2019數據中心預測

[daodu]2019年悄然來臨，新的一年，數據中心會有什麼新的發展趨勢和動向呢，數據中心在技術方面又有什麼值得我們注意的變化呢？更加實用會是其中一個值得關注的變化。
[/daodu]
在人們的日常生活中，廚房中的廚具通常各司其職，很少有各種功能集於一體的。數據中心的設施和設備也是如此。目前爲止，在構建數據中心基礎設施的時候，各種規模的組織一直是使用孤立的運營模型。這種“一個工具只有一種功能”的模式，使得中小企業無法採用一些先進技術，原因很簡單，因爲無法證明成本效益是合理的。
而2019年可能成爲大型組織採用可組合基礎設施概念的一年：在單一控制平臺下融合一些單個用途工具，爲數據中心提供彈性、先進、操作高效的“瑞士×××”。2019年也將是迄今爲止，數據中心基礎設施融合，或單一產品概念融合的一年。聯合架構模型、單一功能可組合性、普通IT任務的高級自動化，以及預測性而非簡單反應性的新智能將是重點發展的措施。

[yiji]IDC從孤島走向聯合架構和系統[/yiji]
目前，需要將核心數據中心、邊緣計算和雲計算視爲所有需要管理工具和現場利用計劃的獨特環境。但是會採取一些措施將這些不同的技術整合到一個基礎設施中。首先，組織將會更加熟悉內部私有云，更好地理解邊緣計算的重要性，還會更好地瞭解公共雲如何幫助填補空白。無論是針對突發容量、特定工作負載，還是針對其他需求進行擴展和縮小。
與此同時，人們將看到更快的管道、更好的壓縮性、增強的安全性，這些都使公共雲成爲數據中心基礎設施的一種更現實的擴展。它將允許邊緣和核心作爲聯合系統開始運行，並在容量需要時擴展到雲計算。
但它不僅是架構方面的創新，也是基礎架構管理方面的創新。無論位置或資源類型如何，所有豐富的數據服務和數據中心資源都將彙集在一起，通過單一GUI在一個位置進行管理。這些資源還將通過高級智能和策略進行管理，這些策略能確定哪些工作負載需要哪些資源，以及哪些資源最適合它們駐留，以優化I/O操作和成本，確保服務等級協議(SLA)。所有這些功能都會減輕數據中心管理人員的負擔。
那麼這會在2019年實現嗎?並不是所有的方法都一定能實現，但是將會看到共享一些常用工具的主要步驟。
遷移到聯合基礎設施是將物聯網集成到IT系統的核心部分，因爲更多的可組合性，允許IT通過單個易於編程的API來協調所有這些資源。這樣做對於大規模混合工作負載環境是理想的，而物聯網本質上是一個非常混合的工作負載環境。物聯網的採用率正在上升：到2020年將有800億臺連接設備，每年產生165澤字節的數據。2019年，在確保可組合基礎設施服務於物聯網方面將取得巨大進步。
[yiji]IT將開始採用可組合基礎設施[/yiji]
IT行業人士變得越來越精明。他們現在意識到可以動態地重新配置基礎設施，以便根據當時的需求支持應用程序。他們不必爲自己的基礎設施配置每個應用程序。2019年出現了可組合基礎設施快速發展的積極跡象。
以一個業務高速增長並且正在擴建的機場爲例。這聽起來很奇怪，但機場運營方計劃引進更多的航班，卻發現沒有足夠的空間來建造更多的候機樓。其原因是候機樓一些登機口已經對外出租，但並沒有全部使用。如果機場運營方可以在主要承租人不使用的情況下允許使用候機樓登機口，就可以在不擴大機場設施的情況下承載更多航班。動態租賃的方法解決了這個問題，但也帶來了另一個問題。那就是每個候機樓都配備了IT基礎設施，以支持主要承租人的應用程序。
但是通過可組合的基礎設施，該機場可以動態地重新配置資源。他們可以支持二級運營商的需求，建立一個新的基礎設施，支持更多的航班。這種可組合性將在2019年加速，在功能方面不斷創新，並根據應用需求實時提供資源的重新配置。
[yiji]下一代自動化將更加接近真正的人工智能[/yiji]
機器學習和人工智能已經在很長一段時間內出現在很多組織的技術列表中，並且有充分的理由。當組織採用這些前沿技術時，可能會有深刻的印象。而在即將到來的這一年將會看到人工智能實現自我維持的真正進展。
人們將會看到機器學習和人工智能轉化爲自我修復系統等技術，這是確保系統不會發生故障的預測系統，並能夠智能地評估容量和性能。該技術將自動優化基礎設施，以提高性能和效率。
例如，通過使用機器學習和人工智能，系統將理解在哪裏需要更多的容量，然後從最有意義的地方去保留這些容量。也許它來自雲端，因爲更多的存儲空間也是暫時的。或者，系統可能會爲管理員創建清單，以便爲數據中心購買更多存儲設備，因爲接下來的時間將是必要的。人工智能和機器學習將更有效地爲組織實際管理其基礎設施，並將提供有關如何規劃的真實情報。這將是預測性的，而不僅僅是反應性的。如何實現這一壯舉可能並不重要。它可能涉及隨機建模和基本趨勢。
客戶如何運營其基礎設施的數據，與供應商共享更多這方面的信息，這樣可以比較其他客戶正在看和體驗的內容，並使用洞察力進行預測建模。因此，當特定服務器組中的熱量達到峯值時，可以預期數據中心出現哪些故障或超出冷卻能力。這種洞察力可能會促使工作人員及時處置，或者可能需要更改基礎設施的部署，更好地平衡工作負荷，減少現場產生的熱量。通過下一代機器學習和人工智能，組織可以感知和解決這些需求。
如今，新興技術迅速發展，而那些資金雄厚的組織將會關注更加前沿的技術。隨着2019年的到來，這些創新的可訪問性的提高將爲IT和企業帶來更高的效率和更好的結果。