现如今，客户们比以往任何时候对于服务供应商如何交付产品和服务都更为关注。他们期望获得便捷、个性化、高速、高效、无缝、易用、真实和肯定的服务。并期望随时随地的进行互动——这意味着数字化和移动化技术将进一步发展。

而反过来相应的，客户们的期望又进一步推动了企业的技术决策。企业组织必须能够实现快速的设计、创建和迭代。IT需要更快的响应需求，更具可扩展性，并需要能够更好地收集、存储和分析数据（数字世界每年的增长率约为40%）。

当然，所有这些数字化工作都是在数据中心内部的IT基础架构（包括计算和存储服务器以及网络设备）上完成的。

在本文中，您将了解到由客户需求所驱动的数字世界需求如何显著增加了工作负载的可变性和数据中心所需的密度。此外，我们还将为您解释为了支持这些需求，数据中心的基础设施必须如何进行相应的改变——其必须变得更具适应性。文中会告诉您自适应的数据中心是什么样的：其支持较高、混合且可变的密度——以满足企业业务工作负载的巨大增长和变化。

关键要点

我们正处于服务客户的时代。企业需要应对数字化的转型，这正是IDC所描述的“自工业革命以来的最大的一次行业颠覆性变革”。

IT业界正迎来挑战，需要提供能够实现数字化转型的工具，如高性能的计算等工具，以支持AI、IoT和大数据等应用程序，所有这些都进一步的推动了对高密度、混合和可变密度环境的需求。

数据中心业界正在改变缓慢；IT基础架构的创新与数据中心创新之间存在明显的脱节。

这种脱节的后果包括电力资源和空间容量的冗余以及对于能源和水的利用的低效率。这些低效率通常最终会妨碍企业灵活应对不断变化的客户需求。

即使在数据中心功率大幅度波动的时代，为了支持更高的密度和越来越动态的计算负载，而不造成冗余容量；同时在可伸缩性和可靠性方面没有过渡配置，数据中心必须精准的满足企业业务部门对于IT服务的需求：具备自适应性。

一处自适应的数据中心支持高密度、混合密度和可变密度，而不存在容量能力的过度冗余或其他低效率的问题。

为了支持高密度，混合密度和可变密度，一些供应商从冷却角度和电气角度构建的系统将传统上静态系统推向动态，进而能够处理不同的密度需求以及可变的功率消耗。

企业对客户数字化转型需求时代的响应

当今世界，各行各业都受到了数字化转型的影响。 从智能化家庭的连接到石油和天然气的勘探，再到综合医疗、智能农业等等方面，企业都在积极的响应客户需求，并寻求新的机会，扩大其边界。

企业正在充分发挥技术的力量，不仅要创造新的平台和服务，而且还要开发新的业务模式和战略，以维持和扩大业务规模。无论是B2B还是B2C，客户都期望每家企业都需要在满足他们的需求方面做出更多的反应和创造性。这就是Forrester公司的分析师所描述的“客户需求决定一切的时代”。

企业在很大程度上已经用技术对这些需求进行了响应。当然，IT技术已经被企业业务部门使用了几十年了，但数字化转型技术则是不同的。数字化转型——IDC公司将其称之为“自工业革命以来的最大的一次行业颠覆性变革”——并非IT项目。其对于一家企业的业务而言是必须的。

IT、业务和DevOps部门之间的相互交流不够。不同部门之间的数字化转型是对产品、流程、技术和企业文化的重新发明定义。为了创造成功的以客户为中心的体验，企业必须提高效率和灵活性，并找出如何实现卓越的数字化运营。

能够在这一转型过程中，获得蓬勃发展的企业是那些成功地将技术整合到他们所做的一切工作中的企业。技术不再仅仅只是支持业务 ——其也成为了业务本身。

IT响应即：云、HPC、AI、物联网、大数据——所有这一切都推动了密度的增加

由客户体验所驱动技术的商业模式要求企业必须能够快速的设计、创建、测试和迭代。IT已经迎来了挑战。而IT基础架构——计算和存储服务器以及网络设备——已经跟上了工作负载所要求的数量和动态性的增长。

数字化转型的关键特征之一是数据量巨大。我们每天创建的数据量高达2.5艾字节（quintillion bytes）。事实上，目前世界上90%的数据都是在过去两年的时间里才创造出来的。

高性能计算（HPC）、人工智能（AI）、物联网（IoT）和大数据分析技术的应用同时也是数据爆炸的产物和生产者。使用这样的工具，企业已经得以快速的从其收集和存储的数据转移到对数据集的分析，以确定趋势，并确定未来结果的可能性。

对于许多企业来说，使用像HPC这样的工具并不仅仅只是锦上添花的事，而是必须的事情。 例如，三维可视化、地震建模和预测性数据分析对于能源、石油和天然气行业而言是至关重要的。而生物技术公司采用诸如基因组测序、生物标志物鉴定和模拟药物测试分析处理计算解决方案也是必须的。对于高频的交易行业，以及金融行业的股票市场或欺诈分析行业企业而言，HPC工具亦十分重要。而技术类企业则需要使用HPC来探索机器学习、虚拟化、改进事务处理和数据仓库。

计算负载——高、可变、混合的特点

通过数据增加所积累的知识的成本是数据密集型工作负载。根据思科2015年全球云指数预测，“2015年至2020年，数据中心的总存储容量将增长近5倍，从2015年的382艾字节增长到2020年的1.8泽字节，而云存储将占总存储容量的88%.而伴随着更多设备数据的上线，数据量将会有更多的增长。”

以物联网为例。每辆新的“智能”或“连接的”车辆平均有60-100个传感器，而行业领先者预计每辆车可以快速增加至200个传感器。到2020年，仅在汽车行业，新的传感器的数量预计就将达到220亿个。

又例如，在高性能计算中，并行处理用于聚合计算机电源，并提供运行高级应用程序的更高性能。为此，HPC通常每秒处理超过一万亿次的浮点运算（1012次浮点运算）。如若使用人类大脑执行计算机系统在一秒钟内完成的浮点运算任务，则需要花费31689年的时间。

不仅仅是数据量呈现海量的增长。与此同时，随着时间的推移，以及每个项目需求的变化，使得计算负载也变得更加动态化。

例如，假期期间，电子商务网站的流量达到高峰期。而美国市场搜索引擎行业的数据中心的流量会在一天中呈现动态需求变化——白天高，半夜低（但亚洲市场数据中心的流量则一直持续很高）。

IT基础架构和软件帮助实现了这一目标。 然而绝大多数这些数据都是流经数据中心，并被处理和存储。无论数据是帮助拖拉机在崎岖的田地里农耕，跟踪低收入社区的急诊室访问情况，还是记录零售客户拿起和放下商品的次数，都需要由IT基础设施和数据中心基础设施进行管理。

这意味着基础架构必须支持在新旧IT设备（混合密度）混合的情况下呈现指数级增加的计算负载（高密度），这些负载也越来越具有动态性（可变密度）。 形成混合密度背后的另一大因素是，随着许多应用程序驱动更高的密度，越来越高效的存储模式消耗更少的功率。IT基础架构已经朝着两个方向发展——面向计算机端更高的密度，面向存储端的更低的密度。

例如，仅在过去的5年中，由单台服务器处理的计算负载量就出现了指数级的增长。芯片组技术的进步推动了计算密度提升至。5U的服务器体系架构及超融合基础设施等等，预计密度还将进一步提升。十年前，数据中心的标准功率密度是每台机架3-5千瓦，但