大数据已经并且将继续在全球范围内塑造庞大的行业

它改变了金融服务，医疗保健，零售，制造行业以及其他行业做出业务决策的方式，但是它对数据中心行业的影响也许尚未得到充分研究，随着创建存储和分析越来越多的数据，将需要更多的服务器，这些服务器的存储位置和管理方式以及如何继续保持正常运行时间并实现高性能操作是一项不小的考量，随着大数据业务的增长和需要更多的服务器，也需要更多的物理空间和可用的可靠电源。

尽管云感觉像是一个空灵的地方，但我们要记住，云实际上只是其他人的服务器空间-受到相同的电源和连接需求，因此无论大数据操作是在组织内部部署，在托管数据中心还是在云中，IT运营商都必须确保满足当前和将来的基础架构需求。

 以下是大数据操作的一些关键数据中心基础结构注意事项：

1.房地产

服务器需要物理空间，而不管它们在托管设备中还是在云中的部署，由于数据中心越来越靠近人口中心，房地产稀缺，因此房地产成为大数据运营和增长的限制因素，当谈到增长潜力时，不仅要认识到数据中心提供商的财务稳定性，还要认识到其对棕色和绿色土地的访问权限，灵活的基础架构以实现可扩展性和部署速度。

2.电源

每天创建2.5亿个字节的数据，并且在过去两年中创建了全世界90％的数据，这种速度反映在数据中心的增长中，吸收量达到创纪录的357.85 MW，这是全球数据中心使用的特征，除了总功率之外，每台服务器的功率密度也在增加，不久前每个机架2kW是很典型的，现在这几乎是小的，每个机架的密度要求为30或40 kW，在规划企业及其IT基础架构的增长时，还必须确保数据中心可以访问可用电源，因为并非所有电网都可以按需提供兆瓦数。数据中心还必须能够冷却高密度机架，这是一个相对较新的行业要求。如果您的组织重视数据中心的可持续性，则另一个关键考虑因素是确保您的运营商提供先进的冷却技术，以减少功耗和总体碳足迹。

3.正常运行时间

对大数据操作的期望必须是“永远在线”的场景，当“两分钟为时已晚”是大数据的操作方式时，基本要求是基础架构的正常运行时间为100％，在数据中心环境中，无论是并置还是在云中，都可以通过冗余设计来实现正常运行时间，发生故障时本地公用事业公司的电力将由发电机和瞬时开关进行备份，100％的正常运行时间是可以实现的，但是风险仍然存在，尽管可以使用额外的生成器和开关来构建额外的冗余，但是这些冗余通常以高昂的资本成本转嫁给终用户。

降低停机时间风险的新兴趋势来自人工智能（AI）和机器学习的使用

以使运营保持性能，利用AI来跟踪变量并计算其服务器场的效率，其他批发数据中心使用AI和机器学习来减少数据中心停机的风险，将AI集成到主机托管生态系统中的目的是与现有员工并肩工作，将人员和技术结合在一起。数据中心现在可以利用由数据中心技术人员培训的机器学习传感器和AI字符来识别可能发生故障的指示器。

如果您的组织正在启动或扩展大数据计划，那么将房地产电力和正常运行时间的需求放在首位是明智的，无论您的大数据运营终是驻留在本地，托管数据中心还是在云中，灵活，可扩展，可持续和可靠的基础架构都是确保成功的基础。