数据中心已成为公司业务很重要的一部分。时至今日，我们还没有看到数据业务增长有放缓的迹象。在一份最近的思科云报告中指出截止到2019年，跨越互联网和IP WAN网络的全球流量每年将增长2.0 ZB，数据显示2014年全球数据中心流量为3.5 ZB ，到2019年，流量将会翻三番，达到每年10.4 ZB. 这种增长中有25%为CAGR（复合年增长率）。 此外，全球数据中心IP流量在未来5年将增长3倍。 总体而言，数据中心IP流量在2014年至2019年的25%的年复合增长率（CAGR）增长。

　　（CAGR：CAGR是Compound Annual Growth Rate的缩写，意思是复合年均增长率。复合年均增长率是指：一项投资在特定时期内的年度增长率。其计算方法为总增长率百分比的n方根，n相等于有关时期内的年数。）

　　云计算和数字信息发展如此迅猛给现代数据中心带来了新的挑战。 Green Grid 针对欧洲的数据中心研究显示，数据中心在节能和运营成本方面是最需要改进的方面。 此外，在预测未来成本（43%）及更新硬件成本（37%）方面的困难被认为是提升数据中心效率的主要挑战，以及难以实现环境目标（33%）。

　　随着信息量不断增长以及云服务飞速发展，业内人士清楚的看到：大数据正在悄无声息的改变着我们身边许多业务以及我们做出决定的方式。

　　大数据正在影响数据中心未来的发展走向，你准备好没？

　　根据Gartner报告，公司或者组织通常对使用大数据都有多个目标，比如：增强客户体验，简化现有流程，实现更有针对性的营销以及降低成本。 与往年一样，各个机构压倒性地将增强客户体验作为使用大数据项目的主要目标（64%）。 提高效率和有针对性的营销占47%. 随着数据信息泄露不断成为头条，对于增强数据中心安全性的功能增多，从15%增加到23%.

　　Gartner的研究主管Lisa Kart说：“随着大数据业已成为新常态，信息和分析领域的焦点将从大肆宣传、炒作转向寻找有价值的东西。”虽然在寻找价值的挑战依然存在，但在管理、资金和投资回报（ROI）等方面的面临的挑战将更为突出。

　　最终，Gartner大数据分析报告内容如下：

　　到2020年，信息存储的方式将彻底被改变，所有的信息都将被数字化，十年前的使用的产品会有80%会被淘汰。

　　到2017年，有10%的自助式BI（商务智能）工具将会受到监管，从而缓解业务部门与数据部门之间的矛盾。由于业务部门无法了解数据的获取、处理、计算整个流程，从而对数据的含义和用处产生自己的理解；与此同时数据部门无法真正了解业务需求，不清楚数据到底为了监控或评估产品的哪个方面，于是无法提供最优或最有效的数据。

　　（BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。把商业智能看成一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供数据支持。商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。）

　　到2017年，将有50%的信息治理纳入到信息倡导的理念，以确保价值驱动。

　　（信息治理：即领导、指导、控制、提供保障的行为或过程，通过这些行为或过程，信息被当作贯穿于整个企业的企业资源得以有效管理，其中包括解决信息冲突问题方面的管理。从信息中获得最大的价值，取决于在信息在应用上产生我们期望的行为。期望行为是组织信念和文化的具体体现，它们的确定和颁布不仅基于战略，而且基于公司的价值纲要、使命纲要、业务规则、约定的行为习惯以及结构等。在每一家公司里，期望行为都各不相同。）

　　大数据正在成为现代企业的重要组成部分。GE资本研究显示随着移动宽带扩展，未来大数据分析变得更加突出，社交媒体日渐替代邮件，正在成为市场营销人员手中重要的营销工具，云服务在消费者以及美国企业界的地位变得越高，越来越根深蒂固。

　　从以往数据我们可以看到- 在全球范围内用于大数据的服务器：存储和云基础设施的资本支出在2012年至2016年之间以37.6%的年复合增长率增长，这其中主要支出是来自于购买数据中心的设备。当下，大部分公司正在越来越多地利用数字化对结构化数据和非结构化数据进行充分分析，从而更有效地应对本地与全球的竞争。

　　（结构化数据：简单来说就是数据库。结合到典型场景中更容易理解，比如企业ERP、财务系统；医疗HIS数据库；教育一卡通；政府行政审批；其他核心数据库等。这些应用需要哪些存储方案呢？基本包括高速存储应用需求、数据备份需求、数据共享需求以及数据容灾需求。

　　非结构化数据：相对于结构化数据（即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据）而言，不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、标准通用标记语言下的子集XML、HTML、各类报表、图像和音频/视频信息等等。）

　　这种数据分析对于服务器负载而言，是很具有挑战性的。不言而喻，这种服务对于企业很有效，通过分析与您行业相关的数据，可以使您的业务更具竞争力，然而，存放这些服务数据的服务器所在的数据中心意味必须保持温度更低与更高效才能保障此类服务正常运行……

　　今天，企业需要更有效地支持移动，云，业务集成分析和物联网服务，而边缘设备部署正在改变企业数据中心的工作负载，并推动更多地使用服务提供商数据中心。 虽然IT管理人员以新的方式采购和部署IT基础设施，但数据中心管理人员越来越关注限制因素，如占地面积，电源和冷却以及整体数据中心环境管理。

　　（边缘设备：主要指安装在边缘网络上的交换机、路由器、路由交换机、IAD 以及各种 MAN/WAN 设备，负责接入设备和核心/骨干网络设备间的数据包传送。边缘设备是应用数据链路层（第二层）和网络层（第三层）技术的一种物理设备。）

　　大数据对于着数据中心制冷系统的考虑

　　考虑到大数据的应用，IDC必须确保其数据中心已经能满足高密度机柜要求。 那些处理大数据分析的机器通常会更大，而且需要额外的资源。通常，我们会看到单独的阵列或融合基础设施解来处理非结构化数据。这意味着数据中心基础设施必须为大数据提供所需的效率水平，以真正发挥其价值。

　　创建高效的数据中心的一个重要部分是制冷系统，意味着注意以下几点：

　　获得更高效的制冷系统。你了解液体冷却系统吗？对此使用者是是否有疑问？是否达到最佳效果？ 运行冷却分析系统真的可以帮助你的知道现在系统能做到什么，还有哪些地方可以优化？以及对于大数据应用还有那些地方是可以做的。

　　全局意识。气流组织，冷/热通道系统和机架优化都是优化冷系统主要因素。当你真正地为整个数据中心全盘考虑时，您需要考虑到气流差的区域。够隔离和移除差的气流区域。

　　持续冷却。记住，冷却系统是一个持续的过程； 甚至我们把它看做是一门科学。 随着数据中心在不断发展中需求也在随着自身业务发展不断变化着，因此，通过对冷却系统设备持续的分析与测试，可以找到系统盲点，以此提高整体效率。

　　想要应对发展总会让你在业务与IT基础设施之间进行不断的做出调整，放眼未来，对技术的依赖会持续增长下去。如果未来你的数据中心能够随着业务需求提升制冷系统的性能，你将创建一个围绕着这种增长建立起来的集成业务IT流程；运用这种高效的流程来满足大数据的发展需求，您公司将够利用数据的价值创造出对公司而言真正的竞争优势。