评价数据中心的参数和指标有很多，可以通过这些指标来衡量数据中心的好坏。例如：服务器和网络规模、PUE、RTO、RPO等。很多数据中心喜欢用自己拥有的服务器数量来显示自己的实力。长期以来，数据中心喜欢单纯追求物理设备数量的增加，认为只要规模越大，数据中心的能力越强，数据中心就越好。不可否认，增加设备数量，尤其是服务器数量，确实能提升纸面上的性能。但是，在部署服务时，需要考虑很多事情。网络、存储、安全等方面都需要提升，尤其是这些多设备配置的效率会制约数据中心的性能提升。因此，仅仅添加物理设备是不够的。用这样的数据指标来评价数据中心，只是纸上谈兵，不符合实际。数据中心的其他技术指标还有很多，可以反映数据中心某些方面的特性，但还不够。随着移动数据和云计算应用的增多，需要关注的标准指标越来越多，而这些指标往往容易被忽视。不涉及中断的性能下降我们经常使用RTO和RPO等指标来评估数据中心处理和从故障中恢复的能力。很多时候，业务没有中断，但是访问体验很差，性能下降。性能下降几乎与服务中断一样重要，性能下降指标告诉您问题有多大，而修复它们是您的工作。性能下降意味着即将发生特别难以修复的中断，通常涉及从软件层到硬件层的多种类型，这使得定位原因远比服务器被拔掉或网络中断更困难。就用户满意度而言，性能下降无异于停电。随着越来越多的企业依赖软件与用户交互，用户不太可能遇到性能问题。性能下降往往意味着成本限制已经开始伤害快速扩张的骨头，这对大数据项目的成功至关重要。外包或云托管可以延缓这种可能性，但数据中心之外的成本也会增加。这种访问体验的恶化将直接影响到数据中心用户的减少。比如你登录一个购物网站，每次打开一个链接都要等十几秒。再好的购物网站，你也会选择放弃，转而去别的购物网站。因此，这种不间断的性能下降对客户的危害很大，会造成数据丢失。中心大量客户的流失严重影响了数据中心的收入。因此，性能退化也需要作为评价数据中心的一个指标。性能下降的时间和频率应该作为评价数据中心质量的标准指标之一。数据的时效性数据中心要处理海量的数据，存储的数据量也越来越大。有时，必须不断购买新的存储设备来存储这些不断增长的数据。这些数据随着时间的推移而积累，逐渐变得无法交付。满足企业分析或决策的有效数据，如分析用户购买模式，或其他形式的大数据分析所需的数据。这些数据也是时效性的。随着时间的推移，数据利用的价值在不断降低。例如，数据中心的在线交易系统可以处理某些输入操作。数据仓库的重要功能是数据聚合，但是随着时间的推移，只有少量的信息需要进出仓库。并非所有信息都需要展示，只有大约20%的数据在数据中心或云服务中保持活跃，这些数据可能对实际业务分析没有帮助。随着数据中心运行时间的积累，产生的数据垃圾越来越多，必须及时清理。对于不常用的，多份数据定期清理删除，可以节省大量存储空间。过多的数据也会使应用系统运行缓慢。对于关键字搜索，如果历史数据过多，会严重影响搜索速度。保持数据的时效性非常重要。一个数据中心数据的时效性做得好，主要从现有数据本身的价值、存储设备的利用率、数据重复存储等几个方面进行考察。以数据的时效性作为评价指标，有助于提高数据中心存储网络的运行效率。客户满意度“客户就是上帝”是人们常挂在嘴边的一句俗语，但是又有多少人真正把客户当成上帝，尤其是拥有了庞大的客户群之后，似乎有底气对客户强到一定程度。在某种程度上，客户的反馈被忽略了。一些数据中心经常进行问卷调查或用户满意度调查，以找出数据中心服务中存在哪些不足之处。当改进需要投入大量的人力物力时，就不鼓励了。很多时候，只要不引起客户的公愤，有些需求是可以推的，推的，根本无法实现。一个数据中心好坏，除了自己的评价，还需要多听听别人的声音，尤其是用户的声音。客户满意度是最直接的数据。在评估数据中心时，可以多找数据中心客户样本，进行多角度调查，从技术专家到普通人，覆盖所有使用数据中心应用的客户群体，从他们口中获取数据中心信息。使用感受，需要改进的地方。客户满意度调查不仅是评价数据中心质量的重要标准，也是数据中心提升自身的重要手段。我们一定认真听取每一位客户的诉求，只要合理就及时改正。只有客户满意度才能提高。只有这样，数据中心业务才能蓬勃发展。衡量一个数据中心好坏的标准有很多，上面提到的指标往往被忽视，甚至很少被提及。我们必须充分重视这些隐藏指标，并将其纳入数据中心评估过程中，只有这样，数据中心的软实力才能不断提升，数据中心才能成为真正优秀的数据中心。
