大數據持續(xù)影響全球的大規(guī)模企業(yè)和行業(yè)用戶。它已經改變了金融服務，醫(yī)療保健，零售和制造業(yè)以及其他業(yè)務決策的方式。然而，可能較少檢查其對數據中心行業(yè)的影響。隨著越來越多的數據被創(chuàng)建，存儲和分析，將需要更多的服務器。在何處以及如何存儲和管理這些服務器以繼續(xù)保持正常運行，并實現高性能操作是重要的考慮因素。隨著大數據業(yè)務的增長和更多服務器的需求，物理空間和可用的可靠電力也將增加。
雖然云的發(fā)展如火如荼，但我們應該記住云實際上只是其他人的服務器空間，所以需要服從相同的電源和連接需求。因此，無論企業(yè)內部，主機托管數據中心還是云中都存在大數據操作，IT運營商必須確保其今天和未來滿足其基礎架構需求。
以下是運行大數據的一些關鍵數據中心基礎架構注意事項：
1.物理空間
無論服務器在主機托管設施中，還是云中部署，服務器都需要物理空間。隨著數據中心越來越接近人口中心，因為空間的稀缺性，它正成為大數據運營和增長的限制因素。
當涉及到增長潛力時，不僅要認識到數據中心提供商的經營穩(wěn)定性，還要能夠獲得空間，這樣靈活的基礎設施才可實現可擴展性和滿足部署速度。
2.電力
據悉，如今每天產生2.5萬億字節(jié)的數據，全球90％的數據都是在過去兩年中創(chuàng)建的。這一速度反映在數據中心的增長中。根據JLL 2017年數據中心展望報告，美國用電量達到了創(chuàng)紀錄的357.85兆瓦--JLL稱為“全球數據中心使用率仍然猖獗的勢頭”的延續(xù)。除了整體功耗之外，每臺服務器的功率密度也在增加。不久前，每機架2kW是典型的；現在，這幾乎不可能，???????個機架需要30或40kW的密度。
隨著企業(yè)及其IT基礎架構規(guī)劃的發(fā)展，還必須確保你的數據中心可以使用有效電力，因為并非所有電網都可以按需提供MW。數據中心還必須能夠冷卻高密度機架，這是相對較新的行業(yè)要求。如果你的企業(yè)重視數據中心的可持續(xù)性，另一個重要考慮是確保你的提供商提供先進的冷卻技術，以降低功耗和整體碳消耗。
3.正常運行
對大數據運行的期望必須是“永遠在線”。當“兩分鐘太晚”是大數據的工作方式時，基礎設施的基本要求是100％的正常運行時間。在數據中心環(huán)境中，通過冗余設計都可實現正常運行。發(fā)生故障時，發(fā)電機和瞬時開關能接替當地基礎設施的電力供應。100%正常運行時間是可以實現的，但風險依然存在。雖然額外的冗余可以通過額外的發(fā)電機和瞬時開關構建，但這些往往會以高昂的成本留給最終用戶。
減少停機風險的新趨勢來自使用人工智能（AI）和機器學習，以保持最佳性能的運營。Google在2014年首次利用人工智能追蹤變量并計算其數據中心的最高效率。其他大規(guī)模數據中心也使用人工智能和機器學習來降低數據中心停機風險。AI融入托管生態(tài)系統(tǒng)旨在與現有員工一起工作，將人員和技術相結合。數據中心現在可以利用由數據中心技術人員進行培訓????機器學習傳感器和人工智能角色來確定可能發(fā)生故障的指標。
如果你的企業(yè)正在啟動或擴展大數據計劃，那么保持房地產，電力和正常運行時間的首要考慮是明智的。無論大數據業(yè)務是最終在本地，托管數據中心還是云中，靈活性，可擴展性，可持續(xù)性和可靠性的基礎架構都可確保其成功。
