深度剖析站点隔离机制
|
自动化可以处理大量的冗余任务，并可将复杂而重复的过程简化为简单的自助服务选项，而只需几分钟即可完成。自动化确实需要持续的关注和维护工作，但是自动化可帮助节省时间，再结合远程访问，这使IT团队几乎可以完成任何工作，除了需要在安全全球地点完成的特殊任务。 疫情继续要求减少人与人之间的接触，这将推动其他自动化技术在2021年以后的使用。随着数据中心内人员数量减少，未来的数据中心设计可以开始优化基础架构，针对机器，而不是人类交互。 例如，机器人数据中心技术现在出现在液体冷却系统(例如TMGcore的Otto)中，该技术允许高密度系统部署和机器人服务器热插拔功能，因此管理员无需在现场即可更换服务器。 AI助力IT运营 自动化将结合AI和机器学习(ML)，以在2021年管理和维护数据中心。传统遥测技术(例如日志和警报)需要人工分析和干预，即管理员收到警报，然后寻找工具和技术以进行故障排查并解决警报。但是，这种传统的以人为本的方法已不再适合大型和复杂的数据中心。 现代传感器和系统产生的遥测数据非常巨大，以至于无法与人工分析产生有意义的关联。 而AI和ML软件工具会提取并处理这些遥测数据，并且可以很容易地发现相关性和偏差—可能表明操作瓶颈问题，甚至可以在潜在问题出现之前进行预测。 通过结合AI的分析及预测功能与自动化的编排功能，该工具集实际上可推动数据中心操作以实现以下目标：扩展资源以维持性能、对潜在问题进行故障排除，并做出其他主动决策来优化和故障排除数据中心–根据既定的业务政策和做法。 Splunk等工具支持AI用于IT运营、预测分析和ML中，以防止事件影响数据中心。更复杂的以云为中心的工具包括MetalSoft自动化和AI平台。 数据控制备受关注 现在企业生成、存储和移动的数据比以往任何时候都要多。AI和ML等相关技术需要大量数据进行分析和关联，以开发业务和IT智能。但是，企业必须谨慎管理这些不断增长的海量数据，以限制容量，确保及时性、防止更改或删除，以及最大程度地减少跨网络的移动。专家预计，到2022年70%的数据将源自数据中心外，这是艰巨的挑战。 这里的问题不在于数据量。磁盘和固态存储等高密度存储技术可以支持海量数据存储，并且价格实惠。真正的问题在于数据管理、数据保护(需要遵循业务和法规要求)以及数据移动–从数据源到应用程序–可处理数据以为业务获得有意义结果。 目前有两种主要方法可以解决数据管理问题：
主机托管和边缘推动数据中心扩展 2020年让我们意识到远程管理的至关重要性。同时，考虑到高级数据管理的需求，在2021年企业应加速部署远程数据中心技术;这包括边缘、主机托管和云。
边缘计算将计算和存储资源放置在或尽可能接近数据收集点的位置，其目的是缓解数据移动需求和网络的相应压力，并消除长距离移动大量数据所涉及的延迟。通常，企业会部署和维护边缘计算设置。 （编辑：宣城站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
