《2020数据中心行业六大发展趋势》
本文是数据中心方面毕业论文开题报告范文与数据中心方面论文范文素材.
行业数字化转型在加速,新技术的普及与应用在推动,企业与社会也在反思如何才能通过绿色、低碳的发展来与自然和谐共生.这些都会对数据中心行业的发展带来积极的促进,施耐德电气认为2020 年数据中心将迎来以下六大行业发展趋势：
趋势一：位于本地的边缘云计算
围绕着将数据中心云扩展到“本地边缘”,也就是将云服务业务下沉和扩展到更接近最终用户,人们进行了大量的猜测和承诺.这些超大规模数据中心的较小版本可以提高速度,降低成本,并允许企业将数据保存在本地,从而更好地控制这些信息.这个想法是允许企业在本地运行类似的IT 基础设施,以提高其混合云系统的一致性.最终目标是使企业能够在其现有系统和云系统中使用相同的工具、API、硬件和功能,以创建一致的混合云用户体验.
从国际市场,我们可以看出这一趋势,微软推出的Azure 堆栈虽然有一段时间了,但是仍然非常昂贵,因此,微软将推出更具有性价比的Azure 解决方案.亚马逊的Outpost 在2019 年底也正式上线,谷歌的Anthos 将紧随其后.2020年将是验证和现场测试的一年,但这将是一个正确的方向.
趋势二：下一代电信技术（5G）和IT 数据中心架构的融合
随着当今的互联社会和高带宽技术——视频、浸入式体验（AR/VR）、触觉等需求的快速发展,这就要求本地的数据架构能够实现这些需求.5G 将按照小集群进行部署,每个5G基站将是一个移动的边缘计算（Mobile EdgeComputing）数据中心,想象一下,在每个4G基站相同的区域量,需要部署大约4个新的MEC 数据中心.这将是一个巨大的挑战,首先如何证明投资回报率ROI 的合理性,然后为这些移动数据中心寻找部署的空间（比如：建筑物的顶部,停车场,地下室）.在这些地方部署数据中心的成本并不便宜,而且如何实施安防措施也是值得商榷的.
与此同时,云提供商也不断在透露他们的意图,即在本地部署云堆栈——他们之间的部署策略也非常相似.此外,对云计算新的需求和驱动力,即降低时延,与5G 对移动用户所做出的承诺是相一致的,这就使得移动数据中心将自然而然地成为云服务和移动服务可能的交汇点.
最后,5G 本质上是一种软件设计的技术,并试图在标准IT 服务器上运行,因此,我们很有可能看到移动数据中心提供本地云服务,以及运行5G 的应用.
趋势三：边缘计算消耗的能源成本可能是巨大的
施耐德电气预测下一代的电信技术（5G）和本地边缘云的发展将推动边缘数据中心的大规模建设.如果我们使用5G 所需的本地移动数据中心作为依据,可以计算对能源和碳排放的影响.业务前瞻就规模而言,2G/3G/4G 的全球覆盖率很高,世界上约有500 万个电信基站,平均功率在6 千瓦左右,在通讯高峰期可能达到8-10 千瓦.也就是全球的总峰值功率在50GW 左右.很不幸的是,绝大多数的这些基站都不是在考虑能源效率优化的情况下设计的.它们的PUE 大约为1.5（输入功率/ 电信（IT）负载的功率）,这意味着大约一半的功率被浪费掉了.当规模部署的时候,被浪费的功率将不断叠加,也就是要乘以部署基站的数量.
以国内某运营商5G 建设的真实数字为例：增加10万个5G 基站站点,平均每个站点的功率在10 个千瓦,所以,总的功率是1GW.PUE 值按照1.5 计算,每年能耗的成本为105亿人民币（假设电费为0.8 元）和每年将排放930万吨二氧化碳.但是,如果这些基站能够按照高能效进行设计的话,假设PUE 为1.1,每年的能耗成本为77 亿人民币,每年将排放680 万吨二氧化碳.
能源成本和控制碳排放将是电信公司未来必须考量的关键考虑.施耐德电气预计,液冷和基于云的管理系统等标准化和创新解决方案将成为重点.
趋势四：基于云的预测性数据中心管理日渐成熟
施耐德电气认为,过去几年,随着新一代的软件开发开始采用基于云的架构,模块化的设计以及采用大数据分析和机器学习（MachineLearning）等人工智能技術为手段,可以实现边成长边部署,简化了安装和设置,能够自动升级,采用APP 和基于浏览器进行远程管理,从而可以对IT 基础设施环境的关键数据进行采集、存储、分析和云端可视化,以及采用记分卡的形式来预测数据中心故障,随时随地都可以关注数据中心的健康状态,并指导运维人员进行预测性维护,未来将是以软件即服务（SaaS）形式来提供这些功能.
这将成为传统数据中心和站点众多的边缘数据中心最有效的运维管理工具,可以解决运维人员短缺等问题.
趋势五：用于人工智能学习的普适性计算机架
我们希望计算机通过使用神经网络模型开始自己学习事物,该模型模仿人类大脑的工作方式.比如,我们的医疗健康行业正在通过使用机器来缩短诊断和治疗疾病所需要的时间.一旦机器拥有了算法和所需要的输入,我们不需要非常强大的计算机就可以实现用于推理的人工智能.
但是,用于人工智能或培训人工智能的计算机,必须使用强大的处理器（CPU 和GPU）,可以产生20 千瓦,30 千瓦,或高达50 千瓦的热量.这些热量是低品质的,在绝大多数情况下,不太可能使用现有的比较主流的冷却方式进行冷却.因此,施耐德电气认为,2020 年各种类型的数据中心——云、托管和企业级,都需要部署专门用于人工智能学习的普适性计算机架.冷却这些机架最好的冷却方法是某种形式的液冷——浸没式或冷板式.这些普适性的机架不需要通道封闭,或按照机柜排或微模块的方式进行摆放.当然,目前来看需求的数量有限,随着模型的不断开发,平时这些机架将处于休眠模式直至有需求而被唤醒.
趋势六：采用特殊用途集成电路的数据中心将规模化
特殊用途的集成电路（ASIC - applicationspecificintegrated circuit）是为特殊用途而的集成电路,而不是用于一般的用途.人工智能以及数字分类账户应用（区块链）在采用了特殊用途的集成电路后,与采用通用芯片比较起来运算的速度要快得多,而且更高效.我们将看到一些不是主流GPU 和CPU 开发的公司随着特殊应用芯片数据中心的规模化而出现在市场上.
综上所述:本文是一篇关于数据中心方面的数据中心论文题目、论文提纲、数据中心论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
数据中心引用文献:
[1] 数据中心论文范文 关于数据中心方面毕业论文题目范文5000字
[2] 数据中心论文范文 关于数据中心论文例文2万字
[3] 数据中心论文范文检索 数据中心类有关论文范文素材2500字
