承諾與問題
首先從人們所知道的開始，從技術角度來看，5G具有幾個明確的特征。最明顯的是使用5G新的無線電(NR)空中接口，它將利用新頻譜，并提供毫秒范圍內的延遲功能。其增強的性能將推動數十億臺基于邊緣計算的物聯網設備的部署，并產生對以用戶為中心的靈活網絡的需求。為了應對和處理大量新數據，網絡將嚴重依賴于虛擬化架構(如網絡切片)以及其他基于云計算的技術(如人工智能和機器學習)。
無人駕駛汽車、工業自動化、面部識別、機器對機器通信，以及令人難以置信的一系列智能城市應用程序，所有這一切都是5G將啟用的應用程序。它們對延遲、可靠性和生成的數據流量的數量和類型有各種各樣的要求。除非知道原因，否則很難推測它將如何影響數據中心。然而，可以根據過去的經驗提供一些見解。以下是人們將看到的影響數據中心生態系統的幾個關鍵趨勢以及核心問題。
將計算和存儲遷移到邊緣
以用戶為中心的網絡包括將計算和存儲資源轉移到更加靠近用戶和連接設備的位置。滿足超可靠、低延遲要求的唯一方法是將這些邊緣節點部署為具有東西向流量和并行數據路徑的網絡。在某些情況下，這些節點可能足夠大，可以分類為Pod數據中心或微型數據中心，類似于電信和電纜提供商所使用的那些數據中心。更大的問題是這將對核心數據中心產生什么影響，而這取決于具體情況。
云計算規模的數據中心以及大型企業數據中心設施可能受的影響并不大，因為它們已經在使用分布式處理技術，并且旨在處理來自邊緣計算的增加的數據流。零售多租戶數據中心(MTDC)可能會受到更大的影響，傳統上，由于對云計算規模服務的需求不斷增長，這些數據中心的數量也在增長。為了維持這種關系，需要部署更靠近邊緣的零售多租戶數據中心(MTDC)，以便為云計算規模的數據中心設施提供區域的存在點。
隨著服務提供商改善其核心數據中心與不斷發展的局端機房和集中式無線接入網(CRAN)樞紐之間的關系，也許最大的變化將發生在服務提供商之間。為了處理預期的5G數據流，并使服務提供商能夠在需要的地方輕松移動計算和存儲容量，必須增加核心網絡和無線接入網絡的虛擬化。
虛擬化、人工智能和機器學習的影響
另一個潛在的顛覆因素將是虛擬化、人工智能、大規模機器學習的使用。這些技術將需要更快的服務器速度和更高的網絡容量，以實現更大數量的日益復雜的邊緣服務。構建數據模型將需要處理大量的數據池，在大多數情況下，這些數據池與核心數據中心功能最為匹配。
大多數用于開發人工智能模型的數據都來自邊緣。這意味著更大的云計算規模數據中心將支持網絡的潛在變化。其中一種方案涉及利用核心數據中心的功能從邊緣組合數據以開發模型。然后將完成的模型推出以提供本地化的低延遲服務。然后將重復該過程，以創建一個反饋循環，以完善操作模型。
在服務提供商網絡中，增加虛擬化可能會對核心數據中心產生更直接的影響。隨著無線網絡和有線網絡變得更加虛擬化和融合，單一物理層基礎設施的業務案例變得更加強大。最大的問題是核心網絡和無線接入網之間的融合程度，以及在哪里會發生這種情況——局端機房還是數據中心?
對數據負載進行優先級排序和平衡
當然，各種數據中心環境中的變化程度將取決于應用程序需求。數十億臺傳感器和物聯網設備產生的數據流量會產生大量穩定的數據流，而其他數據流則會間歇性地傳遞或以不規則的信息突發的形式產生。那么如何優化數據采集和處理?與核心數據中心中需要處理的數據相比，邊緣設備或本地邊緣節點應保留多少數據?
一旦回答了這些問題，網絡工程師就需要確定通過網絡移動數據的最佳方法。不同的延遲和可靠性要求能夠在非常精細的級別上對數據流量進行優先級排序。可以通過本地Wi-Fi將數據上傳到全球互聯網上，而不必回傳到云計算服務提供商(CSP)數據中心。需要記住，邊緣計算網絡必須適用使其盈利的財務模式。
即使第一批5G網絡服務開始投入使用，這些問題仍然懸而未決。從數據中心管理人員到首席信息官需要學習如何挖掘5G的功能，因此需要進行在職學習和培訓。來自網絡邊緣的大量新數據需要較高的計算和存儲能力。但是，數據中心究竟需要多少資源以及它們將位于何處?這取決于具體情況。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號