每年的这个时候，我们这些媒体人都会对来年做出年度预测。我们看到了一些东西;云的升起和SSD的推进。其他的，比如云迁移到本地的回归，或者AMD的强势回归，正好从我们身边经过。我们尽了最大的努力，但偶尔也会有惊喜。
因此，让我们来看看总是模糊不清(没有双关语的意思)的水晶球，并做出10个面向数据中心的预测。
在城市地区物联网产卵数据中心的增长
这并不难预测，因为它已经发生了。很长一段时间，2020欧洲杯预赛数据中心在可再生能源(通常是水电)方面处于非常不利的地位，但需求将迫使主要的都会区进行更多的扩张。物联网这将是一个驱动因素，但Equinix和DRT等数据中心提供商作为互连提供商的使用也将日益增多。2020欧洲杯预赛
网络加速器的兴起
大数据和各种类型的人工智能意味着海量的数据，而不是所有的数据都能在一个地方找到。此外，目前还需要cpu来为网络流量控制器供电，从而使它们无法完成处理数据的主要工作。
所以你会看到越来越多的网络加速器像Mellanox一样进入市场ConnectX线让cpu来完成数据处理的工作，而加速器则以比现在更快的速度来完成大量数据的移动。
NVMe的织物生长
非易失性记忆体快车(NVMe是一个存储接口，类似于串行高级技术附件(SATA)。SATA的缺点是它的遗留在硬盘上，所以它不能充分利用速度和并行性SSD但是，早期的企业ssd有一个问题:它们只能与安装它们的物理服务器通信。或者服务器需要存储阵列，这意味着网络跳转，这意味着延迟。
面料NVMe (NVMeoF)是一个重要的进步。它允许一个服务器上的SSD通过网络与网络上其他地方的另一个驱动器通信。这种直接通信对于改进企业计算和数字转换中的数据移动至关重要。
便宜的存储类的内存
存储类内存是放在DRAM插槽中的内存，可以像DRAM一样工作，但也可以像SSD一样工作。它有近乎戏剧般的速度，但也有存储能力，有效地将其转换为SSD的缓存。
英特尔和美光当时在一起研究SCM，但后来分道扬镳。英特尔发布了它的SCM产品，Optane去年5月，美光与QuantX联手上市。韩国内存巨头SK海力士(SK Hynix)也在研发一款不同于美光和英特尔使用的3D XPoint技术的SCM产品。
所有这一切应该会创造奇迹，推动技术进步，并有望降低价格。现在512GB的Optane价值8000美元。当然，Xeons的售价甚至更高，但一段时间后，组装一台完全装饰过的服务器的成本就高得让人望而却步了。技术的进步和竞争的加剧应该会降低价格，这将使这类存储器对企业更具吸引力。
在名牌服务器上的人工智能自动化
所有的服务器供应商都在他们的系统中加入了人工智能，但是Oracle在所有的事情上都处于领先地位，从硬件到操作系统、应用程序和中间件栈。惠普、戴尔和联想也将继续前进，但浪潮(Inspur)和超微(Supermicro)等超大型服务器供应商将会落后，因为它们只有硬件设备，在操作系统领域几乎无所作为。它们在存储方面也很落后，而这正是三大服务器厂商的强项。
Oracle可能不是排名前五的服务器供应商，但是没有人可以忽视他们在自动化领域所做的事情。期望其他品牌供应商提供他们自己的自动化水平不断提高。
云迁移慢
还记得当每个人都期待着完全关闭他们的数据中心并转移到云上的时候吗?2020欧洲杯预赛这个想法就到此为止。IDC最新的CloudPulse调查显示，85%的企业计划在明年将工作负载从公共环境转移到私有环境。Nutanix最近的一项调查发现，73%的受访者表示，他们正在将一些应用程序从公共云移回prem。安全被认为是主要原因。
而且由于它是值得怀疑的安全将永远是不够好一些公司和一些数据，似乎狂奔到云一点点可能会放缓，人们越来越挑剔，他们把什么在云和他们保持防火墙的后面是什么。
数据蔓延，第1部分
据国际数据公司(IDC)称，大多数数据都没有得到应有的重视。只有10%的公司数据是“热数据”，即反复访问和使用的数据，而30%是“热数据”，即半定期使用的数据，其余60%属于冷库，即很少访问的数据。
但问题是，数据分散在各个地方，而且常常在错误的层。许多存储公司专注于重复数据删除，而不是存储层。一家名为“光谱逻辑”(spectrum Logic)的初创公司正瞄准这个问题，我怀疑它不会是最后一家做出这种努力的公司。如果它真的成功了，我预计惠普和戴尔也会对这家公司展开激烈的竞争。
数据蔓延，第2部分
国际数据公司(IDC)预测到2025年，全球数据总量将达到175兆字节，而我们现在的数据量已经达到了32兆字节，其中很多都是无用的。曾经有一段时间，数据仓库规定将数据作为有用的数据进行排序、处理和存储。现在，人们从越来越多的来源(如社交媒体和物联网)向数据湖注入源源不断的数据。
总有一天，你会有所放弃。人们看到pb级的数据湖垃圾，就会说“够了”，并开始对存储的数据变得相当挑剔。他们将质疑花大价钱购买硬盘和存储阵列来存储大量未使用和没有价值的数据背后的理由。钟摆将回到数据仓库模型，以保持可用的数据。必须这样做，否则人们会不知所措。
使用多种处理器的更多服务器
十年前，不管你对服务器的定义是办公桌下的单插槽Xeon tower，还是七英尺高的柜中的四插槽机架，它们都是由x86处理器定义的。但现在，我们看到更多的服务器设计使用了板载gpu、Arm处理器、人工智能加速器和网络加速器。
这需要对服务器设计进行一些更改。首先，随着大量芯片在封闭空间中运行得更快、更热，液体冷却将变得更加必要。其次，软件堆栈需要更加健壮才能处理所有这些芯片，这需要微软和Linux发行版进行一些工作。
IT工作负载将发生变化
不要认为自动化意味着你可以坐在iPhone上玩游戏。由于他们不断发展的系统，IT专业人士将有一堆新的难题，包括:
- 打击的影子,
- 解决数字转换
- 开发人工智能策略以跟上竞争对手
- 对新的人工智能策略的后果做出适当的反应
- 维护整个公司的安全治理
- 处理不断增加的数据流，并找出如何处理这些数据
- 在社交媒体上对客户和公司声誉的反应比以往任何时候都快