关于“大数据”，ZNV中兴力维曹友盛博士说了什么

9月27日，2016开放数据中心峰会在北京国际会议中心如期举行，吸引了百度、腾讯、施耐德、IBM等众多行业精英、资深专家、企业大佬汇聚一堂。ZNV中兴力维作为数据中心领域的佼佼者，受邀携新一代智慧数据中心综合管理解决方案（下称“维统管”）华丽亮相，现场展示受到观众的热烈围观和称赞。本次峰会上，ZNV中兴力维曹友盛博士就“力维在DCIM中的大数据布局”与在场嘉宾、观众分享了自己的看法与观点。

ODCC峰会现场

如何将IDC的数据转为核心竞争力

通常，DCIM是指数据中心基础设施管理。但在力维看来，对于一个数据中心来说，它的意义远远不只是对于基础设施的管理。

虽然今天大家都在谈大数据，许多企业也懂得如何产生数据，但是知道如何保存数据和利用数据的企业却非常少。而Google是一个既会产生数据，又会使用数据的公司。谷歌最擅长的是使得数据成为他们的核心竞争力，谷歌所有的产品，最初的目的只有一个就是产生数据。

当因特网的末端设备被智能化后，当数据中心被物联网化后，数据中心每天所产生的数据将以指数形式高速增长。数据中心运营者在优化及规划现有设施扩展的过程中，如何更好地运用系统里的数据采集量、多样性、预测性的价值和真实性，分析的能力和速度将变得尤为重要。因此，对IDC数据的理解还突显了IBM对大数据的五个定义：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实）。

而力维对DCIM的认识从最初的“基础设施管理” 到“综合管理”，又进一步向前推进到： “基于大数据概念的IDC综合解决方案。

ZNV中兴力维CTO曹友盛博士在演讲

IDC数据存在的难题与挑战

Volume（海量）：目前的感知设备不够多，智能化还只是刚刚开始，对于数据采集的密度不够，视频数据的采集也相对缺乏，数据流能力的设计存在瓶颈。

Velocity（高速）：对于百亿级数据查询的速度，报表分析的深度，统计的维度，在线分析的缺乏，3D组态的呈现速度。

Variety（多样）：缺乏多维数据间的相关性分析，数据呈现孤岛性，温湿度、电压、电流、影像、GIS、气体、时间之间的联系和相关性缺乏。

Value（价值）：IDC数据对于IDC经营者的价值在哪里？ IDC经营者要改善IDC的运营成本、设备的使用率和出租率，如何做到高效、节能、省心、省钱、安全。

Veracity（真实性）：IDC普遍存在的误告警、漏告警、事件误判、报表的真实性，对PUE的误解。

ZNV中兴力维展台

什么才是聪明的解决方案

力维认为可以提升5个V在DCIM中的应用。Volume（海量）：增加感知设备布点，增加数据采集密度，关键设备全生命周期事件记录SOE，动环数据流能力设计；Velocity（高速）：大数据引擎Hadoop-Spark, Kafka、HBase、高速读写、高速查询、高速统计；Variety（多样）：历史数据累积，数据整理、清洗，对时、多维数据相关性分析；Value（价值）：IDC数据的价值在于让IDC经营者能高效、安全、省心、省钱；Veracity（真实性）：真实性是IDC数据需要通过时间来考考核的，Google通过了两年的时间，证明了DeepMind 能为它的IDC省下40%能耗。

针对数据流能力设计方面，力维的DCIM整体架构可以分为数据呈现、数据引擎、数据接入层、数据汇聚层。力维的“维统管”不仅能实现数据的处理、分析、挖掘、共享、深度学习，还能够接入汇聚各种协议、海量数据（百亿条数据），即便每天100万个检测点产生6TB的数据、168亿条数据。值得一提的是，维统管还可以实现高密度采集数据，100万个测点， 每5秒采集一次，一条测点数据是200B来计算，每天产生采集数据168亿条。

现场观众与力维展台工作人员交流中

力维的大数据规划

第一层是做到响应型分析：收集数据，报表统计，高速查询。即一个百万测点的IDC，每天可产生6TB的数据，需要一个NoSQL的高速数据存储, 年统计报表的变量可以在百万个以上，用SQL数据库是无法统计出来的。NoSQL技术可以实现百万变量统计报表<2秒。

第二层是诊断型分析趋势：报警产生的根源是什么？通过多维数据的时间关系深度分析，才能找到根源。趋势分析：在温度上升过程中的趋势可以是线性、抛物、幂函数、指数型的。

第三层是预测模型：预测型分析已经进入到下一代数据分析的顶尖层次，很多时候是需要人工智能给我们一些真正的建议，利用存储Alluxio上的预测模型作为参考，对采集数据做快速在线分析和预测，而这些模型来自力维云计算中的深度细化、深度学习。

第四层是认知转换：认知计算是大数据的最高层次。可通过提取来自工作流程、事件背景和环境的实时信息，帮助IDC经营者增强预测和决策能力，给业务带来更大的确定性，从而持续改进自身的业务流程，使IDC运营更加稳健。另外，认知计算可以帮助IDC从大量数据中发掘洞察，揭示以往传统方法无法发现的模式和机会，来提高重要研究的成功机率。