提高数据中心效率需要透明管理

简介:

如今,数据中心用户广泛采用行业厂商所提供的技术与工具,如DCIM(数据中心基础设施管理),DCSO(数据中心服务优化),智能电源管理,以及自我感知UPS功能等工具。可以对数据中心基础设施提供真正的体会,或自主操作足以使数据中心管理者不必跟踪其活动的每一秒。

与此同时,企业软件和存储巨头提供了功能强大的管理控制台,他们表示可以跟踪数据中心的每一个设备和每个数据。不幸的是,这是不够的。而十多年前,数据中心管理水平远远高于这些工具,因为很多这些工具,要么其水平太肤浅,要不就是没有流行,尚未被使用。

数据中心设计的一个主要盲点往往是电力链。毫无疑问,数据中心行业正在朝着正确的方向发展,大多数欧洲国家的数据中心的PUE(能源使用效率)达到了1.2的水平,随着云计算的广泛应用,以及应用程序正在实施优化工作。然而,数据中心的电力输入往往被忽视。

  伊顿PowerXpert9395 UPS

在现实中,大多数数据中心没有足够的知名度,当涉及到不只是电力功耗,而其电力供应,粒度水平真的需要处于最佳状态。大多数数据中心设施运行在三相电的电力系统中,但却看不到在给定时刻组件的状态。

这是一个问题,因为它可能会导致电力系统不平衡:系统管理器可能会面临负载过载的现象,而系统的另一部分有可能处于空载。这并不是理想的电力平衡状态,没有达到最大的效用,并降低成本。这也意味着,数据中心运营商不能真正充分掌握环境的状态。这会导致影响成本预算和工作效率,而遇到真正的问题时,例如电源中断,即不合理的电源负载分配会导致设备损伤,并使恢复全面的客户服务延迟。

为了避免这种情况,电力专业人员需要的是一个更好的方法进行自动化操作推导出更全面,更细致的整个数据中心的状况。数据中心的管理人员需要能够得到一个可以运行在任何一个时间的完整的视图系统,并帮助他们的企业客户通过他们云连接的智能手机在电网应用的一端进行监控。

这样会有什么帮助呢?数据中心的管理人员需要在任何时候通过网络了解他们所有的设备的物理状态。实现这一目标的理想方法是有一个系统,它能够告诉你何时需要进行负载放置的变化。数据中心技术前进的道路并不一定是自我感知系统,但可以肯定的是,数据中心管理者将对自我感知进行大规模投资。

该行业已经在这个方向移动,但数据中心操作的各个方面仍有需求,需要更准确,更完整的有关信息。这是一个数据中心行业需要思考的东西,因为任何工程师都会告诉你,无论是采用数字或者测量的方法,对数据中心管理也可能是不充分的。

因此,可以安全地说,全自动化的数据中心即将到来,是的,这是必要的。数据中心不能完全透明管理,直到大约整个IT堆栈信息可以被精确地测量,分析,并且以更完整规模的利用。





====================================分割线================================


本文转自d1net(转载)

目录
相关文章
|
1月前
|
机器学习/深度学习 存储 大数据
利用机器学习优化数据中心的能效管理
【2月更文挑战第17天】 在数据中心的运营过程中,能效管理是维持可持续性和成本效益的关键。本文探讨了一种基于机器学习的方法来优化数据中心的能源使用效率。通过分析历史能耗数据和实时工作负载信息,构建了一个预测模型来指导冷却系统的动态调整,以减少不必要的能源消耗。实验结果表明,该方法能够有效降低能耗,同时保证数据中心的性能和可靠性。
22 2
|
11月前
|
存储 监控 网络协议
「数据中心」数据中心脊页架构:数据中心结构管理、自动化和总结
「数据中心」数据中心脊页架构:数据中心结构管理、自动化和总结
|
存储 资源调度 Kubernetes
新书自荐《深入集群:大型数据中心资源调度与管理》
深入集群 大型数据中心资源调度与管理,已经第2版了(2021-10月)。之前在ata和百晓生发布了新书自荐,这次同步到社区。
593 1
新书自荐《深入集群:大型数据中心资源调度与管理》
|
运维 调度 数据中心
如何推进IT运维数据中心问题管理
在数据中心的管理中,问题管理通常因为没有事件管理、变更管理那么直接影响服务的可用性而被忽视,使得遗留下来的问题没有被及时解决,也会导致事件的重复发生,从而降低系统和服务的整体可用性
135 0
如何推进IT运维数据中心问题管理
|
机器学习/深度学习 人工智能 算法
机器学习如何改变数据中心管理
数据中心运营商在利用人工智能和机器学习方面有很多选择,而且随着技术变得更加实惠和先进,将会有更多选择。美好的未来就在眼前。
机器学习如何改变数据中心管理
|
机器学习/深度学习 数据采集 人工智能
人工智能如何解决数据中心的工作负载管理难题
随着数据中心工作负载量呈螺旋式增长,越来越多的企业开始寻求采用人工智能技术帮助他们减轻IT团队的管理负担,同时提高效率,并削减开支。
293 0
|
机器学习/深度学习 数据采集 人工智能
人工智能如何解决数据中心的工作负载管理难题
人工智能如今为实现数据中心的基本管理任务自动化做好了准备。但是,数据中心管理人员准备好从人工管理过渡到机器管理了吗?
347 0
人工智能如何解决数据中心的工作负载管理难题
|
监控 数据中心 存储
数据中心的智能化管理
数据是当今企业最重要的商品之一。无论企业是专门处理和销售还是只是使用,数据都是王道。世邦魏理仕最近的一项研究表明,欧洲的数据中心市场仍在蓬勃发展,企业租赁的数据中心容量又创历史新高。但是为了满足数据增长的需求,数据中心正在不得不采用更多的服务器、机架和硬件,而这些硬件越来越难以监控。
1061 0