是要知道數據中心是一直持續變化的， 通過環境管理系統，是保持一切運行最佳的好方法。這里，有很多都新的DCIM功能，可以讓您更好地了解數據中心的各個方面。 通過這些監控數據分析，您可以做出積極的決定，并相應地計劃增長。

想要從數據中提取有用的信息，必須擁有能對大規模歷史數據進行分布式和并行分析的平臺。大數據分析子系統在分布式并行計算技術、復雜事件處理技術和機器學習的基礎上，針對采集到的歷史數據做智能處理和分析，并對未來可能發生的故障做出預測分析。

為了深度挖掘DCIM系統產生的海量數據，可以通過機器學習領域經典算法的實現，如聚類、分類、推薦過濾、頻繁子項挖掘等發現數據的相關性和規律。其中Mahout是最知名的基于Hadoop之上的分布式數據挖掘和機器學習工具。

同時在數據處理的基礎之上，可以采用第三方的報表服務引擎來提供增強的基礎設施資產信息和動態數據的可視化分析。

對于冷卻系統的考慮，比如優化動態冷卻系統，可以讓數據中心運維人員使用更有效的、下一代分析和規劃工具來動態管理他們的冷卻基礎設施，并優化設備性能和可靠性。要想創造一個更“冷”的2018年，業界人士需要從一個更智能的冷卻解決方案開始。