肉不停h共妻h山中猎户h,精品无码一区二区三区爱欲,激情综合色综合啪啪五月丁香搜索,欲色av无码一区二区人妻

　　【中國安防展覽網(wǎng) 品牌專欄】 9月27日，2016開放數(shù)據(jù)中心峰會在北京會議中心如期舉行，吸引了百度、騰訊、施耐德、IBM等眾多行業(yè)精英、資深專家、企業(yè)大佬匯聚一堂。ZNV中興力維作為數(shù)據(jù)中心領域的*，受邀攜新一代智慧數(shù)據(jù)中心綜合管理解決方案（下稱“維統(tǒng)管”）華麗亮相，現(xiàn)場展示受到觀眾的熱烈圍觀和稱贊。本次峰會上，ZNV中興力維曹友盛博士就“力維在DCIM中的大數(shù)據(jù)布局”與在場嘉賓、觀眾分享了自己的看法與觀點。

　　
　　如何將IDC的數(shù)據(jù)轉為核心競爭力
　　
　　通常，DCIM是指數(shù)據(jù)中心基礎設施管理。但在力維看來，對于一個數(shù)據(jù)中心來說，它的意義遠遠不只是對于基礎設施的管理。
　　
　　雖然今天大家都在談大數(shù)據(jù)，許多企業(yè)也懂得如何產(chǎn)生數(shù)據(jù)，但是知道如何保存數(shù)據(jù)和利用數(shù)據(jù)的企業(yè)卻非常少。而Google是一個既會產(chǎn)生數(shù)據(jù)，又會使用數(shù)據(jù)的公司。谷歌擅長的是使得數(shù)據(jù)成為他們的核心競爭力，谷歌所有的產(chǎn)品，初的目的只有一個就是產(chǎn)生數(shù)據(jù)。
　　
　　當因特網(wǎng)的末端設備被智能化后，當數(shù)據(jù)中心被物聯(lián)網(wǎng)化后，數(shù)據(jù)中心每天所產(chǎn)生的數(shù)據(jù)將以指數(shù)形式高速增長。數(shù)據(jù)中心運營者在優(yōu)化及規(guī)劃現(xiàn)有設施擴展的過程中，如何更好地運用系統(tǒng)里的數(shù)據(jù)采集量、多樣性、預測性的價值和真實性，分析的能力和速度將變得尤為重要。因此，對IDC數(shù)據(jù)的理解還突顯了IBM對大數(shù)據(jù)的五個定義：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）、Veracity（真實）。
　　
　　而力維對DCIM的認識從初的“基礎設施管理”到“綜合管理”，又進一步向前推進到：“基于大數(shù)據(jù)概念的IDC綜合解決方案。

　　
　　IDC數(shù)據(jù)存在的難題與挑戰(zhàn)
　　
　　Volume（海量）：目前的感知設備不夠多，智能化還只是剛剛開始，對于數(shù)據(jù)采集的密度不夠，視頻數(shù)據(jù)的采集也相對缺乏，數(shù)據(jù)流能力的設計存在瓶頸。
　　
　　Velocity（高速）：對于百億級數(shù)據(jù)查詢的速度，報表分析的深度，統(tǒng)計的維度，在線分析的缺乏，3D組態(tài)的呈現(xiàn)速度。
　　
　　Variety（多樣）：缺乏多維數(shù)據(jù)間的相關性分析，數(shù)據(jù)呈現(xiàn)孤島性，溫濕度、電壓、電流、影像、GIS、氣體、時間之間的聯(lián)系和相關性缺乏。
　　
　　Value（價值）：IDC數(shù)據(jù)對于IDC經(jīng)營者的價值在哪里？IDC經(jīng)營者要改善IDC的運營成本、設備的使用率和出租率，如何做到、節(jié)能、省心、省錢、安全。
　　
　　Veracity（真實性）：IDC普遍存在的誤告警、漏告警、事件誤判、報表的真實性，對PUE的誤解。

　　
　　什么才是聰明的解決方案
　　
　　力維認為可以提升5個V在DCIM中的應用。Volume（海量）：增加感知設備布點，增加數(shù)據(jù)采集密度，關鍵設備全生命周期事件記錄SOE，動環(huán)數(shù)據(jù)流能力設計；Velocity（高速）：大數(shù)據(jù)引擎Hadoop-Spark,Kafka、HBase、高速讀寫、高速查詢、高速統(tǒng)計；Variety（多樣）：歷史數(shù)據(jù)累積，數(shù)據(jù)整理、清洗，對時、多維數(shù)據(jù)相關性分析；Value（價值）：IDC數(shù)據(jù)的價值在于讓IDC經(jīng)營者能、安全、省心、省錢；Veracity（真實性）：真實性是IDC數(shù)據(jù)需要通過時間來考考核的，Google通過了兩年的時間，證明了DeepMind能為它的IDC省下40%能耗。
　　
　　針對數(shù)據(jù)流能力設計方面，力維的DCIM整體架構可以分為數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)引擎、數(shù)據(jù)接入層、數(shù)據(jù)匯聚層。力維的“維統(tǒng)管”不僅能實現(xiàn)數(shù)據(jù)的處理、分析、挖掘、共享、深度學習，還能夠接入?yún)R聚各種協(xié)議、海量數(shù)據(jù)（百億條數(shù)據(jù)），即便每天100萬個檢測點產(chǎn)生6TB的數(shù)據(jù)、168億條數(shù)據(jù)。值得一提的是，維統(tǒng)管還可以實現(xiàn)高密度采集數(shù)據(jù)，100萬個測點，每5秒采集一次，一條測點數(shù)據(jù)是200B來計算，每天產(chǎn)生采集數(shù)據(jù)168億條。

　　
　　力維的大數(shù)據(jù)規(guī)劃
　　
　　層是做到響應型分析：收集數(shù)據(jù)，報表統(tǒng)計，高速查詢。即一個百萬測點的IDC，每天可產(chǎn)生6TB的數(shù)據(jù)，需要一個NoSQL的高速數(shù)據(jù)存儲,年統(tǒng)計報表的變量可以在百萬個以上，用SQL數(shù)據(jù)庫是無法統(tǒng)計出來的。NoSQL技術可以實現(xiàn)百萬變量統(tǒng)計報表<2秒。
　　
　　第二層是診斷型分析趨勢：報警產(chǎn)生的根源是什么？通過多維數(shù)據(jù)的時間關系深度分析，才能找到根源。趨勢分析：在溫度上升過程中的趨勢可以是線性、拋物、冪函數(shù)、指數(shù)型的。
　　
　　第三層是預測模型：預測型分析已經(jīng)進入到下一代數(shù)據(jù)分析的層次，很多時候是需要人工智能給我們一些真正的建議，利用存儲Alluxio上的預測模型作為參考，對采集數(shù)據(jù)做快速在線分析和預測，而這些模型來自力維云計算中的深度細化、深度學習。
　　
　　第四層是認知轉換：認知計算是大數(shù)據(jù)的高層次。可通過提取來自工作流程、事件背景和環(huán)境的實時信息，幫助IDC經(jīng)營者增強預測和決策能力，給業(yè)務帶來更大的確定性，從而持續(xù)改進自身的業(yè)務流程，使IDC運營更加穩(wěn)健。另外，認知計算可以幫助IDC從大量數(shù)據(jù)中發(fā)掘洞察，揭示以往傳統(tǒng)方法無法發(fā)現(xiàn)的模式和機會，來提高重要研究的成功機率。