中兴通讯首席技术官曹友生:ZNV中兴通讯在DCIM中的大数据布局

本篇文章4469字，读完约11分钟

中兴通讯首席技术官曹友生:ZNV中兴通讯在DCIM中的大数据布局 9月27日，在开放数据中心委员会的主持下，由百度、腾讯、阿里巴巴、中国电信、中国移动、中国信息通信研究院和英特尔共同主办的2016ODCC开放数据中心峰会在北京隆重举行。在ODCC数据中心解决方案分公司，中兴通讯李伟首席技术官首席技术官曹友生发表了题为“ZNV中兴通讯李伟在DCIM中的大数据布局”的演讲。 9月27日，在开放委员会的主持下，由百度、腾讯、阿里巴巴、中国电信、中国移动、中国信息通信研究院和英特尔共同主办的2016ODCC开放数据中心峰会在北京隆重举行。在ODCC数据中心解决方案分公司，中兴通讯李伟首席技术官首席技术官曹友生发表了题为“ZNV中兴通讯李伟在DCIM中的布局”的演讲。以下是演讲的全文:

中兴通讯李伟首席技术官曹友生

感谢组委会给我这个机会。我认为南北标准委员会做得非常好。在我谈论它之前，我想澄清四件事。首先，你注意到数据了吗？我们有两种数据。我们谈到了国际数据中心数据和南北数据是两种不同的数据。因为IDC被称为数据中心，它存储大量数据。百度、腾讯和阿里每天都有大量数据存储在DIC中。这不是我们在南北方向标准化的数据。数据来自网络。我们在南北方向标准化的是我们的设备，那些磁盘，那些路由器，那些空功率调整环境。他们正在运行自己来存储这些数据，并使这些网络运行得更快更安全。这些设备本身会产生大量数据，表明它们运行正常。我们在南北方向上标准化这种类型的数据。不要一起谈论他们。所以这个数据不是那个数据。

第二，每个人都在谈论LOT。去年，一些国际领导人正式宣布互联网时代已经消失。接下来是物联网时代，也就是物联网时代。你如何正确理解互联网时代的消失？这也和南北标准化有关。当互联网的每一个终端都通过一个被动的计算机或移动电话连接起来，需要有人按下时，信息必须来回传递，然后物联网被连接在后面。在我们面前，张先生和其他人已经说过，他们公司生产那些智能设备。当互联网的所有终端都被这些智能设备连接起来时，这个网络就是物联网，非常简单。然后我想谈谈为什么数据如此重要。我记得听过一次演讲。他说，假设今天是世界末日，有一只诺亚方舟等着你去拿，但每个人只能给下一个人留下两个词来传递我们对这个人的认识。后来斯坦福的一位教授说，第一个等于1=MC平方，这就是著名的爱因斯坦定理，质量和能量的变换，第二个就是离开桑平衡。许多化学热力学的学生都知道桑定理。现在桑定理是工商管理硕士课程的必修课，必须在读工商管理硕士时学习，所以这就是世界。整个宇宙正朝着一个统一的方向或以更混乱的步伐前进。第三个是普朗克定理。当你非常精确地定义一个事物时，你会非常不精确地定义与之相关的事物。

事实上，这三件事都揭示了我们今天在这里所做的事情。世界正慢慢走向一个非常统一和混乱的角度，也就是说，将产生大量的数据。我们还谈到，物联网产生后会产生大量的数据，这些数据不是阿里和腾讯的数据。批量生产设备本身会产生大量数据。这有点像一封信。我们经常说我们看自己的疾病，但是没有人去看医生自己的疾病。数据中心存储了大量数据，但谁会关心数据中心自己的数据呢？华为和由其生产的施耐德有许多这样的设备。国际数据中心的标准委员会定义了如何每天收集这些数据。所以这些数字的目的是我今天想谈论的。

好像有很多目录，实际上有11页。我已经谈到了IDC数据的高速增长，因为我们想留给下一代三个定理，不确定性定理，桑树函数定理，已经定义的宇宙法则，即会有越来越多的数据，如何将数据转化为核心竞争力。第三，让我们谈谈IDC目前存在的问题，与大家分享我们自己的想法，并找到解决方案。我们谈了很多关于POE的设计，在我们涉及各种空调制、传感器和模块之后，我们是否考虑过数据流能力的设计。我们如何设计解决这些数据的能力？最后，我们给出了一个例子。

DCIM通常指的是真诚的数据基础设施管理。这里的定义不是我说的。它在网上。对于数据中心，DCIM关心的不仅仅是基础设施。因此，在今年早些时候的另一个ODCC标准委员会展览会上，我们提议将I改为综合管理，这将为基础设施管理增加一层综合管理。至于数据中心如何更高效、更安全、更省心地运行，除了基础设施管理之外，我们还引入了许多概念，如FRP，即基础设施资源管理、企业资源规划和企业资源管理。我们引入了许多新概念。今天我们引入了一个新概念。我们认为当互联网的终端设备智能化时，数据中心已经与物联网联网。此时，每天生成的数据正以指数速度增长。稍后我会给你看一些数据，每个人都会认为它很大。

因此，在设计数据中心时，我们不仅要设计基础设施，包括其设施的扩展过程，还要更好地应用全面的解决方案，其中数据收集的数量和多样性对我们来说非常重要。预测值和真实性、分析能力和速度都变得非常非常重要。这就是我们经常谈论的DCIM对大数据的五种定义。

第一个是大量的数据，第二个是高速的，大量的数据快速传输，第三个是各种各样的数据，第四个是这些数据带给我们的价值，第五个是真实性。

许多人谈论数据，但现在他们认为谈论大数据只是一个笑话。我想强调一下，我们今天有很多人。我们的标准委员会是如何运作的？我们知道如何通过从收集设备区域收集数据来每天生成数据，但是我们需要知道如何保存和使用数据。这还不够。谷歌刚才谈到了电脑。事实上，公司从一开始就没有想过要做什么产品。它只想到一件事，数据。只要我有足够的数据，我就赢了，包括今天开业的滴滴打车。你真的认为它会为你提供一个便宜又好的驾驶系统。事实上，它希望获得大数据和获取数据的方法。可以判断，滴滴打车将会生产很多与其无关的产品，这就是为什么谷歌一开始只想获取数据，在获取数据后衍生出太多革命性的产品。所以我们对谷歌的定义是，它是一家知道如何使用数据以及如何让数据成为其核心竞争力的公司。

因此，我们必须学会如何保存数据以及如何使用数据。数据太多了，在这种情况下，我们如何理解IDC的理解？我们又从基础架构管理向全面管理迈进了一步，并推进到基于大数据概念的IDC全面解决方案。IDC拥有大量数据。我们没有很多传感设备。一般来说，IDC在5000个机柜中有100万个传感设备，这是不够的。我们有许多有害的地方。我们不收集和观察这些设备的正常工作负载。这很简单。一家名为(英文)的新加坡公司监控新加坡的所有电器。每个电器都有27个检测点。因此，我们没有足够的测试设备。我们需要更多。机架中有许多FID探头，我们没有足够的探头来测量您的温度等。

其次，我们的速度不够快。我们的数据出来后，我们讨论了很多数据标准。我们需要知道这些数据并进行简单的查询。数据将在三天、三天和两个月内公布。我们过去常常做数据报告和搜索。为什么我们不出来？我们无法看到服务器并重新启动它？这些人都非常有经验。因此，报告的深度、统计的维度和缺乏在线分析是不够的。

第三，我们的多样性，我们收集的各种数据基本上呈现出一种信息孤岛。对于空的设备制造商，我们没有在电压、电流、温度和机柜热量之间建立任何联系，因此这种多样性很难实现。

例如，是什么导致路由器烧毁？过载可能是因为空交换机坏了，而且这个地方很热，所以路由器烧毁了，这是相关的。

最后，我们的价值，我们为什么要在南北方向上做这些数据，以及我们收集的设备数据对IDC运营商有什么好处？我们需要知道这个问题，那么你的建议就是正确的。我们需要知道谷歌两年前购买了它(用英语)。花了两年时间才最终证明它将为谷歌的数据中心带来40%的节能。正如张刚才一直说的，每节电一分就是一个IDC，这是事实。所以我们都有一些应用程序。简而言之，它基本上是在整个生命周期中添加传感设备和监控所有设备。一旦设备进入，我将每五秒钟监控一次。我们将通过第二代大数据引擎、五速查询分析和多维历史积累分析来分析您。所有这些人都在谈论德国，所以我在这里就不多说了。这些是我们整个数据能力的设计。一般来说，一个FSU就是刚才提到的南北定义。我们能达到的最快速度是每秒20万个测量点。我们的融合平台达到每秒300万数据。这是我们的两个大数据引擎。我们每秒50SVT的读取能力可以达到700多个存储数据。我们对100亿数据的搜索远不到一秒钟，只有几十毫秒。一些复杂的报告统计不到2秒。这个概念就是ODCC标准委员会的中医标准。下面是我们的自我控制。对于像施耐德这样的产品，我们在中间添加了一层数据处理。双方都有两个例子。我们在5000个橱柜中有100万个测量点，每分钟收集一次。我们的标准委员会确定一个测量点为200伏，每天可以收集14亿条数据。这14亿块是小数据。每天只生产288克硬币，每五秒钟可以收集3到4克硬币。一年内有5000家国际数据中心是公共银行。百度早上说它有10 PB，我们的5000个机柜一年有10 PB。谁将处理如此大量的数据？我们在这里做了一个实时的。我们称大数据引擎为“小V”，一家电信公司。这是真的。我们公司已经做了20年的监控。这家电信公司从2013年到16年拥有27亿条历史数据。我们需要做一个报警统计表。一个是月度统计，另一个是年度统计，另一个是整个生命周期。在过去，这是不可能的。我们每月只能在五分钟内生成一个数据。这是500毫秒。现在有了大数据(英文)，我们可以实现不到一秒钟。这是为了监控历史查询数据并提出1亿个条件。只要我们找到满足1亿个条件的结果，我们只需要30秒。我们有信心在不到一秒钟的时间内完成。

这是我们的总体响应，通过使用诊断周期趋势进行分析。这是另一家电信公司BE，它拥有5年50亿条数据和30，000种不同的报警类型。根据这种情况，我们找到了400万条报警数据来做这样的统计报告。我们讨论的大数据分为四层。第一层是高速查询。我们称之为对应分析。第二层是诊断分析。趋势分析。气温上升时报警已经太晚了。温度上升后，有一个表面功能。抛物线。第三，我们称之为预测性的。这是大数据分析的最高层次。这需要大量的人工智能。我们有，我们有几台机器在后面操作。我们在中国的各种运营商中有近1pb。我们手中有最佳可得技术数据。我们可以分析、建立预测模型、放下预测模型，并在其中提供在线分析，使预测预警和事件判断更加准确。

最后一层也是BMPT提议的。我们希望在数据中找到一些我们仍然不理解的东西，就像阿法尔下的象棋一样。每个人都不明白。这是认知计算。它会帮助我们找到我们不知道的东西。这是最高的武术。我们不太好。今天我们已经克服了第一层和第二层。我们正在第三层工作。刚才我们已经看到了第一层和第二层的两种说法。我们希望能够达到第四层，并揭示如何让IDC变得更好、更高效、更安全、更节能、更无忧、赚更多钱。因此，认知计算也是在数据管理中寻找数据中心的一种认知转变。

让我简单介绍一下成立于1994年的中兴通讯。4年前，我们被外资收购，成为一家独立公司。作为国际数据中心，我们在深圳、南京和广州拥有300多个研发团队。谢谢你。