改变数据中心面貌的5大数据挑战

改变数据中心面貌的5大数据挑战

数据显然不再是以往的样子。作为数字化转型的一部分，各种组织正在寻找数据的新用途。从飞机引擎的数据到杂货店的消费数据，每个行业都有大量的例子，数据成为企业竞争优势的关键所在。人们将这些数据称之为新数据，这与人们最熟悉的财务和ERP数据截然不同。

(2)数据规模正在推动数据中心的自动化发展：大型云提供商的规模已经十分庞大，他们必须在自动化和智能化方面投入大量资金来管理基础设施。任何人工管理在其运营规模上成本高昂。

新的边缘计算环境将推动计算基础架构各个方面的根本性变革：从CPU到GPU甚至MPU(微处理单元)，从低功耗的小型闪存存储到物联网(IoT)网络和协议，不需要宝贵的IP地址。

以下来看不同的数据采集例子。在生物信息学领域，数据在源头上得到爆炸式增长。在X光检查乳腺癌的情况下，拍摄这些图像的系统正在从二维图像转变成三维图像。二维图像需要大约20MB的容量来存储，而三维图像则需要多达3GB的存储容量，这意味着存储这些图像所需的容量增加了150倍。不幸的是，大多数存储二维图像的数字存储系统根本无法经济有效地存储三维图像。以往的存储系统被大数据库取代才能使数据蓬勃发展。

另外，组织希望对这些图像执行的处理类型是基于机器学习的，并且比以前任何类型的图像处理计算强大得多。最重要的是，为了进行机器学习，研究人员必须汇集大量的图像进行处理才能有效。处理这些图像意味着要跨组织来移动或共享图像，这些图像需要从源头获取数据，保存在可访问的表单中(不是磁带上)，聚合成大型图像库，然后用于大规模的机器学习分析。

图像可能以原始形式存储，但元数据通常在源头添加。另外，可以在源头完成一些处理以实现“信噪比”的最大化。可以支持这些图像的最终架构的特点是：(1)在源头存储数据。(2)将数据复制到共享存储库(通常在公共云中)。(3)从共享的存储库处理资源以分析和处理数据。(4)采用网络连接以便结果可以返回给研究人员。这个新的工作流程正在推动包含多个存储位置的数据架构发展，并根据需要移动数据并在多个位置进行处理。

对于制造行业的物联网用例，这种数据架构的变化更加剧烈。例如，在西部数据公司，人们从全球各地的机器收集数据。这些数据被发送到一个存储在三个位置预期用途的环境中。人们称之为“数据蓬勃发展的环境”。大数据集需要共享，不仅用于协同处理，还要汇总用于机器学习，还要在云端之间进行分离，以便进行计算和分析。以数据中心为中心的架构解决大数据存储问题并不是一个好方法。为了从未来的大数据集获得最大的价值，需要采用一种边缘到核心的架构，并与混合云体系结构相结合。

如果需要小编每天的发文资料，请私信小编即可！（今天可附上大数据资料）或关注添加my网盘：一吻红唇渡落魂

提问/互动请留言，可直接在最底右下方"写留言即可"

如果觉得写得不错请点击“订阅”，每天更新全新的内容！

你们的喜欢和关注就是我最大的动力支撑！！！