时间如梭，无论你相信与否，一年过半，我们已经来到了2017的下半年，各大企业、组织都对数据中心未来的发展项目中投入大量的人力、物力。数据中心的发展由于未来数据信息变得越来越重要，数据中心发展的重要性以及复杂性也随着需求的变化日益增长。比如，日益增加的工作负载是与不断推出的大量应用程序相关。
未来，新技术将直接影响数据中心整体架构，容量以及交付战略。 云技术，移动性以及可穿戴技术所有这些技术产生的数据，用户都可以接入数据中心进行访问。
***的思科全球云索引报告显示了数据中心、云利用率的增长速度。
- 未来5年，全球云IP流量将几乎翻一番(3.7倍)。 总体而言，从2015年到2020年，云IP流量将以30%的年均复合增长率增长。
- 由物联网驱动，到2020年，任何设备创建(而不一定存储)的数据总量将在2020年达到每年600 ZB，高于2015年的每年145 ZB.数据创造了两个数量级 数据存储。
- 超级数据中心将从2015年底的259个增长到2020年的485个，到2020年将占所有安装的数据中心服务器的47%.
- 到2020年，全球云计算流量将占总数据中心流量的92%以上。
所有这些都趋势，都将意味着数据中心需要配置高密机柜，更多的功率需求以及更好的冷却解决方案。 考虑到这一切 - 让我们来看看以下五种方法能让2018年的数据中心更冷。
科学的对待冷却系统：
许多企业、组织正在以一种科学的态度看待冷却系统。 目的是有效的了解数据中心冷却系统管理的科学与技术。 这包括量化必要变更的能力，确定适当的***做法，并在数据中心实施气流管理策略。
通过科学的看待下一代冷却系统解决方案，企业、组织可以识别对IT可靠性的负面影响产生的孤立气流的问题，提高制冷容量，安装更多的IT设备，并学习如何降低数据中心冷却设备的资本支出。
关键是要了解，数据中心内的冷却系统可能是一个波动点。 这就是为什么数据中心要快速应对业务需求，市场以及整体数据中心生态系统的需求是很重要的。
优化动态数据中心冷却系统
新的计算流体动力学(CFD)冷却解决方案为管理员提供了一系列技术，将冷却输出与数据中心的热负荷精确匹配。 使用CFD和智能控制 - 您现在可以将监控基础设施从几个独立的传感器转变为云仪器环境，可以帮助监控每一英寸的闲置空间，最令人激动人心的部分是整合， 这些动态和主动的管理解决方案使集成DCIM解决方案。 由此，数据中心监控管理选项大大增加。 现在，您可以从桌面或手持设备中获取IT机架上所有服务器的库存和运行状态。
下一代DCIM：
当下数据中心管理和可视性比以往任何时候都更重要。 我们正在集成云，虚拟化和整个基础设施组件。 我们不仅仅是监控环境变量 - 我们正在更加关注工作负载，用户访问和数据。 所有这一切都转化为一种新型的DCIM解决方案。
在DCIM的解决方案中，所有设备动态数据都接入的监控系统，数据在上传到DCIM大数据平台时包含大量的事件，流数据处理引擎也会根据定义的规则产生大量的事件，而这些事件存在密不可分的相关性。
通过这些数据，可以更智能的处理这些海量事件，将事件相关性分析、联动等业务决策从应用程序代码中分离出来，一个智能的复杂事件处理引擎(Complex Event Process)是***的选择。CEP接受从流数据平台过来的数据输入，解释业务规则，并根据业务规则做出业务决策，实现事件过滤、合并、分流、定位、告警等服务。
下一代DCIM对于IT企业重要价值：
面对未来的海量数据，DCIM管理系统不能仅依靠少数几台机器的升级(Scale-up，纵向扩展)满足数据量的增长，必须做到横向可扩展(Scale-out)，既满足性能的要求，也满足存储的要求(包括结构性数据、非结构形式、半结构性数据);由于服务需求的多样性，平台既要支持传感器数据流的实时分析与处理又要支持复杂查询与深度分析所需的高性能、低延迟需求。平台需具有高度容错性，大数据的容错性要求在作业(Job)执行过程中，一个参与节点失效不需要重做整个作业。机群节点数的增加会增加节点失效概率，在大规模机群环境下，节点的失效不再是稀有事件。
因此在大规模机群环境下，系统不能依赖于硬件来保证容错性，要更多地考虑软件级容错，同时增加系统的可用性。系统的开放性也是十分重要的，各子系统之间数据交换、共享以及服务集成是必不可少的。
DCIM对于数据中心的持续价值：
1. 提供对数据中心电力、冷却和物理空间使用的持续重新优化，这可以帮助节省资金用于扩大现有数据中心或构建新的数据中心。
2. 整合IT与数据中心设施管理。这有助于拉近IT管理人员和设施管理人员的距离，为他们提供信息和分析，让这两个相互关联的职位重新走到一起。
3. 实现更高的能源效率。单从能源成本节约来看，就足以让企业考虑采购DCIM工具，更何况这些工具还提供其他好处，而这些好处可能更难以量化，例如改进工作流程。
4. 建模和/或模拟数据中心，让IT管理人员和设施管理人员可以分析“假设”场景。
5. 通过显示资源/资产如何关联，加强资源和资产管理。
选择、部署DCIM解决方案经常存在的误区：
通过研究发现，最终用户在评估和部署DCIM 解决方案的过程中容易存在以下三类误区：
一是选择了不恰当的解决方案。目前市场上DCIM 供应商和解决方案(+微信关注网络世界)，而且数量还在不断增长。这些DCIM方案看起来又相同又不同，往往令用户感到困惑。不管怎样，选择具体DCIM方案时，用户应该考察该DCIM方案是否具备某些基本特性，例如可扩展性、模块化、标准化、预制化、开放式通信架构，等等。
二是采用了不充分或不匹配的流程。最终用户应当从长期着眼来规划、创建和支持DCIM解决方案实施流程和日常运行流程。
三是缺乏必要的重视度、责任归属不明晰，也会导致用户选择的工具套件无法正常提供原有的设计功能。实际上，数据中心设施部门、IT 部门和管理团队均应参与评估阶段的工作，他们必须对企业组织的需求、目标和实施计划达成一致意见，并指定每个流程的负责人。
总结：
如前所述，与优化动态冷却技术的集成，会使冷却系统应对突发问题。通过创建策略，允许动态配置和取消配置进入机架和数据中心的许多不同资源。 ***，DCIM允许更好地控制分布式数据中心模型。 我们正在构建一个没有墙壁的管理解决方案，能够与内部部署和云解决方案集成。
记住，我们不是简单地创建更好的数据中心冷却系统; 而是在创造更智能的数据中心冷却系统， 重要的是要知道数据中心是一直持续变化的， 通过环境管理系统，是保持一切运行***的好方法。这里，有很多都新的DCIM功能，可以让您更好地了解数据中心的各个方面。 通过这些监控数据分析，您可以做出积极的决定，并相应地计划增长。
想要从数据中提取有用的信息，必须拥有能对大规模历史数据进行分布式和并行分析的平台。大数据分析子系统在分布式并行计算技术、复杂事件处理技术和机器学习的基础上，针对采集到的历史数据做智能处理和分析，并对未来可能发生的故障做出预测分析。
为了深度挖掘DCIM系统产生的海量数据，可以通过机器学习领域经典算法的实现，如聚类、分类、推荐过滤、频繁子项挖掘等发现数据的相关性和规律。其中Mahout是最知名的基于Hadoop之上的分布式数据挖掘和机器学习工具。
同时在数据处理的基础之上，可以采用第三方的报表服务引擎来提供增强的基础设施资产信息和动态数据的可视化分析。
对于冷却系统的考虑，比如优化动态冷却系统，可以让数据中心运维人员使用更有效的、下一代分析和规划工具来动态管理他们的冷却基础设施，并优化设备性能和可靠性。要想创造一个更“冷”的2018年，业界人士需要从一个更智能的冷却解决方案开始。
