互联网数据中心例1

1.前言

随着我国科学技术的不断发展，互联网技术的应用逐渐深入到人们的生活当中，为人们的生活提供了便利的条件。目前，我国企业应用互联网技术进行移动通信数据交流的现象正逐年增加，这样的状况使得我国移动通信互联网数据中心Internet Data Center（IDC）的数据运行越来越紧张。本文针对移动通信互联网数据中心的设计与实现进行了详细的分析，以期在今后互联网数据中心的创新过程中提供有力的参考依据。

2.移动通信互联网数据中心的意义及其应用技术

2.1 移动通信互联网数据中心的意义

在互联网络的运行中移动通信互联网数据中心Internet Data Center（IDC）就是一个数据构成的仓库，是建立在互联网络资源基础上的，通过专业技术人员为移动数据终端用户所需要的各种数据进行集成化、自动化处理的科学技术。当然，企业用户还可以通过移动通信互联网数据中心Internet Data Center（IDC）建立属于自己的信息平台，这样的做法可以有效减少其高额的成本费用，从而使企业用户能够更加放心的对自己专营的业务进行[1]。

2.2 移动通信互联网数据中心的应用技术

2.2.1 移动通信互联网数据中心的云计算和存储技术

移动通信互联网数据中心对用户数据信息的计算和存储是在云技术处理的基础上来完成的。云技术处理包括了互联网中的基础设施服务、数据软件服务以及平台应用服务。在企业单独的移动通信互联网数据中心应用云计算技术和数据存储技术，不但可以有效节约企业数据处理的成本费用，提高企业的经济效益，还可以增强企业在经济市场中的竞争实力。

2.2.2 移动通信互联网数据中心中的通用缓存应用

企业通过移动通信互联网数据中心中的数据缓存技术来在其面对各大运营商的过程中，将自身所需要的数据流量进行加速缓存。而通用缓存的应用主体经常是一些大流量的业务数据，对这些数据进行加速缓存可以为企业节省流量使用的费用，提高企业数据处理效率[2]。

3.移动通信互联网数据中心的设计与实现

3.1 设计原则

移动通信互联网数据中心的设计原则可以分为以下五点：一是可用性，在对移动通信互联网数据中心进行设计时，必须提高其实用技能，增加其可用性;二是灵活性，在移动通信互联网数据中心的设计过程中要针对其不同需求对模块的设计进行取舍;三是管理性，可管理性是移动通信互联网数据中心的设计基础，故应设计多种管理方案;四是扩展性，要在移动通信互联网数据中心的设计过程中，注重其自身基本设备的多样化;五是安全性，安全性是企业移动通信互联网数据中心设计中最关键的部分，只有确保其安全性，企业才能更加放心的使用。

3.2 移动通信互联网数据中心的设计与实现

3.2.1 数据中心网络系统结构

移动通信互联网数据中心Internet Data Center（IDC）的网络系统设计方案可以选用模块化系统体系和层次化的设计理念[3]。移动通信互联网数据中心Internet Data Center（IDC）在设计的过程中，可以将整个网络分为互联网（Internet）接入层、系统处理核心层、数据分布层以及服务器连接层。互联网接入层在数据中心网络的实现过程中不但拥有非常多接口类型，并且具备高效的路由网络交换能力，可以为路由连接提供全方位的支持;系统处理核心层在数据中心网络的实现过程中具有高可用性和高扩充性，能够为整个数据中心网络提供互联网接入与本地数据交换;数据分布层可以实现数据中心网络的各种业务类型的分类，并提供增值业务的功能，其中包括缓存服务、防火墙以及实际内容交换机等功能;最后服务器连接层在数据中心网络的实现可以为用户提供网络性能的安全保障。

3.2.2 数据中心网络的安全性

移动通信互联网数据中心Internet Data Center（IDC）在设计的过程中，应着重加强其安全性的技术保障[4]。不但要防范企业单独数据中心网络在运行时外网对其的网络破坏，也应对其内部的不同客户的各种访问进行必要的访问控制权限及隔离的设置，并根据不同数据中心网络的用户需求设计不同的操作方案，以上方案可以通过建立完善的安全管理系统以及加强防火墙和系统漏洞监测来实现，从而使移动通信互联网数据中心Internet Data Center（IDC）得到最大限度的安全保障[5]。

3.2.3 数据中心网络的管理

移动通信互联网数据中心Internet Data Center（IDC）对其管理软件的要求极高，这就致使在对数据中心网络设计的过程中要更加注重该方面的设计，以期在实践过程中能够对其自身的设备进行高效管理并且确保企业用户的服务性保障。

4.结论

移动通信互联网数据中心的建立实现了集成化的数据分析与处理，有效节省了社会资源，实现了社会公共资源的自动化管理。故移动通信互联网数据中心Internet Data Center（IDC）在日常的设计中更要进行建立全方位，多层次的发展方向，只有通过对用户需求进行实地考察，并针对其需求制定出切实可行的设计方案和发展策略，才能实现其不断优化的效果，进而提升其在现实生活中的可行性，以此来加强用户的使用体验。

参考文献

[1]吕国斌.由我院主编的《互联网数据中心工程技术规范》国家标准启动会顺利召开[J].电信工程技术与标准化，2010，11（22）：34-40.

[2]刘寿强.Spansion助力互联网数据中心服务器降低能耗达75%并扩展存储容量新型SpansionEcoRM（TM）存储协助解决日益突出的数据中心能耗危机[J].电子技术应用，2011，06（09）：12-15.

互联网数据中心例2

2007年中国互联网用户规模增长率较2006年增长33.8%，预计2008年较2007年增长率将达34.1%。2007年中国互联网用户地区分布中，广东用户比例最高，广东互联网用户占全国互联网用户比例为13.1%。

互联网用户的分布具有两个特征:一是人口较多的省份互联网用户数量较多;二是经济发达地区互联网用户数量较多。互联网应用正在全国范围内加速普及，但是西北、西南等经济不发达地区接入互联网、应用互联网的用户数量和比例依然不足，数字鸿沟问题依然严峻。

2007年本地门户市场营收规模为6.1亿元人民币，较2006年5亿元人民币增长22%。互联网从综合向细分、从全国性市场向地方性市场的快速扩展，以及本地互联网生活与消费群、网络商圈的日益成熟，将促动本地门户不可避免的崛起。从2007年前后开始，本地门户、本地生活资讯服务网站将进入提速发展阶段。预计2008年地方门户营收规模将达7.9亿元人民币，增长率达到29.5%，2009年有望超过10.3亿元人民币。

2.2007年综合门户市场规模达到123.5亿元

2007年中国互联网综合门户市场保持健康增长，市场规模达到123.5亿元人民币，较2006年增长22.3%。受2008年奥运、网络游戏、社区发展等有利因素促动，2008年中国互联网综合门户服务市场增长速度将有所提高，预计年增长率31.1%，市场规模将达161.9亿元。

2007年第一阵营新浪、搜狐、网易和腾讯四者占中国综合门户企业营收额之比例为76%，市场营收的集中度CR4(前4位企业市场份额之和)达76%，市场集中度属于“非常高”。

门户传统内容矩阵服务营收主要来源于广告，而2007年中国综合门户企业收入非广告比例为72.8%，远高于广告收入比例(27.2%)，收入多元化导致门户竞争差异化、市场加剧。

新浪和搜狐处于广告收入高而非广告收入相对较低的阵营，腾讯和网易处于广告收入低而非广告收入高的阵营。未来1～2年，两个阵营之间的互相渗透、深度竞争将加剧。

3.2008年综合门户服务市场趋向

趋向一：传统基于内容资讯服务矩阵的门户模式逐步演变为价值链超长的复杂系统，受技术创新、服务聚合力不足、市场分流等因素影响，用户聚合速度和市场规模增长速度逐步放慢。综合门户在与Web2.0、互联网其他核心应用的深度融合中获得蜕变与新生。了解更多请点击赢销互联网站省略。

趋向二：促动“受众”向“用户”转变，门户从一站式的以资讯互动为中心的网站服务向一体化的完全以用户行为、需求、体验为中心的整合网络服务系统的转变。

用户原创内容在综合门户内容资讯中比例的进一步提高既改变了门户的资讯服务方式，也正在深度改变用户对门户资讯、内容的阅读方式，以及用户与门户之间的参与、互动方式。博客等Web2.0服务、视频等应用对于2008年门户内容和流量，用户的贡献度将超过门户自身编辑制作内容的贡献度。

趋向三：从广泛注意力的售卖转向底层技术、内容、受众的深度整合，实现精准售卖。

门户广告售卖模式2008年将开始有明显变化。依托联盟等广告渠道系统，门户在自身系统之内实现集中采购、分布投放、效果聚合，以此应对市场的分流、竞争。与广告的分发相并行的将可能有另外一种门户扩张轨迹――内容分发，内容从中心平台分散到各个合作平台。2008年，我们甚至将有可能看到两种“分散”结合在一起，导致综合门户市场格局发生剧烈变化的情况发生。

趋向四：各综合门户差异化趋向加剧，继即时通讯之后，电子邮箱的用户锁定效应及价值将开始显现。除了网络广告，网络游戏、网络视频、电子邮箱、广告联盟、互动社区、即时通讯将是2008年门户之间竞争形成分差的关键所在。

趋向五：奥运经济将促进主流门户广告收入、用户规模、流量规模大幅度提升，也将改写门户市场竞争格局。

不同奥运联盟背后的门户图谋2008年将逐一兑现，央视国际等网络奥运实质上的主导者将是市场最大赢家。

4.首次对用户访问网站时长进行调研

2007年中国互联网人均月访问网站时长达716分钟(合11.9小时)。而在2007年中国互联网用户人均月网站访问时长中，以24小时以下比例最多。

5.体育网站

2007年中国体育网站市场营收规模达4.7亿元，由于奥运会的推动，预计2008年中国体育网站市场营收规模将达9.8亿元，增长率达到109%。

2007年体育网站总体竞争格局可分为四大阵营，总体呈现门户派与垂直派相互博弈，而门户派遥遥领先的格局，尤其是在奥运报道战略中，门户派以绝对的技术、资源等优势领先，具体表现为：

第一阵营由门户派系的新浪、搜狐、网易、腾讯等门户组成，市场领导者。

第二阵营由包括新传宽频、华奥星空等领先的专业体育网站组成，市场挑战者。第二阵营往第一阵营发展仍需较大努力。了解更多请点击赢销互联网站省略。

第三阵营由综合门户市场第二、第三梯队网站的体育频道、第一梯队的地方门户体育频道、针对体育爱好者的资讯类专业网站、体彩类网站组成，市场参与者。

第四阵营为市场的补缺者，由第二、第三梯队的地方门户体育频道、中小体育爱好者资讯类网站等组成。

6.财经网站

2007年的牛市对财经类网站营收的发展起到极大的推动作用，2007年底财经类网站市场规模达到9.2亿元人民币，较2006年增长58.6%。预计2008年财经类网站市场规模将达到13.1亿元人民币，增长率为42.4%，2009年将达18.4亿元人民币。

2007年借助牛市崛起，财经类网站价值得到最大体现，财经网站市场份额主要集中在专业的财经网站(如东方财富网、和讯网和金融界等较专业的财经网站)和各大门户网站的财经频道(如搜狐、新浪、网易等的财经频道)。

7.电子商务

1）B2B市场分析

2006年中国B2B电子商务交易规模为9957亿元人民币，2007年增长率高达25.5%，交易规模达到12500亿元人民币。能源、化工、制造、流通等领域大型行业企业对电子商务的深入介入，是市场规模大幅度增长的核心动力。预计未来两年我国B2B电子商务交易规模将继续高速增长，2008年将达到约16200亿元人民币，2009年交易规模有望达21300亿元人民币。

2）C2C市场分析

互联网数据中心例3

中图分类号： TU2 文献标识码： A 文章编号：

概述

互联网数据中心（Internet Data Center）简称IDC，是基于Internet网络，为集中式收集、存储、处理和发送数据的设备提供运行维护的设施基地并提供相关的服务[1]。互联网数据中心是各种互联网应用与服务的核心，在网络经济和电信产业链中起着十分重要的作用。现代数据中心更是具备四个较为重要的特点，分别是：高密度、智能化管理、绿色环保、业务连续性。

IDC机房是一种大型数据储存中心机房，一般提供服务包括网络基本服务，如主机代管、虚拟主机、主机出租、异地备援、企业专线等；另有加值服务，包括网络管理与监控、防火墙、实体的消防设施与安全门禁控管等。

互联网的普及与应用得到了长足的发展，深入到各行各业，千家万户，各大通信运营商对IDC机房的建设正紧锣密鼓地展开着，其建设的好坏将直接影响到互联网业的发展。机房利用率，机房与各个设备用房的配置关系及机房节能一直是业内讨论的问题，本文就这些问题在建筑设计方面提出几点看法，供同行进行探讨。

互联网数据中心机房建筑设计及其分析

1.1机房组成分析

通信设备：机架

配套设备：电力电池、机房空调、变配电、备用发电机、水泵

辅助设备：各类管线、电缆

IDC机房的核心内容就是通信设备，它由各种功能的机架组成。机架的正常工作需要特定的环境条件，包括充沛的电力保障以及一定的温度、湿度、空气洁净度等要求，所有其它设备及设施均服务于通信设备，其之间需进行合理的分配及布局，使通信设备的工作效率最大化。

1.2机房平面设计

机房平面布置主要根据机架的排列方式进行；机架的排列方式根据其功率及空调制冷效果的优劣而改变，同时根据柱网的大小选择合理的机架布置方式；每个机房的最大面积受气体消防保护区的限制；机房大小又决定机架的排列方式及空调形式的选择。所以，机房平面排布受到多重因素的影响，其之间又相互制约。

机柜间距与空调的关系

不同类型的机架有着不同的功率，不同功率的机架其发热量是不同的。因此，各类机架需根据空调所能提供的温湿度条件进行布置。

比如，在机柜尺寸相同的条件下，4KW机架区，根据机架发热量计算，机柜间距为1200mm时能满足空调制冷需求；10KW机架区，根据机架发热量计算，机柜间距达到2400mm时能满足空调制冷需求。因此，机架发热量与空调制冷效果决定机柜间距。

机架布置与柱网的关系

柱网大小对机架排布有着较大的影响。就4KW机架区而言，在尽可能多排机架及满足空调制冷需求的前提下，不同尺寸的柱网其机架摆放效率是不同的（图1、图2）。由图可见，在机柜间距相同的条件下，8400mm柱网的局部结构柱占用了机架间的人行通道，机架布置效率降低；而7200mm柱网对4KW机架来说布置较顺，显然更为合理。故应根据不同功率的机架及其机柜间距选择适合的柱网，使机架布置效率更高。

图17200mm柱网布置图 图28400mm柱网布置图

机架布置与气消保护区大小的关系

机架布置与机房大小有着直接的关系，而机房大小受气消保护区大小的制约。一个气消保护区的大小为3600立方米，就一个层高为5100mm的机房而言，单个机房最大面积约700平方米。在需设置两个气消保护区的情况下，分设大小机房，根据机架功率，小机房采用单侧空调送风，大机房采用双侧空调送风。经合理配比，减少空调占用空间，多摆机架，提高使用效率。因此，根据气消保护区配以合理的空调送风方式来设定机房大小对提高机架布置效率尤为重要。

机架布置与柱截面尺寸的关系

如今，IDC机房进入快速发展的阶段，各通信运营商对机房设计的要求越来越高，如何提高机房使用效率已经成为机房设计的重要目标。在设计时于细节方面多加考虑可能会找到突破点。现IDC机房大多采用下送风的空调形式，因此走线架位于机架的上方。机架布置时，往往忽视了走线架的排布及走向。机架根据柱网布置，尽量使结构柱位于机柜之间，留出走道空间，其优点是保证冷热通道的通畅，而缺点是机架上方的走线架遇柱绕行，无形中增加了走线的长度，形成了资源的浪费。如对结构柱进行优化设计，改变柱截面尺寸，一侧柱宽控制在800mm以内，留出走线空间，对于整个机房楼来说，各处走线架均能做到畅通无阻，无疑将大大提高机架工作效率，对减小电阻及节省投资均有所帮助。此点需在今后的工作中加以论证。

机架布置与配套设备用房的比例关系

在相同条件下，尽可能多布机架是设计的首要目标。但与此同时，与通信设备息息相关的配套设备的用量也在相应增加。对于4KW机架区来说，机房面积与电力电池室面积的比例约为2：1；对于10KW机架区来说，机房面积与电力电池室面积的比例接近于1：1。由此看来，机架功率越高，配套设备用量越大，空调需求量也越大；而配套设备用房面积越大，机房面积越小，机架布置数量越少。两者为相互制约的关系。为此，需对机房进行合理分区及优化布局，找到设备配置平衡点，使机房利用率最大化。

机房利用率与机房进深的关系

众所周知，机房面积越大，机架摆放数量越多。机房大小跟机房进深有直接关系。就8400mm×8400mm柱网来说，三跨进深的房间尺寸约为25200mm，只需在机房一侧设置疏散门及疏散走道即可满足现行规范要求（建筑设计防火规范，3.5.13.4房间内任一点到该房间直接通向疏散走道的疏散门的距离，不应大于袋形走道两侧或尽端的疏散门至安全出口的最大距离[2]）。当机房进深达到四跨时，需双向疏散，机房两侧均需设疏散走道。虽然后者机房面积大，摆放机架数量更多，但公共部位建筑面积较多，使机房利用率降低。因此，机房利用率应与规范结合考虑，三跨进深的机房更符合目前IDC机房发展的需要。

机房平面布局与结构的关系

根据现行规范的规定及工艺需求，IDC机房内各设备用房楼面使用荷载标准值一般为：机房部分荷载为10kN/，电池电力室部分荷载为16KN/，空调机房部分荷载为7KN/，走道部分荷载为3.5kN/。楼面荷载对于一般房屋建筑来说要大得多，因此，平面布局时应非常严谨，业主需求考虑周全，各专业加强沟通，避免随意修改，造成不必要的土建造价的增加。同时应考虑今后的业务发展需求，为机房扩容预留一定的可能性。

互联网数据中心例4

中图分类号：TP393 文献标识码：A文章编号：1007-9599 (2011) 13-0000-02

Discussion on Internet Data Center Computer Room Energy-saveing

Li Ke

(Guangdong Planning and Designing Institute of Telecommunications Co.Ltd.,Zhanjiang524022,China)

Abstract:Through an analysis of the IDCenergy consumption,choose the important aspect of network server,ait conditioning and power,Discussion on IDC Energy-saving Solution.

Keywords:IDC;Energy-saving

近年来，数据中心机房（IDC）业务发展迅速，成为各运营商发展重点，不断加大投入建设大型数据中心机房。但高额的运营成本（人员、电费等）压缩了利润空间，有些机房电费支出占到收入的40%以上，因此如何减少机房能耗，成为各大运营商关注的重点。

数据中心机房的能耗主要分为四块：服务器及通信设备用电、空调用电、电源耗电、管理用电。其构成比例每个机房各不相同。大致上，前两者占大头，约占80%~90%，后两者占小头，约占20%~10%。

一、IT设备所允许的工作温度范围

以往的标准中建议服务器及网络通信设备应运行在20℃到25℃，这样可以保证设备可靠长时间运行。15℃到32℃，是IT设备可以正常运行的极限范围，但如果长时间运行在此温度条件下，IT设备可能会宕机；但随着多数主要制造商已接受了美国采暖、制冷与空调工程师协会（ASHRAE）提出的提高机房温度上限的建议：从原来的25℃提高到27℃，现在生产的设备也较之以前具有更宽的工作温度范围，已能满足在27℃下长期稳定地运行。

温度越高，吹风设备和设备风扇的转速也就越快，耗电也就越大。将温度限定在27℃是能够实现温度和功耗的一个最佳平衡。在其他的运行工况条件保持不变的情况下，盛夏时空调的设置温度每提高l℃，即可降低耗能5％。因此，在购买服务器设备及网络通信设备时，在满足其他功能要求的前提下，应优先选择具有较宽工作温度的设备，以达节约用电的目的。

二、科学合理设计机房内部气流走向提，高空调运行效率

机房内部气流走向是否科学，是制冷系统是否有效运转的关键，可以从以下几点优化气流走向。

（一）送、回风方式

目前业界公认效率较高的是采用下送风、上回风方式。这种方式中冷风从下部送到机柜，经过机柜后其温度升高比重变轻，自然上升，满足高温在上、低温在下的温度自然分布规律，不会与送风的冷风混合，使冷量的利用率提高，避免冷热气流混合，这种送风方式比上送风方式提高2―30C送回风温差，所需送风量小，可以节能15～20％。

通过“背靠背、面对面”的机架摆放方式来避免“级联加热”现象，机房内会自然地形成间隔的冷、热风通道。这样，热量将被局限于热风通道内，容易控制。

（二）规划机架内部的气流走向，避免气流受阻

在机架中应留出冷风自由上升的通道，避免设备完全将下送的冷风阻挡。其次，应避免气流紊乱。比如，机架中存在大片空位的话，容易造成冷热风混合。此时，应在空位放置机架挡板（盲板），阻止热风回流。

（三）布线方式

对于下送风方式，最好采用上走线方式，将架空地板下的空问用作送风通道，因此，不能在地板下敷设各种通信线缆，如果必须在架空地板下走线，也应将线缆收纳整齐，减少阻挡出风量。另外如果送风距离较长，选用的通风机全压值虽能克服地板长距离送风的全部压力损失，但送风的始、终端的压差较大，不利于地板下保持均匀的静压值，所以还应适当控制地板下送风的距离，同时架空地板的高度至少为0.4m。

另外，提高机房密封性是提高制冷效率、降低能耗的前提条件，应做好墙壁、屋顶、地板、线缆出入口的密封工作，将窗户封闭或贴隔热膜，减少不必要的人员进出。

三、优化供电系统，降低电能消耗

供电系统在提供电源的同时，会有电能损耗。虽然这些损耗在IDC机房总能耗中不占大头，但也是机房节能中不可忽视的部分。

（一）模块化供电

UPS的效率和负载功率是成正比的，越接近其满负载容量，它的效率就越高。现在很多UPS生产厂商正在实行对UPS模块化生产，用户可按照负载的增加而增加模块，始终保持UPS较高负载率，以达到降低能耗的目的。

（二）服务器直流供电

IDC机房中常用的双转换在线式UPS工作时会先将交流电滤波整流后变成直流电，再由逆变器将此直流电转换成设备需要的正弦波交流电源。两次的交、直流变化会带来一定的损耗。如果服务器采用直流供电，可以减少一次交、直流变化，达到节能的效果。然而目前大部分服务器是交流供电，直流供电模块的生产还未规模化，因此成本较高。

（三）采用无变压器的UPS设备

传统UPS的整机效率只有75％～85％，但采用无变压器的机型，可以提升至90％以上，这种机型体现了UPS电路技术的进步，代表着UPS技术的发展方向，它在进一步缩小体积、减轻重量、改善性能、提高效率、降低成本等方面，都取得了明显的改善和进步。因此，选用无变压器的UPS可以更有效地利用电源。

四、业务角度及其他节能趋势

（一）从“主机托管”向“主机租用”转型

目前的业务收入中，主机托管占90%以上。机房中的服务器等设备大多属于用户。这些设备从高端到低端不等，有品牌机也有兼容机。如果IDC业务能向“主机租用”转型，由IDC机房统一建设云平台，将虚拟主机租用给客户，由机房维护人员统一维护，可以带来如下好处：减少客户维护人员进出；相比原先用户复杂多样的设备，统一规格的设备在管理、维护上难度低；通过统一购买有节能功能的设备，可将先进的设备节能技术在机房层面加以利用，节能型设备不仅能节约机房的通信耗电，还由于设备发热较少，节约机房的空调耗电。

（二）机房“热点”处理

严格限电，杜绝“热点”。将机架电流限制为定值，从根源上杜绝高密度机架的出现。然而，随着IT产业的发展，高密度机架的出现成为必然，一味地把顾客挡在门外，不如顺应发展，思考对策。

――合理布局，应对“热点”。当机架内有某个设备耗能特别大时，可将其置于机架的中下部，而不是上部；当机房内存在少量高热密度机架，可令其在整个机房内平均分布，而不是聚集在一起。

――在机房内划出专属的高热密度子区域，隔离高热密度机架。这样高热密度机架不会影响到周围的低密度机架。在封闭的小范围内，针对性地制冷，比对整个机房进行制冷效率高。

（三）善用资源，提高效率

一是提高空调本身的制冷效率。例如，使用空调节能添加剂，改善空调因长期运转而带来的内部组件磨损、效率下降的问题；空调变频，经过变频改造的空调可动态地根据热负荷的变化精确调整其输出功率，这样既可节省电能，又可延长压缩机的使用寿命；考虑老设备的淘汰，对在网的空调设备进行分析，淘汰问题多、效率低的老设备，购置新设备，短期看是增加投资，长期结果是节能。

二是减小需要制冷的空间。机房的体积越大，制冷效果越差。在机房建设时，往往会考虑日后的扩容。如扩容机会没有马上到来，应对未使用的空余空间隔离。

（四）蒸发式冷气机技术

针对数据中心机房，采用蒸发式冷气机与空调联动使用技术，能有效降低空调能耗，改善机房空气环境。据试点统计，节能系统和空调开启时间比为8：1，可大大减少空调压缩机运行时间，达到节能减排的目的。蒸发式冷气机工作原理是以水作为蒸发介质，水在蒸发过程中吸收大量的热量，在焓值不变的情况下，吸取空气的显热，从而使排出的空气温度（干球温度）降低。

但使用蒸发式冷气机的技术所达到的效果，与室外空气的温度和湿度有着密切的关系，不同温度和湿度的室外空气条件下的室内制冷效果体现。总体来说，室外温度越高，湿度越低，降温效果越明显。

另外，由于数据中心机房设备对温度和湿度有一定的要求，而蒸发式冷气机的运行原理使得其在降温的同时必然会增加室内的湿度，因此必须保证机房的湿度可控，从而达到要求。

参考文献：

[1]李学博.机房节能走向系统化,智能化,精细化[J].通信世界周刊,2009

互联网数据中心例5

中图分类号：TP399 文献标识码：A 文章编号：1674-098X（2017）01（c）-0087-05

1 运营商网管系统数据现状及问题

随着移动LTE业务的迅速发展，网管数据迅速增长，对网管系统的数据支撑要求也越来越高，急需网管数据能更全面分析用户感知、更深层次挖掘网络隐患、更实时发现故障和质量下降、更准确预测用户投诉行为、更快速解决故障和质量问题。但目前各网管系统仍以功能性场景服务为主，只能解决单一场景的问题，在数据的关联服务能力方面较弱，无法有效支撑面向用户的数据服务支撑能力。目前主要存在以下问题。

（1）在使用方层面，希望能将各类网管数据（告警、性能、资源、工单、工程、拓扑、拨测、投诉）进行集中管理、对地市共享，实现各类网管数据的集中互联、关联、清洗、共享，并希望实现网管数据和信令数据的关联，支持从网管数据到信令详情的追溯。

（2）从应用层面考虑，应用对于数据实时性要求越来越高，目前已有的系统无法满足应用的实时性要求；应用从多个系统获取数据成本较大，不利于上层应用敏捷开发、快速部署的诉求，与互联网新架构的发展趋势不相符。

（3）从数据层面考虑，多个系统形成数据孤岛，缺少统一的接入、清洗、建模的管理，需要统一的数据接入、统一的计算、统一的接口共享来打破数据孤岛；各自独立系统运维、管理面临很大难题，通过数据互联统一运维，提高资源利用率和处理效率；匹配互联网的发展趋势，数据统一互联形成大数据平台成为互联网主流选择。

2 利用大数据技术构建运营商网管数据互联中心的方法

针对目前网管系统数据分散、数据服务能力较弱，无法有效支撑运营商面向用户的网络质量管理要求，该文提出利用大数据技术构建网管数据互联中心，对分散的网管数据进行互联、清洗、关联，并构建灵活统一的数据服务层，有效提高数据服务能力，支撑面向用户的网络质量管理要求，如投诉预警、实时监控、省市共享、挖掘分析等应用。

该文方法主要包括两大阶段：调研分析验证阶段和融合互联实现阶段。

（1）调研分析验证阶段。

该阶段主要是研究需求与数据、探索数据之间的业务联系，可按如下步骤进行。

①调研梳理。

调研梳理各类业务和数据模型分布、用途等信息。

调研梳理各系统数据对外提供共享接口形式、共享机制、更新频率、数据粒度等。

数据资源调研分析示例见表1。

②模型分析。

对各应用需求分类汇总，进行共性分析。

分析各应用需求与数据支撑的差距，了解短板所在。

分析省数据，研究数据关联节点，进行多数据关联模型设计。

建模分析方法示例如下。

需要解决的问题：定位用户投诉原因。

数据建模方法：数据源：信令数据、投诉数据、性能数据、资源数据。关联维度：用户、时间、业务、网元。关联指标：投诉事件、信令事件、网元性能、网元资源。模型价值：实现快速地投诉问题原因溯源定位。

数据融合互联分析模型：多数据源，跨数据维度匹配、指标关联，实现深入分析。

用户投诉无法呼叫。

根据投诉号码时间点关联用户信令事件（是否网络原因）。

根据信令中位置信息关联资源数据。

根据资源数据关联呼叫失败发生的小区接通性能指标。

小区资源不足、小区覆盖质量差、小区设备存在故障等原因定位。

③实施验证。

预采集所需各类数据，包括传统性能数据、工单数据、告警数据、投诉数据等。

关联建模，构建新的数据模型。

搭建数据DEMO，验证模型设计。

（2）融合互联实现阶段。

利用大数据技术构建运营商网管数据互联中心的构建方法，构建网管数据互联中心，主要包括5个步骤：统一数据接入、统一数据建模、集中数据存储、统一数据共享、统一平台管控。

统一数据接入：负责统一的数据接入。可根据业务需求和数据类型提供多种接入方式；数据接入后根据规则对数据进行初次清洗。

统一数据建模：负责对接入数据进行统一建模。对数据做统一的标准化处理，同时也可以根据业务规则对多数据源进行关联。

集中数据存储：负责对建模后数据的统一存储。运用Hadoop分布式技术，对于数据查询时延要求高的可以存储在Hbase上；对于数据需要提供灵活查询方式的可以存储在Hive上。

统一数据共享：负责数据的统一对外共享。统一的数据共享可以有效防止数据泄露，降低上层应用获取数据的成本。可根据业务需求提供多种数据共享方式，整体上分实时获取和非实时获取方式。

统一平台管控：负责对网管数据互联中心进行管理和控制。包括对用户的安全认证、数据获取方的权限管理、互联中心的数据进行质量监控等。

3 具体实现方法

3.1 互联中心建设

3.1.1 总体架构图

网管数据互联中心的架构，主要包括5个核心模块：南向数据接入层、数据关联中心、数据仓库、北向共享接口层、互联中心管控分析门户（见图1）。

3.1.2 功能模块介绍

（1）南向数据接入层。

负责各种网络数据的实时性接入和非实时性接入，实时性要求高的数据通过Kafka方式接入，对实时性无要求的数据则通过Flume方式接入。需接入的数据如下。

①工单：开通、故障、投诉。

②网络变更：工程割接、其他变更操作等。

③网络资源：2/3/4G基站信息、2/3/4G小区信息、BSC、RNC、SGSN、MME等网络资源信息。

④网管性能：从采集平台获取分支进行计算汇总，实时监控需求从采集平台直接送综合监控。

⑤告警：历史告警（补充了很多处理信息）；实时告警（没有工单状态），综合监控目前没有实时的告警的对外共享接口，通过MQ消息送到Kafka总线，经过storm清洗后入Hbase。

⑥拨测：基于探针拨测和仿真测试。

⑦用户投诉：批量投诉、广义投诉等。

⑧其他网络数据，如日志等，后续检视具体应用的数据需求再确定。

⑨无线专业的数据范围待后续结合地市需求和无优中心沟通后细化，比如投诉黑点、MR等。

（2）数据关联中心。

数据关联中心是对南向接入数据进行数据建模、对数据模型化处理，主要分为“资源ODM化”和“多数据源关联”。

①资源信息ODM化：通过加载资源数据后，采用Spark Streaming技术对南向接入的其他数据源，以实时流的方式进行高效资源维度信息规范化处理，回填资源信息，为后续的多数据源关联提供统一标准的资源维度。

②多数据源关联：是依据数据融合模型场景，对实时计算需求场景中使用Spark SQL，在离线计算需求场景中使用Hive，对ODM化输出的各数据源的以资源维度为索引进行数据关联和汇聚的处理。

数据源关联原则（三同一全原则）：同最小维度关联，对最小维度级别相同的数据源进行关联。同网络类型关联，关联的数据源中只存在某种网络类型（2、3、4G）的，则根据网络类型维度分别关联输出模型。同数据量级关联，进行关联的数据源必须在同一数据量级，否则分开模型输出。全字段关联，关联的各数据源中维度外的字段全部输出到模型里。

数据管理中心处理包括实时计算框架和离线计算框架2类。

①实时计算框架：接入流式消息数据，数据从接入系统到计算出结果耗时在1 min内，进程常驻；计算框架为Spark Steaming，对接消息队列Kafka获取消息。

②离线计算框架：接入文件数据，数据从接入系统到计算出结果耗时在5 min以上，按需启动/结束进程；计算框架为Spark和Hive，从HDFS获取输入数据。

（3）数据仓库。

数据仓库负责共享数据的统一存储，包括ODM化后的原始接入数据和关联后的融合模型数据。ODM化后的原始接入数据因其数据量大，存储在Hbase集群以提供高速的海量数据查询响应。关联后的融合模型数据是对多数据源关联汇聚后的统计数据，存储在Hive以提供灵活组合的高效查询。

（4）北向共享接口层。

北向共享接口层是一种分布式接口服务层，负责数据对外开放共享。外部系统可以通过5种方式获取数据。

实时获取Hbase数据。以REST API方式，对外GET（URL）接口，将查询条件封装在URL？para1=xxx&

para2=xxx，以JSON的格式返回查询数据。此方式主要用于查询结果集较小、实时性要求高的场景。

异步获取Hbase数据。以Kafka+FTP方式，查询结果较大时使用此方式，将结果写入文件中，然后上传到FTP服务器上，通过Kafka返回如何获取文件的信息。此方式主要用于查询结果集较大、实时性要求低的场景。

异步获取即系查询数据。以Kafka+FTP方式，查询结果较大时使用此方式，将结果写入文件中，然后上传到FTP服务器上，通过Kafka返回如何获取文件的信息。此方式主要用于查询结果集较大、实时性要求低的场景。与第二种的差别是，第二种方式查询的是Hbase数据、而此方式查询的是Hive数据。

FTP定期获取数据。数据互联中心把使用方需要的数据（Hbase、Hive数据）上传至FTP，使用方定期扫描FTP服务器，发现有新文件t获取下来。考虑到多用户频繁扫描FTP服务器会增加服务器压力，目前未使用该方式。

获取Kafka实时数据。通过Kafka接口，实时传输数据，使用方订阅相应Topic即可获取所需数据。此方式主要用于对数据实时性要求极高的场景。

（5）互联中心管控分析门户。

互联中心管控分析门户用于对互联中心进行可视化管理和控制，分5个子模块：元数据管理、数据质量、接口管理、安全管理、用户权限管理。

元数据管理。对南向接入数据进行可视化管理；对资源数据的管理和对数据源的资源关联规则配置，包括资源列表和资源关联规则两部分；提供在ODM化和数据源关联以后、最终共享给外部系统的模型数据视图；提供接入数据的数据流向图。

数据质量。对互联中心的接入数据的完整性进行统计、给出缺失的文件；统计各模型的资源关联率、关联率低的模型及时告警。

接口管理。管理南向数据接入的种类、接入方式、采集频率等信息；管理北向共享数据的种类、共享方式、时间粒度等信息。

安全管理。对用户行为进行监控、对敏感数据进行脱敏等。

用户权限管理。对每个访问互联中心的账号进行权限管理，按要求进行授权。

3.1.3 数据总体的流向处理

互联中心数据流总体上分2类：实时数据流和非实时数据流。

（1）实时数据流。实时数据流向如图2所示。

（2）非实时数据流。非实时数据流向如图3所示。

3.2 互联中心应用场景介绍

3.2.1 已落地应用

网管数据互联中心目前已接入5类数据，有效支撑智能研判、自研竞赛、地市共享等应用。接入数据及支持的应用情况见表2。

后续将接入话务网性能数据、数通网性能数据、综分系统数据、有线网优等性能指标数据，客响数据，广义投诉，集客、家宽等资源数据，HSS日志数据等数据，丰富网管数据，以便支持更多的网管应用。

3.2.2 典型应用介绍

故障投诉预警系统：通过互联中心北向接口，获取所需要的告警、工单、网络变更、用户投诉等数据。

数据共享方式如图4所示。

对于工单、网络变更、投诉等数据量较小、实时性要求高的数据，故障投诉预警系统可以实时查询Hbase获取数据，即图4中A方式。

对于告警数据，由于数据量大、且实时性要求也较高，故障投诉预警系统可以通过异步查询Hbase，即图4中B方式，在Hbase查询完数据后把数据文件上传至数据共享机，同时会发一条通知消息至Kafka，故障投诉预警系统可以从该消息中获取到文件信息，然后根据获取的文件信息通过FTP方式从数据共享机获取数据文件。

对于投诉历史数据、告警历史数据等，数据量较大、实时性要求较低，故障投诉预警系统可以通过异步查询Hive，即图4中C方式，在Hive查询完数据后把数据文件上传至数据共享机，同时会发一条通知消息至Kafka，故障投诉预警系统可以从该消息中获取到文件信息，然后根据获取的文件信息通过FTP方式从数据共享机获取数据文件。

4 结语

利用成熟的大数据技术，借鉴互联网公司经验，构建统一的网管数据互联中心，统一数据处理，融合多源数据，进行关联分析、挖掘分析，可以建更高效的业务分析模型，满足业务发展要求；通过有效数据融合互联，进行线性回归，溯源分析，实现更精准的端到端分析，可以更好地优化客户体验，提高客户满意度。

该文的意义在于提供一个高效可行的方法，破除网管系统烟囱建设、数据孤岛、支撑力度不足问题，通过集中的网管数据互联中心，提供更强大的数据处理能力，更高效的分析模型，更好地促进业务发展，提高企业综合竞争力。

参考文献

互联网数据中心例6

在建设数据中心时，中小企业一方面会苛求信息研发能力及信息安全的要求，但是相较于大型企业，由于其成长和发展速度较快，IT成长规划要保证与业务发展同步。同时，出于成本考虑，“轻资产”是其对于基础架构的基本要求。

互联网数据中心例7

中图分类号：TP308 文献标识码：A 文章编号：1009-2374（2014）05-0081-02

电信运营商在看到IDC机房发展中巨大的经济效益的同时，也要面对IDC机房在建设和经营过程中必须要支付的巨额成本。首先要解决数据中心的硬件设施建设问题，其中包括发电机组、机架地板和不间断电源等基本配备。通常运营商在基本设备上花费的成本越高，设备的性能越好，相应地经济效益就会降低。其次就是IDC的巨额运行成本，这笔花费已经有逐年攀升的趋势。在早期建设数据中心的时候并没有一个总体的把握，机房内部设计存在很多不合理的地方才造成了现在高耗能、高成本和低效益、设备故障多的运行情况。

1 互联网数据中心机房设计的要点

对互联网数据中心进行设计的要点主要有以下几个方面：第一，在对IDC进行设计的同时，要保障各个系统的完整和统一，规范其配置，那么其设计重点为供电模式的计算、对用电容量的统计、对变压器进行优化和设计、对UPS进行合理配置、根据冷量需求及气流确切选择空调设备、规划安装细则、计算空调新风等要素；第二，如果设备在运行过程中较为可靠，那么在对其进行设计的同时，要保证其正常运行，例如每年都会对相应的设备采取定期维护、检修，因此在维护、检修的同时，该系统必须持续运作；第三，鉴于南方、北方的气候条件有所差异，那么当夏季到来时，必须确保机房空调的最小风量，而冬季到来时，还必须顾及到空间问题，做好机房的通气和清洁，该要点中，确保机房的清洁和最大新风也是亟待解决的问题。

某互联网数据中心在建成之后，每一楼层中的IDC机房的制冷装置均正常运行。但是也面临了一系列问题，例如在建设过程中，没有考虑到谐波对设备的影响，从而导致变压器的负载不足，铁磁损耗过高；在对机架排列的同时，空调方位与气流、风力的关系并未计算在内，而冷通道以及热通道的方位以及送风方式都没有达到相应的要求，那么空调的制冷效果依然不明显，为了解决这个问题，在建设的后期，必须将空调设备容量进行扩充，但是依然不能从根本上解决问题。

2 IDC机房总体规划节能思路

IDC初步设计、建成之后，首先要确保机房安全，其次大力完善节能措施。从某种意义上而言，IDC不仅是空调以及UPS等设备上的能源消耗，还有很多其他的原因以待考察，需要做好最全面的规划。

2.1 优先安装低能耗设备

在选用设备的同时，首先要确定能耗量较大的必备设备，例如机房中的服务器、数据库处理设备等，这些设备的正常运作需要大量的UPS。而UPS在运行的过程中会出现散热现象，例如上述设备在运行中所消耗的电能，绝大部分会转化为热能放出，与此对应，空调的所需功率和数量就会被无形地提高。因此可知，若某机房中的设备能够满足日常生产规划，那么应该首选低能耗设备，从根源入手解决节能问题。

2.2 优化供电方案

在IDC机房中，设备的功能是不同的，因此需要对这些设备进行合理的规划，清晰划分不同用电量设备对电能的消耗情况，从而制定有区别的供电、用电措施，以免出现电能浪费或电能紧缺的情况。这样不仅可以降低对机房规划的投资，还能削减能耗。

2.3 选用合适的空调运行模式

空调的运行会消耗一定量的电能，但是运行模式的不同就能确定不同的电能消耗量。例如空调中的制冷因子、空调的运作模式等，将这些要素进行控制和改善，完全可以保证在最小的电能消耗下，得到最好的机房制冷效果。举个很简单的例子，如果室外空气较冷，是可以在一定的干燥措施后，简单引入制冷系统进行制冷的，楼体的冷冻水也是一个比较有效的制冷原料，冷冻水空调也是大型数据中心制冷设备的首选。

2.4 防止跑冒滴漏

热能消耗，一直都是IDC的能源消耗重点，而导致热能消耗的关键问题，又在于隔热效果不好，这属于跑冒滴漏的范畴。要进行有效的防范，需要我们对IDC机房的门窗、天花板、墙面等部位进行有效的隔热处理，对南方地区而言，更应该注意外墙的隔热，因此IDC机房在地板下敷设橡塑保温棉、墙面采用岩棉夹芯彩钢墙板等。

2.5 其他节能措施

其他节能措施还包括对机房进行合理的布局，例如采用冷通道密闭系统，保证大型数据中心的微环境温度，为真正提供高效冷却和节能等降低环境负荷；另外，为保证气流的运动，以提升散热效果、对不同品牌不同时代的设备，进行差别冷却等。

3 IDC机房设计中运用的有效节能技术

首先是采用氟泵系统来代替传统的压缩机系统来达到制冷的效果。IDC机房内部需要全年制冷，在秋冬季节的时候，室外温度普遍低于室内温度，所以将自然冷源用来降低机房内的温度就是一种高效节能、环保的好办法。在室外温度偏低的时候，空调内的泵会将氟利昂输送到室外，完成冷热互换后再输送回来，新式氟泵系统运行的功率比传统的压缩机要小的多，可以达到节能的目标。这种方法在夏天的时候也能起到一定的作用，主要是依靠压缩机来制冷，但在机房内的温度高过室外温度时，就可以由压缩机制冷模式自动转换到氟泵运行模式，有利于保证机房内的空调稳定、安全运行。氟泵系统除了在室外温度较低的情况下可以发挥出明显的节能优势，还具有很多优点，比如说：安装方便，运行过程中不会对室内空气造成任何影响，有效延长了压缩机的使用寿命等

其次是在空调内使用微雾喷淋技术。由于夏季温度普遍偏高，所以空调的热交换效率较低，压缩机的工作压力和运行功率较大。微雾喷淋技术的使用原理就是将软化水喷在机翅片上，根据水在吸热后会蒸发的原理来提高制冷剂的热交换效率。在空调内安装喷淋系统也能达到节能、缓解压缩机工作压力的目的。

然后是采用专门的加湿装置来替代空调内的加湿功能。传统的空调加湿功能一向是通过电极直接将加湿罐内的水烧成水蒸汽，从而起到加湿效果。加湿器则是通过加大水的蒸发面积来提高其蒸发速度，从而起到加湿效果。就其加湿方法来看，加湿器的加湿效果和耗电量都明显比空调加湿要好。

此外，还可以在IDC机房内采取节能灯、精确送风系统以及热交换系统等节能措施来降低数据中心的运行成本。

4 结语

随着计算机技术的迅猛发展，人们的生活越来越离不开互联网，要保证生产生活有序开展，我们必须保证IDC的发展。然而其发展离不开各种能源的损耗，损耗的这部分能源以热能的形式直接流失，与目前实现可持续发展的浪潮有所矛盾，这就需要我们为之进行一定的探索。一般而言，我们可以通过优先安装低能耗设备、优化供电方案、选择合理的空调运行方案等措施，从结构上保证节能的可行性。

参考文献

[1] 尚华.互联网数据中心（IDC）机房综合管理系统的实现[J].科技视界，2012，（7）.

[2] 颜洁卿.国内互联网数据中心（IDC）发展现状及存在问题探究[J].科技传播，2012，（7）.

互联网数据中心例8

数据化将成为趋势

数据表明，互联网化与现实世界数据化的趋势使得数量和计算量将会呈指数性爆发，而数据存储、计算和应用都更加需要集中化。而进入2015年，互联网已经走到新的拐点 ―― “互联网+”时代，同时也是真正的大数据时代即将来临。作为这一时代来临的标志之一，所有的数据和信息都会存在云端。

与此同时，手机互联网或者移动互联网，尤其物联网、车联网，包括可穿戴设备、各种智能硬件，将会拥有比 PC 互联网更实时、更广阔的数据采集能力。

据中信证券《云计算/IDC 行业专题研究报告 ―― 数据大爆炸，数据中心大发展 ――“互联网+”》报告表明，预计2020，每年新增数据量将会达到 15.45ZB，整体的网络上数据存储量将会达到39ZB，未来6年的年复合增长率有望达到84%。

然而，数据中心的建设依然受传统模式中多个因素的影响，包括地皮审批、电力设施配置、骨干网络接入等，数据中心的供给仍按传统行业的线性增长。

互联网数据中心例9

经过20年的发展，如今的中国互联网行业正呈现出一片欣欣向荣的景象。今天的互联网企业业务已经覆盖到用户生活中的方方面面。而作为支撑着繁荣的一个重要组成部分，是幕后的互联网数据中心。如今，这一领域正悄然发生一场变革。 “温饱型”到“服务型”的转变互联网今天已经成为人们生活中不可或缺的一部分。互联网企业提供的种种服务，如搜索、购物、出行、娱乐等等，已经深深地影响到人们的生活。因此，不论是对于用户，还是对于互联网企业，稳定、可靠、连续的互联网业务运营都是必需的。可以说，互联网企业对业务可靠性、连续性的要求已经可以与金融企业、大型企业的要求相匹配了。 业务的不断增长大大促进了对互联网数据中心IT架构和基础设施的需求。作为幕后的支撑，互联网数据中心在过去20年中不断发展，获得了非常多的资源投入。不过，这一趋势正在发生某种改变。随着互联网行业日益成熟，互联网数据中心对资源的渴求已经从“温饱型”和“资源满足型”转变为更高层次的对服务的需求，即向“服务型”转变。转变是由互联网数据中心正面临的挑战引起的。 互联网数据中心面临的三大挑战业务的发展对互联网数据中心提出了更高的要求，互联网企业所面临的早已不是资源的获取，而是获得更为全面的能力。今天的互联网数据中心需要面对的挑战包括： (1)运营和综合管理能力 合规性是互联网数据中心运营的首要因素。同时，数据中心的综合管理必须要做到标准化和模块化，这意味着互联网企业对数据中心设备设施、基础设施与IT设备工程的全面整合要求具备监测和运营整合方面的能力，同时需要实现软硬件之间的无缝整合。另外，高密度的IT环境改变了设备设施的供电和制冷需求，要求执行动态的监测和管理，以实现可用性和节能增效目标的最大化。虚拟化和云计算引入以及节能增效的需求等等，这些都对互联网数据中心的运营和综合管理能力提出更高的要求。 (2)资源的灵活部署能力 全业务运营时代要求互联网数据中心具备快速部署业务的能力，这使得业务提供速度成为衡量一家互联网企业能否盈利和占领市场的关键能力。互联网的新兴业务，具有鲜明的时效性特点，能否快速部署事关业务的生存和发展。 而传统的互联网数据中心组织相对松散，规模小，采用烟囱式架构建设和维护，已经不能满足互联网新兴业务需求。 (3)IT架构规划和实施能力 如何让互联网数据中心与企业业务运营过程衔接，是IT架构规划的目标。 互联网行业的蓬勃发展要求互联网数据中心的IT架构规划必须具有战略性和前瞻性，与企业的愿景目标相结合。同时，互联网数据中心还必须提高现有的实施能力，以快速、正确、有效地应对业务快速发展带来的挑战。 新一代数据中心成为趋势之选在诸多挑战面前，新一代数据中心逐渐成为互联网企业的最佳选择。新一代数据中心必须要满足三大要求：(1)要具备非常合规的运营能力，能够实现涵盖IT基础设施和数据中心基础设施的综合管理；(2)要具备覆盖全国的，按照未来IT部署诉求的，及时、灵活、可扩展的数据中心网络集群；(3)要具备不仅仅是满足当下需求，还能够在未来战略规划、IT架构管理中为用户提供整体端到端解决方案。 国内的新一代数据中心服务商由于新一代数据中心的诸多要求，并非所有的数据中心服务商都能够称得上是新一代数据中心服务商。 电信服务提供商，如中国电信、中国联通等，是传统的数据中心服务提供商。他们具有强大的硬件和网络资源，能够满足地理上的覆盖，但对于互联网企业而言，个体的IT诉求决定了其必须获得定制化的服务，而传统的电信服务提供商并不具备满足这一需求的能力。 中小型的IDC的优点是比较灵活，能够提供定制化的服务，但由于其能够提供的资源有限，无法满足互联网企业的全国性需求，因此也无法成为新一代数据中心提供商。 国内新兴的数据中心提供商正逐渐成为互联网企业获取新一代数据中心服务的首选。典型的如万国数据，这家公司在数据中心领域耕耘多年，在运营方面拥有丰富的经验，同时对IT系统到数据中心，到网络整体，都有很高的综合管理能力。另外，此类服务商的特点是拥有庞大的资源，如万国数据在全国范围内拥有一个由20个数据中心组成的网络状的数据中心集群，机房面积达到了3万多平方米，能够满足客户灵活、及时、方便在全国部署的需求，并且所有数据都按照国际标准进行管理，这在国内还是首家。 同时，这家公司还能够参与到未来IT基础架构的规划和实施计划当中。这家为100多家金融机构提供灾备服务的公司，已经成为新一代数据中心领域的领军企业。 新一代数据中心已经成为互联网企业的趋势之选。 如何更好地利用新一代数据中心获取“大后方”的可靠支持，以更好地专注于自己的核心业务，已经成为今天互联网企业共同关注的问题。 在此趋势之下，相信在不久的将来，新一代数据中心将成为互联网企业的首选。 新一代数据中心，互联网企业趋势之选文：趋势

互联网数据中心例10

所谓互联网金融是指借助于互联网技术、移动通信技术实现资金融通、支付和信息中介等业务的新兴金融模式，既不同于商业银行间接融资，也不同于资本市场直接融资的融资模式。随着互联网技术的快速发展，互联网金融得到迅猛的发展，具体体现在用户数量和资金规模上。央行数据显示，电子支付业务增长较快，移动支付业务保持高位增长；2013年移动支付业务16.74亿笔，金额9.64万亿元，同比分别增长212.86%和317.56%。新华网的报道显示，互联网理财产品在近一年的时间内，发展已经超出人们的想象，例如互联网理财领域的“余额宝”，截止到2014年2月，其客户数已超过6 000万人，资金规模已超过2 500亿元。与传统金融相比，互联网金融具有成本低、效率高、覆盖广、发展快和管理弱等特点，并在国家支持互联网创新的背景下，得到迅速的发展。

“高效共享”、“平等自由”、“信任尊重”的互联网精神推动了互联网金融的快速发展，进而形成以点对点，网格化共享互联，信息交互，资源共享，优势互补的金融体系。虽然成熟可靠的互联网技术为互联网金融的正常运营提供了强有力的保证，但是互联网金融的风险监管体系与传统金融的监管体系相比，在合法性、规范性和安全性等方面尚存在很多问题，这些问题将会产生诸多不确定的金融风险，不仅会影响企业的可持续发展，甚至会影响国家和社会的繁荣稳定。要控制金融风险，需有完善的金融预警机制作为保障。所谓金融预警机制主要是指各种反映金融风险警情、警兆、警源及变动趋势的组织形式，指标体系和预警方法等所构成的有机整体，并且以经济金融统计资料为依据，以信息技术为基础，是金融风险防范的重要组成部分。如何判断和识别金融风险，是金融风险预警机制的核心问题。随着信息技术的快速发展，结合收集的历史数据，结合数学指标、统计模型、数据挖掘等模型、算法判断和识别金融风险，是当今金融风险预警机制中的研究热点。传统的金融风险预警方法主要有三大类：景气指数法、指标体系评分法和模型法。景气指数法，通过综合许多经济因素为一个或一组景气指数来经济动态走向；指标体系评分法，通过筛选指标、编制指标体系、给与指标赋分来给出金融安全状态的较为完整的评价；模型法，通过将与金融危机发生的相关因素纳入统计模型进行检验来预测金融危机发生的可能性。

对于互联网企业来说，爆炸式增长的客户数据是一个亟待开发的资源，数据中所蕴藏的无限信息金矿若以先进的分析技术加以利用，将之转换为极其有价值的洞察力，能够帮助金融企业执行实时风险管理，成为金融企业的强大保护盾，保证金融企业的正常运营。数据是下一个“Intel Inside”，未来属于将数据转换成产品的公司和人们。互联网金融风险的预警体系的建立，应根植于互联网中的大数据，结合传统的金融风险分析方法，利用统计、计算机、数据挖掘、人工智能等手段，从数据的海洋中甄别、判断互联网金融中潜在的风险；并且还能通过数据掌握客户动态，企业经营环节中可能出现的金融风险，从而提高企业经营管理效益。

二、 互联网金融中的数据及特点

1. 互联网金融的数据。与互联网电子商务一样，互联网金融作为金融信息化的形式，离不开参与互联网金融活动的企业、客户，以及相关的金融服务或产品。与传统金融活动相比，互联网金融活动更容易收集、整理、存储用户信息、用户交易数据、服务或产品信息，甚至还能存储用户在交易过程中对互联网平台的使用情况、操作行为，以及沟通、留言等信息。从互联网金融数据的构成形式来看，主要包括：用户数据、交易数据、用户操作及行为数据、金融服务或产品供给情况，以及文本数据（包括：电子邮件，即时聊天，以及留言等）。

（1）用户数据。互联网金融业务的开展，离不开用户的参与。为保障用户在交易过程中的金融安全，保证日常金融活动的顺利进行，金融企业针对用户信息的管理工作是十分严格的。通常情况下，用户的基本信息会被收录和存储到企业信息系统之中。作为互联网金融的服务对象，用户是不可缺少的组成部分，用户规模直接反映了企业的规模，还间接反映了企业的发展前景。

（2）交易数据。互联网金融是传统金融向电子信息化方向的发展，互联网金融的主要活动离不开用户交易。互联网金融企业为用户交易提供了互联网平台媒介及相关金融服务。为保证交易安全，提高企业的服务质量，便于回溯和取证，系统会记录用户通过互联网平台交易的过程。长期积累的交易数据不仅可以用来分析用户的交易偏好，也可用来侦测用户的异常交易行为，为防止交易风险提供依据。

（3）用户操作行为数据。互联网金融平台不仅是互联网交易的媒介，也承载着传递信息，宣传金融服务的作用。与传统金融不同，互联网金融平台无法通过面对面的交谈，感知客户的感受，发现客户的异常行为。因此，为了提升互联网金融平台的服务质量，了解客户的操作行为习惯，通常会记录客户的操作行为。

（4）文本数据。作为信息传递的平台，互联网中存在大量的评价，留言，沟通交流信息，这些信息体现了民众的舆论动向。金融运行的基础为信用与预期，这种特征使其更容易受社会信用与预期舆情的影响。金融舆情能够通过一定的作用机理对互联网金融运行产生现实的影响，如果不能及时关注和应对小的金融舆情，则有可能酿成大的金融危机事件。

（5）其他数据。除此之外，还有诸多外部因素会影响互联网金融的正常运行，例如国家宏观经济运行情况，物价水平，进出口、行业发展状况等都会对互联网金融产生影响。为保证互联网金融企业的正常运行，应该全面，细致的整理和收集相关的数据。

2. 互联网金融数据的特点。与大数据一样，互联网金融数据具有规模性（Volume）、多样性（Variety）和高速性（Velocity）等三大特点。三大特点交织在一起，形成了当今中国互联网金融的新局面。

（1）规模性。所谓规模性指的是，互联网金融数据的量达到了一定的程度，无法通过当前主流的分析工具来及时处理。互联 网金融数据的规模体现在用户规模增大、交易规模增大两方面。一方面，由于互联网金融的门槛较低，效率较高，互联网金融的参与者更具有广泛性、规模性，更加平民化导致互联网金融用户规模较大。另一方面，结合互联网的特点，加之互联网企业的平台、用户、以及大数据优势，互联网金融的用户规模、交易规模很容易迅速提升。

（2）多样性。所谓多样性指的是，互联网金融数据的数据类型，除了有结构化的数据以外，还有半结构化和非结构化的数据，例如文本数据。此外，还体现为互联网金融活动的多样性，互联网金融提供了在线支付、还贷借贷、理财、保险等服务，丰富了互联网金融的形式。常见的互联网金融活动包括：B2B电商金融、B2C电商金融、网销基金（网络理财）、网销保险、银行电商、P2P网贷、网络支付、众筹融资、虚拟货币等。

（3）高速性。所谓高速性指的是，互联网金融数据的到达与处理必须及时高效，不允许较长的延迟，不及时将会造成不必要的损失。同时，借助互联网平台的宣传，互联网用户的响应速度提高，加之用户规模较大，数据的增长速度呈指数增加。

可见，要从大数据中识别、发现互联网金融中潜在的风险，需要有处理大数据规模性、多样性、高速性的能力。要应对互联网金融中的大数据问题，需要建立完备科学的互联网金融风险预警体系。目前大数据主要的处理模式可以分为流处理和批处理两种，其中批处理是先存储后处理，而流处理则是直接处理。不论以哪种方式处理数据，互联网金融风险预警系统都要从数据出发，识别、发现、预警、监控、预测互联网金融中潜在的风险。

三、 互联网金融风险预警系统

1. 以数据为中心的体系设计原则。

（1）系统性原则。互联网金融风险预警体系是针对互联网金融风险的监测、预测、预警的系统，是一个大的体系，必须涵盖互联网金融活动的全过程。必须考虑到互联网金融活动中的每个参与者，包括金融服务、金融产品的提供者，中介机构、用户，以及政府、监管机构等；还须考虑各种交易行为，甚至民众舆论动向。同时，还需兼顾国家宏观经济运行情况、经济指标、行业发展情况等。

（2）时效性原则。由于互联网金融数据具有高速、变化的特点，说明实时处理分析的重要性，目的就是实时防范和减少金融风险，及时识别、判断金融风险，及时对风险进行预测和响应，在时间上要连续，在内容上要连贯和可比。

（3）可操作性原则。在数据的收集、管理时，要有利于风险的识别、判断、预测；在系统的构建时，要结合符合公司实际情况，简单、可靠、易行；在数据分析过程中，选取的指标、统计方法、相关判别准则要易于分析、有利于操作，不仅能快速的识别、判断、预测风险，做出预警，还能辨别风险的源头。

（4）科学性。设计过程中应尽量考虑采用可量化的指标，同时也要设置一定的定性指标，以进一步系统地反映定量指标所不能表征的金融风险。对于定性指标也要给出准确的判断标准，尽可能避免人为因素的误导，确保评价结果的科学性、合理性和准确性。

（5）弹性原则。系统的设计应兼容既有金融风险预警系统，保证企业正常运营的前提下，随着时间的推移，对系统进行不断改进和完善。保证系统中功能、模块应能独立运行，功能各异，相互补充，避免冗余。

2. 以数据为中心的系统的层级。

（1）数据管理层。数据作为系统中的核心部分，是整个体系中的关键环节。企业在建立以数据为中心的互联网金融预警系统过程中，必须健全为企业服务的数据管理机制，建立与企业规模相匹配的数据中心。数据中心的职责包括：数据的收集、整理、加工、存储，提供方便、可靠的数据操纵接口，以便其他层级用户的使用。数据中心管理数据时，应保证数据的完整性、准确性以及安全性；并兼顾可靠性，保证数据中心正常运营，为风险的预警提供数据支持平台。

（2）数据整合层。要从互联网金融的大数据海洋中实现金融风险的预警，必须对金融风险有透彻的定义和认识。从金融风险的定义出发，确定分析需求，对数据进行重新整合，提取与之对应的分析数据。数据整合是保证分析结果可靠性、准确性必不可少的环节。如果说数据是预警体系的基础，那么需求则是预警体系的灵魂。数据提取层的任务包括：风险的定义、分析需求的确定、数据的整合与提取。

（3）数据分析层。数据分析是互联网金融风险管理控制的实施手段。全面的数据分析系统，应包括现行的指标体系、统计模型，及人工智能方法；同时兼顾与企业相适应的相关指标体系、统计模型等方法。数据分析层的功能应包括：风险识别、判断，风险预警，风险监控，自动上报、信号系统，风险预测，风险评级等功能。

（4）数据解释层。来自数据分析层中的每一次预警、每一个报告，都须结合企业的经营管理状况，以及企业外部经济运行环境，行业背景来进行解读。目的是更系统的评估风险，评价风险的可靠性，风险的危害程度，产生的根源，可采取的控制手段，弥补数据分析层的不足，为企业决策管理者提供更完整的决策依据，从而减少企业为规避风险所产生的损益。数据解释层应健全风险响应机制，建立风险应急小组，为及时处理风险提供依据。

结合以“数据”为中心的体系设计原则，从系统性、时效性、可操作性、科学性和弹性来看，预警体系涵盖了以数据为中心的互联网金融风险分析的各个环节，即数据的收集、数据提取、数据分析和数据解释；各层级紧紧相扣，又相互独立，为企业风险控制管理提供有力支撑；通过数据中心的建设，有利于加快企业的信息化，提供企业管理水平，降低因企业管理缺陷导致的内部风险；统筹兼顾、持续改进，降低企业管理经验成本。

四、 结论与机制实施建议

建立互联网金融风险预警体系的目的是，预防或降低企业在经营过程中，由于决策失误，客观情况变化或其他原因使资金、财产、信誉遭受损失。本文介绍了从互联网金融的发展状况入手，介绍了互联网金融的数据及特点，说明了互联网金融风险预警系统的设计原则和系统层级。建立以数据为中心的金融风险预警系统，不仅能够帮助企业降低和减少金融风险带来的损失，也能帮助企业提高、完善 企业经营管理水平。基于大数据的金融风险预警系统作为保障互联网金融正常运行的工具，在传统金融互联网化的时代背景下，将会得到快速的发展。在系统的实施过程中，我们提出如下建议：

（1）建立科学、体系的考核评价机制。数据作为风险预警机制的核心，一旦离开操作数据的“人”，将毫无用处。因此在系统建设的过程中，应建立科学、体系的考核评价机制，提高参与者的主观能动性，保证系统顺利实施。考核机制应从数据的角度出发，以建立全面、可靠、弹性、实时、安全的数据体系为目标，对参与者在体系建设中的效能进行评估，量化参与者任务完成情况考核，奖励为体系建设做出贡献的参与者。

（2）要注意事物发展的阶段性，由易到难，逐步金融风险预警系统。互联网金融风险预警系统不是简单地借用传统金融风险系统，或者新系统的重新开发，而是在传统金融风险系统的基础上，结合互联网的特点，建立与大数据为中心的风险预警系统，本质是传统金融行业向互联网金融行业的转变。实施的过程中，企业要做系统的评估，从简到繁，从易到难，保证企业正常运行的情况下，稳步建设以数据为中心的金融风险体系。同时，要结合企业的经营管理水平，充分利用互联网技术，在风险管理的过程中不断实践，有条件的创新，建立符合企业自身发展要求的金融风险预警系统。