5月31日專稿（蔣均牧）中國數據中心市場在規(guī)模不斷擴大的同時，正由野蠻生長邁向精耕細作，對運維管理的重視度與日俱增。另一方面，傳統(tǒng)行業(yè)的數字化轉型、物聯網在工業(yè)領域的應用將帶來遠超以往的數據量，這也對數據中心的運維管理提出了更高的要求。
ZNV中興力維4月下旬發(fā)布了最新一版的智慧數據中心綜合管理系統(tǒng)——維統(tǒng)管2.1。與傳統(tǒng)數據中心基礎設施管理系統(tǒng)（DCIM）相比，其最主要差別就在于創(chuàng)新性地引入大數據技術，以此來打破數據庫桎梏、支持秒級的高密度數據采集，帶來更高效、更精準、更實時的管理，數據中心業(yè)主及運營者亦能藉此延展出更多新業(yè)務。
ZNV中興力維CTO曹友盛博士
“當DCIM遇上大數據，維統(tǒng)管2.1將為一路向前的數據中心產業(yè)加載更高速發(fā)展的引擎。”ZNV中興力維CTO曹友盛博士向C114表示。曹博士是圖像處理、信號傳輸方面的專家，尤其在大數據智能管理方面具有很深造詣。
他旗幟鮮明地指出，大數據的應用是數據中心智能化運維的基礎，同時亦符合產業(yè)由IT信息技術向DT數據技術發(fā)展的趨勢。維統(tǒng)管2.1是DCIM領域第一款也是唯一一款以大數據來驅動的產品，力維希望以此來解決數據中心現存的一些痛點、面向未來做好準備，帶來真正的價值。
第一家將大數據引入DCIM
隨著物理世界與數字世界融合進程不斷加快，越來越多企業(yè)將業(yè)務遷往云端，數據中心的地位不斷增強。以電信行業(yè)為例，在以NFV/SDN為代表的新一代網絡技術驅動下，未來的電信網絡將徹底轉型為“以數據中心為中心”的架構，所有的網絡功能和業(yè)務應用都將運行在云數據中心上。
與此同時，正如百年前電氣化進程帶來的發(fā)電量突飛猛進一般，人類邁向智能社會的進程中所產生的數據量亦呈幾何式增長，特別是當物聯網在工業(yè)領域的應用達到一定規(guī)模。IDC預計，未來全球數據總量的年復合增長率將達到50%，到2020年產生的數據量將超過40ZB，相當于地球上每個人產生5200GB的數據；還有廠商調研分析認為，到2025年全球產生并存儲的數據量將達到180ZB，相較2010年增長150倍。
“我們這個時代正從互聯網時代轉向物聯網時代，信息交互變?yōu)閿祿换ィ瑐鞲衅魅〈鷤鹘y(tǒng)面向個人的手機、電腦。力維認為，未來每年所產生的數據中將有80%以上來自物聯網，而工業(yè)物聯網所產生的數據量將遠遠大于消費者物聯網。”曹博士指出，這既為大數據的廣泛應用奠定了基礎，同時也將深刻影響并改變數據中心的運維管理模式，傳統(tǒng)的工具、手段逐漸難以為繼。
一方面，傳統(tǒng)DCIM受限于數據庫，無法存儲蜂擁而來的數據，采集到的數據量、反應的速度均不能盡如人意，由此作出的決策也缺乏足夠的真實性支撐；另一方面，大多數數據中心的預警、告警、檢測等運維功能彼此孤立，以往沒有手段將一個個“煙囪”中的數據進行比對，數據多樣性有限，帶來的價值也有限。
“現在的DCIM每小時采集一次數據，很難形成連續(xù)思維，要想真正了解數據中心，必須將采集密度加速到每秒——這意味著過去一年數據庫爆滿一次，現在每天就要爆滿十次。”維統(tǒng)管2.1將整套功能軟件架設在大數據技術框架上，一改以往“數據采集、傳輸、存儲到數據庫，有需求再調用”的流程，數據獲取、存取、搜索、分析都在大數據引擎中執(zhí)行，以事件流的形式來呈現，其作用相當于電腦的內存。
具體而言，采用維統(tǒng)管2.1，實時數據、報警上報只須1秒，并可及時發(fā)現、處理故障，數據采集每秒300萬；基于事件流驅動的規(guī)范化管理，可以大大縮短響應時間、操作員秒變專家，令效率提升50%以上；云端接入，支持專家遠程診斷，快速定位、處理問題；同時千億條數據秒級搜索的“快”，使得海量數據的實時分析成為可能。
從PUE值優(yōu)化看維統(tǒng)管2.1深層次價值
基于大數據引擎的維統(tǒng)管2.1賦予了DCIM新的意義，由此掀起了一場產業(yè)革命。除了在軟件架構、存儲密度、讀取速度、數據安全上有著天然的優(yōu)勢外，其更深層次的價值在于大數據的數據分析，包括響應型分析、實時數據診斷、海量預測分析與模型、認知轉換，進而找到有價值的、真實的結果。
“如果大數據不能真正產生價值，就只是趕時髦。”曹友盛這樣說道。他以數據中心PUE值優(yōu)化為例進一步向C114作出闡述——PUE值即數據中心總能耗除以IT設備能耗所得，越接近1.0越好。
PUE值現已成為衡量數據中心環(huán)境情況的最重要指標之一，廣受產業(yè)鏈各方關注。數據中心的PUE值受環(huán)境、設備使用量等各種因素綜合影響，每秒鐘都在變化；計算PUE值則要采集到所有的IT設備的實時用電量和IDC總用電量，再經過復雜的數據清洗后才能得出，計算量非常大。導致現有DCIM只能提供粗略的一段時間的平均值，無法實時、連續(xù)地將一個數據中心的PUE值展現出來。而維統(tǒng)管2.1是第一款且唯一一款將PUE值計算降到秒級的DCIM，令數據中心業(yè)主及運營者得以全面了解每一秒狀態(tài)。
同時，PUE值是由設計院設計出來的，數據中心交付后要達到或者說無限接近這個理論值往往要花費一段時間來優(yōu)化，一般在半年到一年之間，這被曹博士比喻為新車上路后需要幾個月來“Tune up”。在這段時間內，PUE值顯示出非常的不穩(wěn)定和不正確。維統(tǒng)管2.1則能夠通過實施的PUE值計算，乃至能耗指標同比/環(huán)比分析，建立能耗分析模型、給出優(yōu)化方案，盡可能快地將PUE值“Tune up”到設計值——谷歌在使用DeepMind大數據技術后的兩年，其數據中心的能耗降低了40%、整個數據中心的PUE值相應下降了15%，維統(tǒng)管的性能同樣可以達到這個效果。
那么當PUE值達到設計值，能否進一步降下來？答案亦是肯定的。ZNV中興力維特意將DCIM的大數據引擎設計成開放式的。這樣一來，當數據中心運行了一段時間后，大量的數據被存儲在大數據引擎中的數據池里，業(yè)主和運營者可以通過能力開放平臺獲取這些數據和力維預先做好的模型，他們可以用這些數據進一步訓練機器，改善模型，也即是所謂的深度學習。另一方面，很多人對大數據的理解等同于認知轉換，“啤酒和尿布”的故事時常被提到，數據中心業(yè)主和運營者也同樣能從眾多數據中找出其他未被我們所認識的、潛在的商業(yè)規(guī)律以及設備優(yōu)化方法。
在福建長樂云計算中心項目中，就采用了ZNV中興力維基于大數據引擎的DCIM框架。力維承建了其中的綜合管理平臺和動力環(huán)境監(jiān)控子系統(tǒng)，軟件平臺采用分布式、模塊化結構設計，實時呈現動力設備及環(huán)境信息，并集資產管理、能耗管理、運維管理、3D可視化等功能于一體。維統(tǒng)管通過對溫度數據的采集、搜索、清洗、重塑、模擬學習、深度學習，一步步建立制冷優(yōu)化模型，再通過模型的計算結果自動控制空調，從而優(yōu)化數據中心的能耗。
“通過維統(tǒng)管，力維不僅給提供了運維管理的方法，還提供了大數據深度挖掘的平臺，令數據中心業(yè)主及經營者可以充分使用積累下的數據實現自己的目的。”曹博士總結說。
維統(tǒng)管漸成標配：第一季度收入增長100%
盡管進入數據中心運維市場較晚，憑借超過20年運營商機房、基站監(jiān)控管理的項目經驗，以及技術和產品上的領先性，ZNV中興力維已經迅速在這一市場上站穩(wěn)了腳跟，而維統(tǒng)管自2016年5月推出以來也已贏得了市場的肯定與客戶的推崇。
據曹友盛介紹，今年第一季度力維的DCIM業(yè)務實現了收入同比增長100%以上的佳績；同時，維統(tǒng)管獲得了國家綠色DCIM認證、中國數據中心工作組（ODCC）的DCIM技術創(chuàng)新獎等殊榮，新版本推出后有望進一步擴大市場份額及影響力。
“維統(tǒng)管的不僅是數據中心基礎設施，更是其中的所有資源，力維在維統(tǒng)管設計之初就瞄準了宕機、高人工、高能耗等行業(yè)痛點，希望給客戶帶來最大化的價值。”曹博士談到。也正因此，有著“高效、節(jié)能、省心、省錢”一系列亮點的維統(tǒng)管逐漸成為數據中心中不可或缺的組成部分，在國內三大運營商、BAT等互聯網巨頭的數據中心也均有應用。
比如在中國電信西咸智慧云基地IDC、深圳聯通坪山騰訊IDC、中國聯通華北（廊坊）基地數據中心、浙江移動蕭山阿里巴巴IDC、中國移動（貴州）大數據中心等項目中，ZNV中興力維均提供了包括維統(tǒng)管在內的一站式解決方案。
中國移動（貴州）大數據中心
此外，在一些第三方諸如數據中心托管服務提供商、互聯網服務及云服務提供商的大型數據中心項目中，同樣有著力維和維統(tǒng)管的身影。比如在位于上海寶山月浦的云基地中，國富光啟采用了ZNV中興力維的一整套運維系統(tǒng)和智能軟件平臺，包括動力環(huán)境監(jiān)控、視頻監(jiān)控、智能門禁、綜合布線等子系統(tǒng)，同時接入消防系統(tǒng)、微模塊系統(tǒng)數據，實現了數據中心的高效統(tǒng)一管理。在數字福建云計算中心、智慧銀川大數據中心等政府牽頭的項目中，力維的表現亦獲得了好評。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
