人们相信，目前正在掀起一场革命性的变革浪潮，它正在改变企业向客户和企业提供服务的方式。然而，诸如此类的报告并不总是准确的。例如，人工智能(AI)和机器学习(ML)正在推动数据中心发生变化。根据研究公司Gartner发布的名为《数据中心即将消亡，数字基础设施出现》的调查报告，到2025年，80%的企业将关闭其传统数据中心。目前只有10%的企业关闭。该报告于2018年4月发布，称传统数据中心将致力于提供其他地方无法支持的非常具体的服务。该报告还指出，随着互连服务、云计算、物联网(IoT)、边缘计算和SaaS产品的不断激增，企业在保留传统数据中心拓扑方面的优势有限。这份报告表明，据信正在发生一波革命性变革，并且正在改变企业向客户和企业提供服务的方式。然而，诸如此类的报告并不总是准确的。例如，人工智能(AI)和机器学习(ML)正在推动数据中心发生变化。那么，他们不仅会推进数据中心管理，还会使数据中心免于死亡预测吗？时装业与计算机业的相似之处，很容易划清时装业与计算机业之间的界限。尽管每年都会出现一些新事物并从根本上改变一切（或者他们希望如此）。这至少是供应商希望发生的事情。如果它们不符合当前趋势，它们会增加失败的可能性。然而，许多企业陷入困境。许多行业专家对行业和技术发展做出预测，并得出结论，虽然大多数预测都已成真，但它们发生的时间比预期的要晚得多。它们的影响也比预期的要大。同样，客户经常被告知某些技术已死。这有点像预测磁带的消亡，或者无纸化办公的即将到来。IT行业似乎从未摆脱过极端的热情，那么Gartner的预测又如何呢？尽管看起来完全不现实，但数据中心仍然存在。在专家眼中，数据中心将永远存在，因为在整个行业见证的所有变化中，它们一直是计算技术的基石：计算、客户端-服务器拓扑、互联网、PC革命和迁移业务上云。移民。还有其他技术，包括磁带。所以从表面上看，Gartner的报告很容易被驳回。但是，请考虑一些严重依赖IT功能的技术，以及用户对IT的期望。IT行业倾向于关注速度和提要开发，以满足对更短响应时间不断增长的需求。有了更快的CPU、更快的紧密耦合内存和I/O、固态硬盘和自动驾驶汽车、物联网、人工智能、机器学习将成为一场数据海啸。数据焦点对数据的重视将定义未来的IT基础架构。传统上，人们使用数据作为达到目的的手段来计算和处理，然后获得结果。数据将分为访问和保留成本层级。上层是紧耦合的高速、高成本、低延迟存储，归档数据可能在完全不同的低成本解决方案中。然而，在工业中，人们会看到数据是如何被感知和使用的。在某些情况下，数据作为商品出售，交付方式与传统制造流程大致相同。流媒体和音乐公司就是一个很好的例子。经过后期制作和数字化处理后，Netflix、亚马逊和Spotify就像传统产品制造商一样，将他们的数据和产品存储在云端。然后将它们运送到客户的边缘。对于Netflix，从本地互联网服务提供商(ISP)购买后即可使用Edge。因此，这相当于一个简单的“按需付费”架构，针对数据传输进行了优化。物联网(IOT)的不同要求，自动驾驶汽车提供了另一个例子。企业还可以投资智慧城市以取得良好效果。它们具有非常不同的数据和计算要求，这些设备发出的数据以状态信息的形式出现，在许多情况下，例如控制工业过程，其中一些状态数据是可操作的。根据数据的即时性，对如何以及何时处理该数据的考虑会有所不同。这就引出了一个问题：这在云中可能吗？或者延迟和紧迫性是否需要边缘附近的小型计算能力，例如大型炼油厂。当必须跨多个物联网设备做出决策时，以及当返回云端的通信链路受阻时，事情很容易失控。同样重要的是，所有历史数据都需要回流到可以使用人工智能和机器学习进行处理的点。考虑互联车辆和智慧城市共同管理交通流量和拥堵。他们需要强大的计算能力和存储能力来收集来自可能数以万计的设备的所有数据，例如汽车、相机、交通流量监视器以及与紧急服务的交互。这将需要将信息和娱乐数据传递给车辆的双向交通。如果人们可以连接紧急服务车辆和交通管理系统，以便在拥挤的城市中更快地移动。定义基础设施那么这些需求如何定义基础设施呢？传统上，需要一个庞大的数据中心来处理它。相反，这需要一种更加动态的方法，可以根据需要自动增加或减少额外的资源，例如在紧急情况下。另一个发生巨大变化的领域是不断增长的计算能力。几年前，手机只能存储电话号码和短信。如今，每部智能手机都拥有令人难以置信的存储和计算能力。然而，越来越多的应用程序正在构建，客户将要求他们的设备更加复杂，例如测量员使用平板电脑监测土壤结构，或护理人员扫描救护车上的病人并使用人工智能诊断症状或评估他们的伤势。为了满足这种额外的计算需求，边缘或云端的一种补充计算能力形式与用户的次要计算能力形式相关联。未来，每个人都将拥有自己的个人小型计算和存储设备，这些设备会随时随地自动跟随他们到达最近的接入点。数据方程式人们所做的每一件事都会产生越来越多的数据。反过来，作为企业和消费者，人们会消费越来越多的数据。无论是在云、数据中心还是边缘计算之内或之外，移动这种不断增长的数据量都是痛苦的。这种痛苦来自这样一个事实，即网络速度不足以传输大量数据。无论为此问题投入多少带宽，一旦延迟达到两位数毫秒，如果不使用WAN数据加速解决方案来减轻延迟和数据包丢失改善的影响，WAN性能将几乎为零。那么，数据中心的未来是什么？一切都会迁移到云端，因为它更便宜吗？情况并非总是如此。当企业明智地使用云平台时，采用云计算可以非常划算，但它并不是解决数据中心所有问题的灵丹妙药。毫无疑问，人们使用、操作和存储数据的方式已经发生了翻天覆地的变化。然而，数据中心的作用将随着IT的其他方面而演变。以磁带为例，从在线存储到近线存储，从备份到归档，数据中心技术也将随之发展。数据中心将保留一些关键功能：其中一项功能将包含延迟关键型数据库。有些公司在云中寻找数据库时反应不佳（和最终用户投诉），迫使他们迁移回数据中心。但是，由于未来高度灵活的分布式数据和计算需求，数据中心将转变为指挥和控制功能。实现灵活性要实现这种灵活性，必须删除现有的手动方法。现在是时候使用人工智能(AI)和机器学习(ML)来提供高级自动化抽象来创建灵活和动态的基础设施了。移动数据对于在需要时随时随地获取数据的能力至关重要。传统上，广域网(WAN)优化已被用于增加远距离的数据吞吐量，但这种技术有严重的带宽限制。为了在高速网络上尽可能放大数据的功能，需要使用人工智能和机器学习的WAN数据加速解决方案，例如PORTrockIT。DellEMC人工智能战略技术专家Tabet表示，他认为数据中心经理应该采用人工智能来找到优化数据中心基础设施的更好方法。AeraTechnologies创始人兼首席技术官ShariqMansoor补充道：“没有人工智能，几乎不可能运营一个盈利的数据中心。因此可以说，人工智能和机器学习是推动数据中心向前发展的必要技术。”“有了它们，您就可以管理数据流并提高数据传输速度——即使使用遗留架构也是如此，”他说。“全球商业数据中心可能因此而改变，但它仍然有未来。”
