9月27日，由开放数据中心委员会主办，百度、腾讯、阿里巴巴、中国电信、中国移动、中国信息通信研究院、英特尔承办的“2016ODCC开放数据中心峰会”在京隆重召开。在下午的ODCC数据中心解决方案分会场上，中兴力维首席技术官CTO曹友盛发表题为“ZNV中兴力维在DCIM中的大数据布局”的演讲。以下是演讲全文：

中兴力维首席技术官CTO 曹友盛

谢谢组委会给我这个机会，我觉得南北向标准委员会搞的非常好，讲之前我先澄清四件事情，第一件事情你们有没有注意到数据，我们有两种数据，我们讲到IDC数据，和南北向的数据是两种不同的数据，因为IDC我们称为数据中心，里面存储了大量的数据，百度、腾讯、阿里，每天有大量的数据都存在DIC里面，咱们南北向规范的并不是那个数据，那个数据是从网络上来的，咱们南北向规范的是咱们这些设备，那些磁盘，那些路由器，那些空调动力环境，他们本身在运行为了存储这些数据而让那些网络走得更快、更安全，这些设备本身会产生大量的数据，表示它在正常的运行，咱们南北向规范的是这一类数据，不要讲在一起。所以这个此数据非彼数据。

第二个，大家都在谈LOT，去年有一些国际大佬正式宣布互联网时代已经消失了，接下来的是物联网时代，也就是LOT的时代，大家怎么正确的理解互联网时代消失了，这个东西也跟南北向规范有关的，当互联网的每一个终端连接的是一次被动的电脑、手机要人去按的，信息要来来回回，那么物联网后面连接的，我们前面张总他们已经都讲了，就是他们公司产生那些智能的设备，当互联网的终端全部被那些智能设备连接以后，这张网就是物联网，很简单的。那么回过头想讲为什么数据这么重要，记得有一次听了一个讲座，他说假定今天是世界末日，有一个诺亚方舟等着你去乘，但是每个人只能留下两个字，给下一个人类传递我们这个人类的知识，那么斯坦福有一个教授说第一个等于1=MC平方这是很出名的爱因斯坦定理，质量和能量的转换，第二个是留下桑平衡，很多学化学热力学都知道桑定理，现在桑定理在MBA的课程是必修的，做MBA的一定要学，那么桑定理是什么？就是这个世界整个宇宙是往均匀的方向走，或者往更混乱的步骤去走。第三个讲的是普朗克定理，当你非常精确的要定义一件事的时候，你就会非常不精确的定义和这个事情有关的事情。

其实这三样东西都揭示了我们今天在这边干吗，这个世界就是慢慢的朝着非常均匀，非常混乱的角度上走，也就是大量的数据会产生，我们也谈到，物联网产生以后有大量的数据会产生，而此数据非那个阿里、腾讯的数据，大量的数据都是LOT设备本身产生的，这有点信我们经常说一声看我们的病而医生本身的病没有人去看。IDC存储了很多的数据，但是DIC本身的数据谁来关注呢？它产生的华为、施耐德都有很多这样的设备，每天IDC的标准委员会定义怎么采集这些数据上来。所以这些数据上来的目的就是今天我要谈的。

看上去目录挺多，实际上就是11页，我前面已经讲了高速增长的IDC数据是因为我们要留给下一代三个定理，测不准定理，桑函数定理，早已经定义的这个宇宙的规律，就是数据会越来越多，如何把数据转换为核心竞争力，第三，我们谈一谈IDC现在存在的问题，我们自己的想法和大家共享一下，还有解决方案。在整个当我们涉及各种各样的空调、感应器、模块以后我们有没有考虑过数据流能力的设计，我们谈了很多POE的设计。我们是怎么解决这些数据的能力的设计，最后我们举例子。

DCIM通常是指数据衷心的基础设施管理，这边的定义也不是我讲的，这是网上的，对一个数据中心，DCIM所关心的源源不止是基础设施，所以今年年初我们在另一个ODCC的标准委员会展会上我们提出把I改为综合管理，这样就会在基础设施管理增加了一层综合管理，就管数据中心怎么样能够更高效的、更安全的、更省心的去运行，所以这里面引入的很多除了基础设施管理之外的一些概念，比如说FRP，就是基础设施的资源管理，ERP，企业的资源管理概念，我们引入了很多新的概念，今天我们又引入了一个新的概念，我们认为当因特网的末端设备被智能化以后，数据中心已经被物联网化了，这个时候每天产生的数据是以指数形式的高速增长，等会儿我给你们看一些数据，大家会觉得这么大的数据。

所以我们当设计一个数据中心的时候，我们除了设计基础设施，包括它设施扩展过程，我们更好的应该应用全方位的解决方案，其中数据采集量和多样性是我们很要考虑的，预测性的价值和真实性，分析能力和速度，这些都变得非常非常重要。所以这就是我们经常讲的DCIM对大数据的五个定义。

第一个是大量，第二是高速，大量的数据快速的传递，第三，各种各样的数据，第四，这些数据对我们带来的价值，第五，就是真实性。

很多人谈到数据，现在谈到大数据就觉得瞎吹，都是开玩笑的，我这边要强调我们今天有很多人，我们的标准委员会制订的怎么样，从采集设备区把数据采集起来，我们知道每天怎么产生数据，但是我们却要懂得如何保存利用数据，这是我们所做得不够的。谷歌刚才我们讲了是CT，实际上这家公司从一开始根本没有想到要做什么产品，它只想到一件事，数据，我只要拿到足够的数据我就赢了，包括今天开的滴滴打车，你们真的觉得它要给你们提供价廉物美的驾乘系统，其实它要拿的是大数据，拿数据的一个途径。可以判断滴滴打车以后会产生非常多的和它无关的产品，这也就是谷歌当初只想拿到数据，拿到数据以后衍生出来太多革命性的产品。所以我们对谷歌的定义，它是一个非常懂得使用数据，非常懂得怎么样把数据成为它的核心竞争力的公司。

所以，我们要学会如何保存数据，如何使用数据，数据太多了，所以我们在这种情况下怎么理解IDC的认识，从基础设施管理到综合管理我们又进了一步，推到基于大数据概念的IDC综合解决方案。IDC存在很多的数据，我们的感知设备确实不多，一般五千个机柜IDC有一百万个感知设备，不够，我们有很多地方有害没有去采集观察那些设备正常工作量，很简单，新加坡一家公司叫（英文），是监控整个新加坡所有电器的，每一部电器是27个检测点，所以我们检测设备还不够，我们还要更多的，一个机架里FID的测头就有很多，要测量你的温度多少等等，我们是不够多的。

第二，咱们的速度也不够快，咱们数据上来以后我们谈了很多数据标准上来，我们要认识这个数据，做一个简单的查询，没三个三五天一两个月数据是不会出来的，我们过去做的数据报表进去打一个搜索出来，怎么不出来，一看服务器不行，重启，这些都是很有经验很有体验的，所以报表的深度、统计的维度、在线分析的缺乏都是很不够的。

第三，咱们的多样性，我们采集的各种数据基本上呈现成一种信息孤岛，对空调的设备采商来说，它的电压、电流、温度，和对我们机柜的热度之间的联系我们都没有做这方面的联系，所以这种多样性都是很难去做到的。

比如说一个路由器烧掉了是什么引起的？过载引起的，说不定就是那个空调坏了，那个地方热了，所以路由器烧掉了，这是有关联性的。

最后，我们的价值，我们这些数据为什么要做南北向，我们采集那个设备数据上来对IDC经营者的好处在什么地方？我们要去知道这个问题，然后到底你做出来的建议是真实应，要知道谷歌两年前买的（英文），经过两年才最后证实了它会为谷歌数据中心带来40%的省电，刚才张总讲了，每度电省一分就是一个IDC，这是真实性。所以在这上面我们都有我们的一些应用，简单来说基本上就是增加感知设备，全生命周期监控所有设备，设备一进去我就监控了，每五秒钟一监控，通过第二代大数据引擎对你分析，五高速的查询分析，对于历史的积累多维度的分析，这些大家都谈话德国，我在这边也就不多谈了。这些是我们整个数据能力的设计，一般我们一个FSU就是刚才讲的南北向定义，我们最快可以达到20万个测点每秒钟一台，我们的会聚平台每秒钟达到300万个数据，这边是我们两台大数据引擎，读书能力每秒钟50SVT可以达到700多的存储数据，我们一百亿条数据的搜寻是远远少于一秒，就几十个毫秒，一些复杂的报表统计都是小于两秒，这个概念是我们讲的ODCC标准委员会的TCM的标准，下面是咱们自控，像施耐德那些产品，中间我们加了一层数据的处理，两边有两个例子，我们一百万个测点在五千个机柜，每分钟采集一次，一条测点我们标准委员会定下来是两百个大V，每天可以采集到14亿条数据，这14亿条是小数据，每天才产生288个G币，每五秒钟采集一次每天可以达到3到4个G币，五千个IDC一年下来是一个PB的数据，早上百度说它有十个PB，我们五千个机柜一年就是10个PB，这么大的数据，谁来处理呢？我们这边做了一个实时的，我们把大数据引擎我们称为小V，某电信公司，这是真实的，我们公司已经做了二十年的监控，这个电信公司2013年到16年，3您历史数据27亿条，要我们做一个告警统计表，一个是按月统计，一个是按年统计，一个是全生命周期的东西，过去都是无法实现的，按月统计五分钟勉强可以出来一个数据，这边是五百毫秒，现在经过大数据（英文）来处理，我们可以达到均小于一秒，这个是监控历史查询数据，提出一亿个条件，只要把那个符合一亿条的条件结果找出来我们只用了30秒，我们有信心小于一秒把它做出来。

这个是我们的总体响应，这是用一个诊断性周期趋势分析出来的，这是另外一个电信公司BE，它是有五年的数据50亿条，三万种不同的报警类型，我们按这个条件查到了400万条报警数据做出这样的统计报表，我们讲的大数据分成四层，第一层高速查询，我们称为相应性分析，高速的出报表，地个是诊断型分析，趋势分析，温度到了你才报警太晚了，温度上升以后有面函数的，抛物线的，什么时候该运行，什么时候不该运行。第三，我们称为预测型，这是大数据分析的顶尖层次，需要很多人工智能，我们有了云计算，有了几台机器在后面运算，我们有将近一个PB的中国各种运营商，BAT的数据在我们手里，我们可以进行分析，做出预测模型，把预测模型放下，在里面提供在线分析，让预测预警、事件判断变得更精确。

最后一层也是BMPT提出的，我们希望在数据中间找到我们还不明白的事情，就像阿法狗当初下的棋子，大家都不明白，这就是认知计算，它会帮我们找出一些我们所不认识的东西，这是高的武功。我们一直没有做到这么好，我们今天已经克服了第一层和第二层，我们正在做第三层，刚才第一层第二层两个报表已经给大家看过了，我们希望能够做到第四层，为大家揭示一下怎么样把IDC经营的更好、更高效、更安全、更省电、更省心，赚更多的钱，所以认知计算也是一种认知转换，在数据经营找出IDC。

我简单介绍中兴力维，1994年成立，我们在4年前被外资收购，成为一个独立经营公司，我们做IDC有三百多个研发团队，在深圳、南京、广州，谢谢大家。