摘要：数据中心的一切都成为了虚拟资源，可以按需分配，自动调配。以上从特定的角度，介绍了数据中心的进化史。数据中心还将在不断成长的过程中，其中的技术也在不断完善之中。未来，我们将更加需要数据中心，我们的工作和生活将越来越离不开数据中心。
数据中心概念产生于20世纪50年代末，跟随着计算机技术的进步发展起来，在60年代初出现了一些数据处理系统，这是数据中心最早的雏形，那时最多称为数据机房，还谈不上是数据中心。数据中心是信息系统的中心，通过网络向企业或者公众提供信息服务，60年代的数据中心还只能靠几台大型主机完成本地数据计算，不仅不能做分布式运算，也无法对外提供服务。直到近三十年，计算和网络技术已得到突飞猛进进步，建造大量的数据处理中心成为可能，这时才是真正意义上的数据中心。
如今，一提到数据中心，自然脑海里会浮现出一片场景：在一栋栋外表简陋，几近封闭的建筑物里，包含有很多个独立的机房，每个机房里排放着一排排整齐的机柜，机柜里摆放着各种功能的设备，设备之间通过无数的线缆进行连接，这些互联的设备都在高速运转着，其中流动着的就是各种海量数据。比如淘宝、京东商城、百度搜索、微信、头条等等，都是依托这些数据中心，向外提供网络业务服务的，互联网行业的进步带动了数据中心的高速发展。数据中心内部设计整齐划一，全部有参考的国内和国际设计标准，这使得当你参观完了一家数据中心后，就不用再去看别家了。因为设计上几乎都是一样的，否则就是不符合标准，自然也不能在运营上达到最佳的性价比。有些小型数据中心、楼房竖井里的机房、临时搭建的数据中心可能不会参照标准来设计，但大型数据中心必须按照标准设计，这样才能不会随着规模的扩大而无法管理和运维。
数据中心有再多的服务器，再大的网络规模，空有一个花架子肯定不行，要让这些放在机柜里的设备都运转起来，加快线缆中数据的流动，才能有钱赚。早期的数据中心，要靠规模制胜，通过不断增加数据中心里服务器的数量，来提升数据处理性能，通过将更多的服务器加入到一个计算集群中，同时工作才提升数据处理效率，曾经有相当一段时间，各家的数据中心去比拼谁的数据中心规模大，以便能吸引到更多的客户使用数据中心的业务。但这样发展一段时间后，发现了问题，并不是服务器越多处理的数据越多，效率越高，当服务器增加到一定程度，服务器之间交互的中间数据逐渐增多，需要管理的服务器数量增多，这增加了计算的复杂性，带来的就是运维管理上的困难，尤其当故障来临，分析和排除起来变得很困难。综合这些情况，数据中心后来的发展不再刻意去强调规模，要建设与自己业务相匹配的数据中心，靠优质取胜，而不是靠规模取胜。
一旦数据中心放缓了扩张的脚步，就要将精力花在修炼自家内功上，不断提升数据中心的盈利水平，绝大多数的数据中心还是要靠售卖计算服务收钱的，这就要提升单位面积内的计算能力，修炼内功。众所周知，数据中心要运转起来，除了供电、空调、布线这些外围系统，最为关键的还是要靠服务器、网络和存储三大件组合运转起来，才能开张赚钱。在规模增长放缓情况下，硬件性能不提升的情况下，就需要优化结构，提升软件执行效率，满足部署更多业务。像服务器和网络的虚拟化技术，可以提升设备的使用率，避免设备长期处于低速运转状态，造成性能的极大浪费，像服务器CPU多核技术，网络MPLS技术、灵活QINQ技术等等，通过提升软件的执行效率，还提高整个数据中心的数据能力。在数据中心的行当里，有专门的第三方做网优的服务企业，有解决方案的企业，它们的加入可以让数据中心更高效地运行，但这些企业只给软件优化方案，并不售卖硬件设备。数据中心进入到了一个由硬件到软件转变的时代，软件发挥的作用越来越大。
虽然软件的作用在增加，但数据中心此时依然还是一个靠硬件设备打天下的市场，直到有一天“软件定义”出现了，软件定义网络，定义存储，定义数据中心，定义一切。软件定义的本质是将数据中心推向了虚拟化的世界，这已经不是简单的硬件转变到软件的时代，而是虚无时代的来临。数据中心的一切都成为了虚拟资源，可以按需分配，自动调配。这些资源与硬件设备早已松耦合，没有完整的一对一关系，虚拟资源可以来自处在世界任一个角落的数据中心里，如此飘渺却又是真实地存在着。数据中心只要管好这些虚拟资源，然后按照业务要求去分配资源就好了，极大地减少了运维成本，一个偌大的数据中心，甚至在全球拥有数十个大型数据中心，做运维的管理人也许只要十几个，人力成本降低。同时，业务的部署变得轻松且简单，只要点点鼠标就可以完成，设备的版本不用升级，由控制器定期推送最新的即可，选定指定时间，将设备上的业务切到其它设备上，自动完成版本升级，一切都变得简单易做。当然，云数据中心就符合这样的实现，只不过现在的云数据中心只能部分的实现，还没有完全达到“软件定义”的目标。
以上从特定的角度，介绍了数据中心的进化史。数据中心从无到有，从硬到软，从实到虚，经过这近七十年的发展，已发生了翻天覆地变化，已从出生婴儿成长成了青壮年，这个世界赋予了数据中心更多的责任和重担，需要数据中心完成更多的信息数据处理，而现在就是最好的时代。数据中心还将在不断成长的过程中，其中的技术也在不断完善之中。未来，我们将更加需要数据中心，我们的工作和生活将越来越离不开数据中心。（作者：harbor ）
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/5072.html
摘要：友盟朋新宇在开场演讲中，友盟朋新宇表示，在数据化智能化的今天，进化是一种态度，更是一种选择。在朋新宇看来，数据加工有三大过程过程第一层是采集，友盟技术平台每天能够支撑万亿级的采集能力。 10月16日，友盟+主办的2018UBDC全域大数据峰会在北京举办。峰会以DI·进化为主题——8小时，10余家黑科技企业，超40位国内顶级专家主题分享，近3500位数据从业者共同见证，旨在让更多企业会用...
摘要：在朋新宇看来，数据加工有三大过程过程第一层是采集，友盟技术平台每天能够支撑万亿级的采集能力。，朋新宇分享到，这不是友盟转型，是友盟与开发者和客户一起转型和升级，基于数据能力行业理解，对商业模式和赛道的理解，让数据成为驱动转型的源动力。 10月16日，友盟+主办的2018UBDC全域大数据峰会在北京举办。峰会以DI·进化为主题——8小时，10余家黑科技企业，超40位国内顶级专家主题分享，...
摘要：通过在中结合进化算法执行架构搜索，谷歌开发出了当前较佳的图像分类模型。本文是谷歌对该神经网络架构搜索算法的技术解读，其中涉及两篇论文，分别是和。此外，谷歌还使用其新型芯片来扩大计算规模。 通过在 AutoML 中结合进化算法执行架构搜索，谷歌开发出了当前较佳的图像分类模型 AmoebaNet。本文是谷歌对该神经网络架构搜索算法的技术解读，其中涉及两篇论文，分别是《Large-Scale Ev...
摘要：摘要本文主要讲了神经进化是深度学习的未来，以及如何用进化计算方法优化深度学习。揭示了神经进化的突破性研究深度学习的大部分取决于网络的规模和复杂性。在这三个例子中，使用神经进化成功地超越了最先进的基准。 摘要： 本文主要讲了神经进化是深度学习的未来，以及如何用进化计算方法（EC）优化深度学习（DL）。 过去几年时间里，我们有一个完整的团队致力于人工智能研究和实验。该团队专注于开发新的进化...
摘要：摘要本文主要讲了神经进化是深度学习的未来，以及如何用进化计算方法优化深度学习。揭示了神经进化的突破性研究深度学习的大部分取决于网络的规模和复杂性。在这三个例子中，使用神经进化成功地超越了最先进的基准。 摘要： 本文主要讲了神经进化是深度学习的未来，以及如何用进化计算方法（EC）优化深度学习（DL）。 过去几年时间里，我们有一个完整的团队致力于人工智能研究和实验。该团队专注于开发新的进化...
阅读 1603·2023-04-25 23:28
阅读 375·2023-04-25 22:49
阅读 760·2021-09-28 09:35
阅读 1855·2021-09-27 13:34
阅读 4658·2021-09-22 15:09
阅读 3474·2019-08-30 12:52
阅读 2612·2019-08-29 15:26
阅读 559·2019-08-29 11:12
