数据中心的数据治理平台建设 数据中心的数据治理平台建设摘要：随着数字经济的发展，数据的重要性和深远价值已经成为各行各业的共识，在智能化转型的背景下，数据治理作为下面是小编为大家整理的数据中心的数据治理平台建设 ,供大家参考。
数据中心的数据治理平台建设
摘要：随着数字经济的发展，数据的重要性和深远价值已经成为各行各业的共识，在智能化转型的背景下，数据治理作为数据中心的直接载体，受到了本行业的广泛关注，实现“一键合并，实时治理”已经成为很多企业的战略目标。然而，基础数据质量是核心瓶颈，作为信息社会的数字化基础，数据中心已经成为推动社会发展的战略性基础设施。
关键词：数据中心；数据治理；平台建设
前言：在数字化基础设施浪潮的推动下，从消费领域到实体经济将发生巨大的技术变革。所有行业都将从过去被动、零碎的数据平台建设模式升级为主动、业务结合、共同进化的有机系统框架。然而，海量数据的爆炸式增长、数据形式的多样化以及实时处理需求的激增，也给数据行业的安全带来了巨大的挑战。与传统互联网“尽力而为”的网络服务架构不同，工业互联网需要对产品服务体系给予可靠的数据安全保证，通过软数据治理提升整个基础设施的治理高度。
2传统的企业数据中心的状况
2.1传统数据中心出现的问题
2.1.1资源利用率低
造成数据中心的资源利用率低的原因有很多种，其主要原因有每一个部门都是按照业务的最大的规模进行设计和规划，并且每一个部门要求单独的规划和设计。对于部门按照业务量最大的规模进行设计，以保证在业务量最大的时候可以正常运行。但是一些部门只
有在个别的时间段会有很大的也业务量，因此照成了很大的浪费，这也是传统的数据中心所要解决的问题。
2.1.2资源孤岛
对于各个部门的部署是相对独立的也形成了“资源孤岛”，使得IT等设备无法进行合理的资源分配，从物理的架构上来看，每一台IT设备都是独立的也就是“孤岛”。由于每个部门针对自己进行独立架构，使得各个资源无法紧密集成，造成各个相关的业务分散开来，使得花费更多的人力物力进行切换。而且这些资源一旦分配了，就固定化了无法在进行分配了，造成了很大的资源浪费。
2.1.3自动化程度很低
过去，数据中心的自动化程度并不完善，资源的分配和调配采用非自动化的方式，导致大量的人力物力浪费在it上。数据中心没有自动部署和配置，没有支撑平台，也导致无法及时响应需求。同时，以前的数据中心很少使用虚拟化，无法自动分配资源。
2.2数据中心的现有架构
现有服务器的主要特征是文件服务、Web服务、邮件服务、终端服务、多数据库服务、媒体服务等。每个服务器都有自己的侧重点。对于文件服务来说，对系统性能影响最大，然后是要求磁盘的I/O速度，然后是要求处理器和内存。数据库需要高性能处理器和快速磁盘子系统来满足大量的随机I/O请求和数据传输。数据中心主要是面向应用计算的服务。根据数据中心的需求，确定需要添加设备的应用服务，通过每个应用程序对应的每台服务器，连接服务器，通过远程控制完成操作。
服务器可以很好的及时响应单个用户的访问和计算服务需求，但是在多个用户同时响应的情况下无法很好的及时响应。的内存利用率随着用户数量的增加呈几何级数增长。很多人用的时候，内存基本都被充分利用，影响系统性能。
3.数据中心的数据平台建设路径
3.1做好顶层设计和产业规划
新型数据中心建设需要顶层设计，前瞻性制定数据中心产业发展规划，遵循科学、有序、合理、安全的原则，逐步建立存储、计算、网络连接、运维、硬件支撑等覆盖数据中心的组件。同时，一个具有可持续发展能力的数据中心，在规划、设计和建设阶段，首先要符合国家相关产业政策、现行国家、地方和行业标准规范，以及用户的痛点和需求。在选址方面，数据中心建设首先要考虑需求侧因素，综合评估自身资源禀赋和中长期技术趋势，避免盲目上马造成新一轮资源浪费。在建设和运营过程中，数据中心还应注意平衡现有数据中心和规划的新数据中心的功能定位，以促进数字化转型。总之，数据中心的建设要赋能其他行业，突破不同行业之间的数据碎片化、数据隔离、数据孤岛等现象。
3.2优化资源配置，促进技术创新
在优化资源配置方面，我们应该促进资本、技术和其他生产要素充分服务于产品和业务的发展。在资金配置方面，针对数据中心准入门槛高、建设成本高、盈利周期长的特点，在资产估值的条件下，加强成本管理，提高流动性管理水平；在产品设计上，以客户需求和痛点为中心，兼顾通用性和个性化，避免同质化竞争造成的资源浪费；在技术开发方面，由于数据中心技术门槛较高，应充分鼓励技术创新，通过机器学习等新技术管理数据中心，在充分利用现有技术的情况下，降低开发、运维成本。加强核心技术研究，降低
数据中心能耗，提升数据中心应用价值。同时，提高数据的智能化水平，实现数据可组合、软件可编程、服务可扩展、研发可适应行业数字化发展。
3.3数据处理：智能算法和产品的监管
数据处理是对数据价值的深度挖掘，涵盖人工智能、数据挖掘、智能感知、智能交互等多项技术，是数据成就的关键环节，是信息技术发展的核心动能。随着数字基础设施建设的发展，数据传播的内容将更具社会渗透力，数据加工的结果对人的社会化方向、内容将产生更深远的影响。从社会治理的角度来看，人类行为正在通过算法以全新的方式产生关联运算，数据的社会属性是人类社会行为的数字化，是行为或信息的表现形式和载体。在人工智能的应用下，信息生产运营模式、行为决策机制、社会关系结构等诸多方面都在发生深刻的变化。传统法律法规只能通过国家干预进行事后补救，而技术规则可以通过法典进行事前预防。
3.4数据质量管理
数据质量管理的主要功能是实现数据的自主检索、开发、数据共享和数据交换，以保证数据的高质量和高数量。通过进一步验证数据的完整性和准确性，结合数据服务的实际需求，可以实现对数据质量的有效监控。由于数据质量监控平台具体功能，建立并支持基于数据索引、质量检测、问题检测和监控的完善的数据治理体系，通过事前、事中和事后三个不同环节预测、发现和解决相关数据问题。从而进一步保证数据的应用过程中不会有干扰因素。
结束语：治理数据如同治水，面对数据的高流动性，要站在新基建打造产业发展的视角予以全面的、系统化的考虑，找出数据生命周期的治理总线，突出端到端的流程把控，从传统“囚笼式管控”转向伴随数据流动“主动防治”的动态思维的方式。
推荐访问:大数据治理平台调研报告 数据中心的数据治理平台建设 数据中心 治理 数据