摘要:數據中心的一切都成為了虛擬資源,可以按需分配,自動調配。以上從特定的角度,介紹了數據中心的進化史。數據中心還將在不斷成長的過程中,其中的技術也在不斷完善之中。未來,我們將更加需要數據中心,我們的工作和生活將越來越離不開數據中心。
數據中心概念產生于20世紀50年代末,跟隨著計算機技術的進步發(fā)展起來,在60年代初出現了一些數據處理系統,這是數據中心最早的雛形,那時最多稱為數據機房,還談不上是數據中心。數據中心是信息系統的中心,通過網絡向企業(yè)或者公眾提供信息服務,60年代的數據中心還只能靠幾臺大型主機完成本地數據計算,不僅不能做分布式運算,也無法對外提供服務。直到近三十年,計算和網絡技術已得到突飛猛進進步,建造大量的數據處理中心成為可能,這時才是真正意義上的數據中心。
如今,一提到數據中心,自然腦海里會浮現出一片場景:在一棟棟外表簡陋,幾近封閉的建筑物里,包含有很多個獨立的機房,每個機房里排放著一排排整齊的機柜,機柜里擺放著各種功能的設備,設備之間通過無數的線纜進行連接,這些互聯的設備都在高速運轉著,其中流動著的就是各種海量數據。比如淘寶、京東商城、百度搜索、微信、頭條等等,都是依托這些數據中心,向外提供網絡業(yè)務服務的,互聯網行業(yè)的進步帶動了數據中心的高速發(fā)展。數據中心內部設計整齊劃一,全部有參考的國內和國際設計標準,這使得當你參觀完了一家數據中心后,就不用再去看別家了。因為設計上幾乎都是一樣的,否則就是不符合標準,自然也不能在運營上達到最佳的性價比。有些小型數據中心、樓房豎井里的機房、臨時搭建的數據中心可能不會參照標準來設計,但大型數據中心必須按照標準設計,這樣才能不會隨著規(guī)模的擴大而無法管理和運維。
數據中心有再多的服務器,再大的網絡規(guī)模,空有一個花架子肯定不行,要讓這些放在機柜里的設備都運轉起來,加快線纜中數據的流動,才能有錢賺。早期的數據中心,要靠規(guī)模制勝,通過不斷增加數據中心里服務器的數量,來提升數據處理性能,通過將更多的服務器加入到一個計算集群中,同時工作才提升數據處理效率,曾經有相當一段時間,各家的數據中心去比拼誰的數據中心規(guī)模大,以便能吸引到更多的客戶使用數據中心的業(yè)務。但這樣發(fā)展一段時間后,發(fā)現了問題,并不是服務器越多處理的數據越多,效率越高,當服務器增加到一定程度,服務器之間交互的中間數據逐漸增多,需要管理的服務器數量增多,這增加了計算的復雜性,帶來的就是運維管理上的困難,尤其當故障來臨,分析和排除起來變得很困難。綜合這些情況,數據中心后來的發(fā)展不再刻意去強調規(guī)模,要建設與自己業(yè)務相匹配的數據中心,靠優(yōu)質取勝,而不是靠規(guī)模取勝。
一旦數據中心放緩了擴張的腳步,就要將精力花在修煉自家內功上,不斷提升數據中心的盈利水平,絕大多數的數據中心還是要靠售賣計算服務收錢的,這就要提升單位面積內的計算能力,修煉內功。眾所周知,數據中心要運轉起來,除了供電、空調、布線這些外圍系統,最為關鍵的還是要靠服務器、網絡和存儲三大件組合運轉起來,才能開張賺錢。在規(guī)模增長放緩情況下,硬件性能不提升的情況下,就需要優(yōu)化結構,提升軟件執(zhí)行效率,滿足部署更多業(yè)務。像服務器和網絡的虛擬化技術,可以提升設備的使用率,避免設備長期處于低速運轉狀態(tài),造成性能的極大浪費,像服務器CPU多核技術,網絡MPLS技術、靈活QINQ技術等等,通過提升軟件的執(zhí)行效率,還提高整個數據中心的數據能力。在數據中心的行當里,有專門的第三方做網優(yōu)的服務企業(yè),有解決方案的企業(yè),它們的加入可以讓數據中心更高效地運行,但這些企業(yè)只給軟件優(yōu)化方案,并不售賣硬件設備。數據中心進入到了一個由硬件到軟件轉變的時代,軟件發(fā)揮的作用越來越大。
雖然軟件的作用在增加,但數據中心此時依然還是一個靠硬件設備打天下的市場,直到有一天“軟件定義”出現了,軟件定義網絡,定義存儲,定義數據中心,定義一切。軟件定義的本質是將數據中心推向了虛擬化的世界,這已經不是簡單的硬件轉變到軟件的時代,而是虛無時代的來臨。數據中心的一切都成為了虛擬資源,可以按需分配,自動調配。這些資源與硬件設備早已松耦合,沒有完整的一對一關系,虛擬資源可以來自處在世界任一個角落的數據中心里,如此飄渺卻又是真實地存在著。數據中心只要管好這些虛擬資源,然后按照業(yè)務要求去分配資源就好了,極大地減少了運維成本,一個偌大的數據中心,甚至在全球擁有數十個大型數據中心,做運維的管理人也許只要十幾個,人力成本降低。同時,業(yè)務的部署變得輕松且簡單,只要點點鼠標就可以完成,設備的版本不用升級,由控制器定期推送最新的即可,選定指定時間,將設備上的業(yè)務切到其它設備上,自動完成版本升級,一切都變得簡單易做。當然,云數據中心就符合這樣的實現,只不過現在的云數據中心只能部分的實現,還沒有完全達到“軟件定義”的目標。
以上從特定的角度,介紹了數據中心的進化史。數據中心從無到有,從硬到軟,從實到虛,經過這近七十年的發(fā)展,已發(fā)生了翻天覆地變化,已從出生嬰兒成長成了青壯年,這個世界賦予了數據中心更多的責任和重擔,需要數據中心完成更多的信息數據處理,而現在就是最好的時代。數據中心還將在不斷成長的過程中,其中的技術也在不斷完善之中。未來,我們將更加需要數據中心,我們的工作和生活將越來越離不開數據中心。(作者:harbor )
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規(guī)行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://m.specialneedsforspecialkids.com/yun/5072.html
摘要:友盟朋新宇在開場演講中,友盟朋新宇表示,在數據化智能化的今天,進化是一種態(tài)度,更是一種選擇。在朋新宇看來,數據加工有三大過程過程第一層是采集,友盟技術平臺每天能夠支撐萬億級的采集能力。 10月16日,友盟+主辦的2018UBDC全域大數據峰會在北京舉辦。峰會以DI·進化為主題——8小時,10余家黑科技企業(yè),超40位國內頂級專家主題分享,近3500位數據從業(yè)者共同見證,旨在讓更多企業(yè)會用...
摘要:通過在中結合進化算法執(zhí)行架構搜索,谷歌開發(fā)出了當前較佳的圖像分類模型。本文是谷歌對該神經網絡架構搜索算法的技術解讀,其中涉及兩篇論文,分別是和。此外,谷歌還使用其新型芯片來擴大計算規(guī)模。 通過在 AutoML 中結合進化算法執(zhí)行架構搜索,谷歌開發(fā)出了當前較佳的圖像分類模型 AmoebaNet。本文是谷歌對該神經網絡架構搜索算法的技術解讀,其中涉及兩篇論文,分別是《Large-Scale Ev...
摘要:摘要本文主要講了神經進化是深度學習的未來,以及如何用進化計算方法優(yōu)化深度學習。揭示了神經進化的突破性研究深度學習的大部分取決于網絡的規(guī)模和復雜性。在這三個例子中,使用神經進化成功地超越了最先進的基準。 摘要: 本文主要講了神經進化是深度學習的未來,以及如何用進化計算方法(EC)優(yōu)化深度學習(DL)。 過去幾年時間里,我們有一個完整的團隊致力于人工智能研究和實驗。該團隊專注于開發(fā)新的進化...
閱讀 1864·2023-04-25 23:28
閱讀 572·2023-04-25 22:49
閱讀 2253·2021-09-27 13:34
閱讀 5210·2021-09-22 15:09
閱讀 3615·2019-08-30 12:52
閱讀 2746·2019-08-29 15:26
閱讀 664·2019-08-29 11:12
閱讀 2198·2019-08-26 12:24