幾十年來，數(shù)據(jù)中心一直被認為是網絡的連接點。對于企業(yè)、電信運營商、有線電視運營商以及谷歌公司和Facebook公司等云計算服務提供商來說，數(shù)據(jù)中心是IT行業(yè)的心臟和肌肉。此外，云計算的出現(xiàn)強調了現(xiàn)代數(shù)據(jù)中心的重要性。
數(shù)據(jù)中心的角色在不斷演變。隨著網絡加大對5G和物聯(lián)網的支持力度，IT經理將注意力集中在邊緣，并且將更多的容量和處理能力轉移到更接近最終用戶的地方。與此同時，他們也在重新評估數(shù)據(jù)中心的作用。
調研機構Gartner公司在2018年預測，到2025年，75%的企業(yè)生成的數(shù)據(jù)將在邊緣創(chuàng)建和處理，而2018年這一比例只有10%。與此同時，數(shù)據(jù)量將會進一步提高。例如，一輛自動駕駛汽車每小時平均能輸出4000 GB的數(shù)據(jù)。
網絡服務提供商需要確定如何在不影響現(xiàn)有數(shù)據(jù)中心投資的情況下，更好地支持基于邊緣的流量的巨大增長以及對數(shù)字延遲性能的需求。答案之一就是對東西向流量網絡鏈路和對等冗余節(jié)點的大量投資，以及在創(chuàng)建數(shù)據(jù)時增強處理能力的問題。但是數(shù)據(jù)中心將扮演什么角色?
人工智能/機器學習反饋回路
超大規(guī)模和云計算規(guī)模的數(shù)據(jù)中心的未來業(yè)務案例在于其龐大的處理和存儲能力。隨著邊緣活動逐漸升溫，將需要數(shù)據(jù)中心的力量來創(chuàng)建使數(shù)據(jù)能夠被處理的算法。在擁有物聯(lián)網的世界中，人工智能(AI)和機器學習(ML)的重要性不可低估。數(shù)據(jù)中心在實現(xiàn)它方面所扮演的角色也不盡相同。
產生驅動人工智能(AI)和機器學習(ML)所需的算法需要大量的數(shù)據(jù)處理。核心數(shù)據(jù)中心已開始部署與張量處理單元(TPU)或其他專用硬件結合在一起的功能更強大的CPU。此外，人工智能(AI)和機器學習(ML)應用程序通常需要更加快速、更大容量的網絡，而先進的交換層則為所有正在解決同一問題的服務器提供電源。人工智能(AI)和機器學習(ML)模型就是這種努力的產物。
在流程的另一端，需要將人工智能(AI)和機器學習(ML)模型放置在對業(yè)務影響最大的位置。例如，對于諸如面部識別之類的企業(yè)人工智能(AI)應用程序，超低延遲要求它們在本地部署，而不是在核心部署。但模型也必須定期調整，因此在邊緣收集的數(shù)據(jù)隨后會反饋到數(shù)據(jù)中心以更新和改進算法。
更加分散的協(xié)作環(huán)境
人工智能(AI)/機器學習(ML)反饋回路是數(shù)據(jù)中心將需要如何支持更加廣泛和多樣化的網絡生態(tài)系統(tǒng)的一個示例。對于超大規(guī)模數(shù)據(jù)中心領域的參與者來說，這意味著要適應更加分散的協(xié)作環(huán)境。他們希望使客戶能夠在其平臺的邊緣上部署人工智能(AI)或機器學習(ML)，但不一定要部署在他們自己的數(shù)據(jù)中心設施中。
像AWS、微軟和谷歌公司這樣的云計算提供商現(xiàn)在正在將他們的云計算硬件部署到更靠近客戶的位置，包括中心辦公室和企業(yè)內部部署數(shù)據(jù)中心。這使客戶能夠使用超大規(guī)模數(shù)據(jù)中心和多種邊緣設施在構建和運行基于云計算的應用程序。由于這些平臺也嵌入到了許多運營商的系統(tǒng)中，因此客戶也可以在運營商存在的任何位置運行其應用程序。該模型仍處于起步階段，但為客戶提供了更大的靈活性，同時使云計算提供商可以更好地支持邊緣。
另一種由Vapor IO公司實現(xiàn)的生態(tài)系統(tǒng)方法提供了一種商業(yè)模式，其特點是具有標準化計算、存儲和網絡資源的托管數(shù)據(jù)中心。規(guī)模較小的客戶(例如游戲公司)可以在客戶附近找到虛擬機，并使用Vapor IO公司的生態(tài)系統(tǒng)運行其應用程序。像這樣的服務可能在收入共享模式下運行，對于試圖開發(fā)邊緣服務生態(tài)系統(tǒng)的小企業(yè)來說，這可能是一個有吸引力的范例。
面臨的挑戰(zhàn)
隨著下一代網絡的愿景逐漸成為現(xiàn)實，業(yè)界組織必須應對實施方面的挑戰(zhàn)。在數(shù)據(jù)中心中，服務器連接將從每條通道的50Gb增長到100Gb，交換帶寬將增加到256Tb，而采用100Gb技術將使用戶擁有800Gb的可插拔模塊。
現(xiàn)在還不清楚的是數(shù)據(jù)中心行業(yè)如何設計從核心到邊緣的基礎設施，特別是如何執(zhí)行數(shù)據(jù)中心互聯(lián)(DCI)架構以及城域和長途鏈路并支持高冗余對等邊緣節(jié)點。另一個挑戰(zhàn)是開發(fā)管理和路由大量流量所需的編排和自動化功能。隨著各種行業(yè)朝著支持5G/物聯(lián)網的網絡發(fā)展，這些問題成為當務之急。
人們需要知道的是，建設和實施下一代網絡的工作將涉及協(xié)調一致的努力。能夠提供低成本、高容量計算和存儲的數(shù)據(jù)中心無疑將扮演重要角色。但是，隨著更多位于邊緣的分布式設備承擔更多的負載，數(shù)據(jù)中心的角色將進一步演變?yōu)楦蟮姆植际缴鷳B(tài)系統(tǒng)的一部分。
企業(yè)生成的約10%的數(shù)據(jù)是在傳統(tǒng)的集中式數(shù)據(jù)中心或云平臺之外創(chuàng)建和處理的。Gartner公司預測，到2025年，這個數(shù)字將達到75%。
將它們結合在一起將需要采用更快、更可靠的光纖網絡，從核心開始，延伸到網絡最遠的邊緣。這將是一個由PAM4和相關處理技術提供動力的布線和連接平臺，采用共封裝和數(shù)字相干光學器件，并封裝在緊湊的布線中，將在整個過程中提供連續(xù)的、一致的性能。
無論是大型數(shù)據(jù)中心運營商、專注于邊緣的企業(yè)，還是基礎設施提供商，在下一代網絡中，都將有足夠的發(fā)展空間。
