CobiNet(寧波)推薦文章： [摘要] 9月27日，2016開(kāi)放數(shù)據(jù)中心峰會(huì)在北京國(guó)際會(huì)議中心如期舉行，本次峰會(huì)上，ZNV中興力維曹友盛博士就“力維在DCIM中的大數(shù)據(jù)布局”與在場(chǎng)嘉賓、觀眾分享了自己的看法與觀點(diǎn)。

9月27日，2016開(kāi)放數(shù)據(jù)中心峰會(huì)在北京國(guó)際會(huì)議中心如期舉行，吸引了百度、騰訊、施耐德、IBM等眾多行業(yè)精英、資深專家、企業(yè)大佬匯聚一堂。ZNV中興力維作為數(shù)據(jù)中心領(lǐng)域的佼佼者，受邀攜新一代智慧數(shù)據(jù)中心綜合管理解決方案(下稱 維統(tǒng)管 )華麗亮相，現(xiàn)場(chǎng)展示受到觀眾的熱烈圍觀和稱贊。本次峰會(huì)上，ZNV中興力維曹友盛博士就 力維在DCIM中的大數(shù)據(jù)布局 與在場(chǎng)嘉賓、觀眾分享了自己的看法與觀點(diǎn)。

ODCC峰會(huì)現(xiàn)場(chǎng)?

如何將IDC的數(shù)據(jù)轉(zhuǎn)為核心競(jìng)爭(zhēng)力

通常，DCIM是指數(shù)據(jù)中心基礎(chǔ)設(shè)施管理。但在力維看來(lái)，對(duì)于一個(gè)數(shù)據(jù)中心來(lái)說(shuō)，它的意義遠(yuǎn)遠(yuǎn)不只是對(duì)于基礎(chǔ)設(shè)施的管理。

雖然今天大家都在談大數(shù)據(jù)，許多企業(yè)也懂得如何產(chǎn)生數(shù)據(jù)，但是知道如何保存數(shù)據(jù)和利用數(shù)據(jù)的企業(yè)卻非常少。而Google是一個(gè)既會(huì)產(chǎn)生數(shù)據(jù)，又會(huì)使用數(shù)據(jù)的公司。谷歌最擅長(zhǎng)的是使得數(shù)據(jù)成為他們的核心競(jìng)爭(zhēng)力，谷歌所有的產(chǎn)品，最初的目的只有一個(gè)就是產(chǎn)生數(shù)據(jù)。

當(dāng)因特網(wǎng)的末端設(shè)備被智能化后，當(dāng)數(shù)據(jù)中心被物聯(lián)網(wǎng)化后，數(shù)據(jù)中心每天所產(chǎn)生的數(shù)據(jù)將以指數(shù)形式高速增長(zhǎng)。數(shù)據(jù)中心運(yùn)營(yíng)者在優(yōu)化及規(guī)劃現(xiàn)有設(shè)施擴(kuò)展的過(guò)程中，如何更好地運(yùn)用系統(tǒng)里的數(shù)據(jù)采集量、多樣性、預(yù)測(cè)性的價(jià)值和真實(shí)性，分析的能力和速度將變得尤為重要。因此，對(duì)IDC數(shù)據(jù)的理解還突顯了IBM對(duì)大數(shù)據(jù)的五個(gè)定義：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值)、Veracity(真實(shí))。

而力維對(duì)DCIM的認(rèn)識(shí)從最初的 基礎(chǔ)設(shè)施管理 到 綜合管理 ，又進(jìn)一步向前推進(jìn)到： 基于大數(shù)據(jù)概念的IDC綜合解決方案。

ZNV中興力維CTO曹友盛博士在演講

IDC數(shù)據(jù)存在的難題與挑戰(zhàn)

Volume(海量)：目前的感知設(shè)備不夠多，智能化還只是剛剛開(kāi)始，對(duì)于數(shù)據(jù)采集的密度不夠，視頻數(shù)據(jù)的采集也相對(duì)缺乏，數(shù)據(jù)流能力的設(shè)計(jì)存在瓶頸。

Velocity(高速)：對(duì)于百億級(jí)數(shù)據(jù)查詢的速度，報(bào)表分析的深度，統(tǒng)計(jì)的維度，在線分析的缺乏，3D組態(tài)的呈現(xiàn)速度。

Variety(多樣)：缺乏多維數(shù)據(jù)間的相關(guān)性分析，數(shù)據(jù)呈現(xiàn)孤島性，溫濕度、電壓、電流、影像、GIS、氣體、時(shí)間之間的聯(lián)系和相關(guān)性缺乏。

Value(價(jià)值)：IDC數(shù)據(jù)對(duì)于IDC經(jīng)營(yíng)者的價(jià)值在哪里? IDC經(jīng)營(yíng)者要改善IDC的運(yùn)營(yíng)成本、設(shè)備的使用率和出租率，如何做到高效、節(jié)能、省心、省錢(qián)、安全。

Veracity(真實(shí)性)：IDC普遍存在的誤告警、漏告警、事件誤判、報(bào)表的真實(shí)性，對(duì)PUE的誤解。

ZNV中興力維展臺(tái)

什么才是聰明的解決方案

力維認(rèn)為可以提升5個(gè)V在DCIM中的應(yīng)用。Volume(海量)：增加感知設(shè)備布點(diǎn)，增加數(shù)據(jù)采集密度，關(guān)鍵設(shè)備全生命周期事件記錄SOE，動(dòng)環(huán)數(shù)據(jù)流能力設(shè)計(jì);Velocity(高速)：大數(shù)據(jù)引擎Hadoop-Spark, Kafka、HBase、高速讀寫(xiě)、高速查詢、高速統(tǒng)計(jì);Variety(多樣)：歷史數(shù)據(jù)累積，數(shù)據(jù)整理、清洗，對(duì)時(shí)、多維數(shù)據(jù)相關(guān)性分析;Value(價(jià)值)：IDC數(shù)據(jù)的價(jià)值在于讓IDC經(jīng)營(yíng)者能高效、安全、省心、省錢(qián);Veracity(真實(shí)性)：真實(shí)性是IDC數(shù)據(jù)需要通過(guò)時(shí)間來(lái)考考核的，Google通過(guò)了兩年的時(shí)間，證明了DeepMind 能為它的IDC省下40%能耗。

針對(duì)數(shù)據(jù)流能力設(shè)計(jì)方面，力維的DCIM整體架構(gòu)可以分為數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)引擎、數(shù)據(jù)接入層、數(shù)據(jù)匯聚層。力維的 維統(tǒng)管 不僅能實(shí)現(xiàn)數(shù)據(jù)的處理、分析、挖掘、共享、深度學(xué)習(xí)，還能夠接入?yún)R聚各種協(xié)議、海量數(shù)據(jù)(百億條數(shù)據(jù))，即便每天100萬(wàn)個(gè)檢測(cè)點(diǎn)產(chǎn)生6TB的數(shù)據(jù)、168億條數(shù)據(jù)。值得一提的是，維統(tǒng)管還可以實(shí)現(xiàn)高密度采集數(shù)據(jù)，100萬(wàn)個(gè)測(cè)點(diǎn)， 每5秒采集一次，一條測(cè)點(diǎn)數(shù)據(jù)是200B來(lái)計(jì)算，每天產(chǎn)生采集數(shù)據(jù)168億條。

現(xiàn)場(chǎng)觀眾與力維展臺(tái)工作人員交流中

力維的大數(shù)據(jù)規(guī)劃

第一層是做到響應(yīng)型分析：收集數(shù)據(jù)，報(bào)表統(tǒng)計(jì)，高速查詢。即一個(gè)百萬(wàn)測(cè)點(diǎn)的IDC，每天可產(chǎn)生6TB的數(shù)據(jù)，需要一個(gè)NoSQL的高速數(shù)據(jù)存儲(chǔ), 年統(tǒng)計(jì)報(bào)表的變量可以在百萬(wàn)個(gè)以上，用SQL數(shù)據(jù)庫(kù)是無(wú)法統(tǒng)計(jì)出來(lái)的。NoSQL技術(shù)可以實(shí)現(xiàn)百萬(wàn)變量統(tǒng)計(jì)報(bào)表 2秒。

第二層是診斷型分析趨勢(shì)：報(bào)警產(chǎn)生的根源是什么?通過(guò)多維數(shù)據(jù)的時(shí)間關(guān)系深度分析，才能找到根源。趨勢(shì)分析：在溫度上升過(guò)程中的趨勢(shì)可以是線性、拋物、冪函數(shù)、指數(shù)型的。

第三層是預(yù)測(cè)模型：預(yù)測(cè)型分析已經(jīng)進(jìn)入到下一代數(shù)據(jù)分析的頂尖層次，很多時(shí)候是需要人工智能給我們一些真正的建議，利用存儲(chǔ)Alluxio上的預(yù)測(cè)模型作為參考，對(duì)采集數(shù)據(jù)做快速在線分析和預(yù)測(cè)，而這些模型來(lái)自力維云計(jì)算中的深度細(xì)化、深度學(xué)習(xí)。

第四層是認(rèn)知轉(zhuǎn)換：認(rèn)知計(jì)算是大數(shù)據(jù)的最高層次?？赏ㄟ^(guò)提取來(lái)自工作流程、事件背景和環(huán)境的實(shí)時(shí)信息，幫助IDC經(jīng)營(yíng)者增強(qiáng)預(yù)測(cè)和決策能力，給業(yè)務(wù)帶來(lái)更大的確定性，從而持續(xù)改進(jìn)自身的業(yè)務(wù)流程，使IDC運(yùn)營(yíng)更加穩(wěn)健。另外，認(rèn)知計(jì)算可以幫助IDC從大量數(shù)據(jù)中發(fā)掘洞察，揭示以往傳統(tǒng)方法無(wú)法發(fā)現(xiàn)的模式和機(jī)會(huì)，來(lái)提高重要研究的成功機(jī)率。

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領(lǐng)域產(chǎn)品研發(fā)生產(chǎn)超五類，六類,七類屏蔽網(wǎng)線/屏蔽模塊及相關(guān)模塊配件, 我們是萬(wàn)兆屏蔽模塊，10G屏蔽模塊，屏蔽線生產(chǎn)廠家。

歡迎來(lái)電咨詢0574 88168918,郵箱sales@cobinet.cn，網(wǎng)址www.10166888.com