这些数据中心趋势可帮助管理员创建更具响应性、自动化且易于维护的数据中心。

　　传统上来看，供应商为客户构建专有硬件和软件，但在运营等领域，开源产品正在获得关注。通过开源软件，企业可更好地使用他们需要的程序，而只需要更低的成本，还具有更高的互操作性。与专有系统相比，社区还可帮助更容易地混合和匹配开源产品，因此数据中心管理员可直接配置他们需要的软件。

　　在2018年，两项大型收购交易标志着企业加大对开源的投资。在2018年6月，微软以75亿美元收购GitHub，这是一个拥有2800万开发者的开源软件开发平台。此次收购为开发人员和管理员提供了一种更简单的方法来管理、共享和优化企业内的代码。

　　去年最大的开源收购是在2018年10月IBM以340亿美元收购Linux开发商Red Hat。此次交易的目的是帮助IBM在云市场获得更多牵引力，并加强其对客户的开源云支持。

　　Moor Insights＆Strategy公司数据中心技术高级分析师Matthew Kimball指出：“IBM收购Red Hat公司是因为，他们了解到他们需要新的解决方案才能吸引那些更少关注传统解决方案的开发人员和IT部门。”

　　同时，企业对开源的兴趣日益增加意味着，数据中心管理员应该研究他们可在数据中心使用哪些开源软件，以及他们未来可以依赖的哪些社区进行系统增强。

　　另一个数据中心趋势是人工智能，人工智能将改变维护工作，特别是通过使用基于机器学习的智能运维（AIOps，AI for IT Operations）。AIOps软件结合了大数据、人工智能、机器学习和可视化，以简化日常监控和管理任务。

　　通常，自动化可让机器完成例行任务，例如生成警报。而AIOps则更进一步，它可提供比人类更高的准确性，并简化了不同数据中心管理组之间的交互。

　　这些工具从日志文件、指标、帮助台工单和监视工具中收集数据。它们会检查任务的执行情况、识别模式或异常，然后做出决策来处理各种任务，例如识别和阻止可能试图侵入企业网络的用户。

　　CA Technologies、Loom Systems和ScienceLogic等供应商提供的软件可简化AIOps部署。Gartner公司预计这些工具的部署将在未来三年内增加。该公司估计目前只有5%的大型IT部门在使用AIOps平台，但到2022年这一比例将达到40%。

　　随着企业部署新的计算密集型工作负载，例如大数据、人工智能和机器学习，他们将需要新型处理硬件；传统的基于CPU的服务器设计将无法轻松支持这些工作负载。

　　目前，图形处理单元继续受到关注，同时，谷歌还在开发张量处理单元。在2019年预计还将出现其他用于新的大批量应用程序的替代方案，例如基于ARM的处理器。这意味着如果硬件出现性能问题，管理员必须能够对多种类型的微处理器进行故障排除，而不仅仅是基于英特尔的处理系统。

　　通过智能传感器等硬件，企业可将设备和数据收集分布到网络边缘。但是，企业不希望从这些位置和设备向中央服务发送警报时制造更多网络流量。

　　根据Gartner称，对此，供应商正在向其硬件和软件产品添加人工智能和软件控制，以便更好地管理这一流程。数据中心人员必须能够管理自主设备之间的协作并保持硬件正常运行。

　　随着企业发展其边缘计算和联网设备基础设施，管理员需要研究网络带宽标准和软件，以确保其环境能够有效支持所有联网设备，并提供正确的带宽和监控功能。

　　帮助台软件现在变得更加先进，并且该流程使用比以往更多的自动化。人工智能、机器学习和自然语言处理等数据中心趋势为聊天机器人程序奠定了基础，这些聊天机器人可了解用户问题并自动提供可能的解决方案。

　　聊天机器人可帮助IT人员解答用户提出的基本问题，使IT人员能够将更多时间花在更复杂的支持问题上。在2019年，企业将试图使这些机器人能够通过文本和视觉指示器理解和响应用户的情绪。

　　这些应用程序将从视频流中寻找特定单词或面部表情，并评估提议的方案是否可解决问题。如果用户感到沮丧，该系统可以将他们转交给人员处理，而不是让用户继续与自动系统交互。

　　这里的总体目标是减少数据中心支持人员的例行任务，同时为用户提供更加丰富的客户服务。
　　来源：数据中心运维管理