IDC估计，数据数据数据中心业主 、为中云服务和其他技术公司拥有和运营的中心数据中心预计将从去年的7,500个增加到今年的大约9,100个，预计到2020年将达到10,管理000个。

如果添加包括超大规模和企业在内的数据数据所有其他数据中心 ，总数可能达到数十亿。为中世界各地的中心企业都依赖可用的数据中心  。人们也更加关注环境和气候变化，管理因此更加关注效率和碳中和设计——因此管理起来更加复杂 。数据数据

[[429505]]

DCIM没有被新的为中东西取代是源码库有原因的。由于多种原因 ，中心它的管理表现不佳，但有必要帮助我们管理越来越复杂的数据数据混合环境 ，因此它必须不断发展。为中它需要连接到设施系统、中心网络系统
、IT系统并根据需要编排更改。DCIM中的M不再能代表“监控” 。或许DCIM的变形更准确应该是DNIO ：数据中心 、模板下载网络和基础设施编排。

DCIM现在正在进入IT堆栈 ，并与系统集成，例如ITAM 、CMDB和基于云的系统 
。它现在提供跨站点分析数据的能力，并提供基于AI的解决方案来控制整个IT堆栈中的数据中心——从BMS到应用程序性能。

DCIM实施中最困难的元素之一是集成，并弄清楚流程和程序应该如何工作 ，然后如何使它们自动化。亿华云这个集成部分——在过去——要么在技术上具有挑战性，要么在财务上具有挑战性
，或者被视为范围蔓延，或者是供应商或利益相关者不鼓励的事情。

真正需要的是一个开放的集成套件
 ，它允许企业将他们自己的定制解决方案放在一起，而不会增加昂贵的开发费用 。在DCIM领域的一些并购活动之后，免费模板这一愿景似乎正在慢慢成为现实 ，客户和供应商坚定地坚持DCIM愿景背后的路线 。

这带来了一种看待管理数据中心的不同方式：它是一种以数据为中心的视图。与其担心整合是否可能，现在假设它是合理的。因此
，可以以最有效的方式设计系统并在有意义的地方利用自动化。云计算

以下是六个令人鼓舞的进步领域，在这些领域 ，更多的整合可以实现积极的飞跃：

DCIM管理的基础设施范围更广：

IT端与CMDB 、ITAM等系统的链接带来了更多的数据分析机会 ，数据点的范围更广
。

人工智能的使用：

在DC内的许多领域，服务器租用人工智能正被更容易地使用。例如，冷却优化和安全性
。AI可以学习正常的网络行为，并根据与该行为的偏差来检测网络威胁。

开放平台方式：

DC的以数据为中心的视图应该优先考虑，而不是内部和外部的孤岛方法，这意味着IT 、设施和供应商都在协同工作。

SDK/开放API ：

许多供应商正在提供SDK或开放API ，这是使系统之间的集成工作向前迈出的一大步，这表明他们愿意与其他公司合作。

CMDB和资产管理：

最近有一项举措将重点放在ERP系统中的资产管理和资产调整上，以提供单一的事实来源。从数据中心的角度来看 ，妥善管理资产是DCIM和数据中心管理的重要组成部分
。

程和程序：

数据中心运营商将整个系统视为一个整体，并正在寻找技术可以实现流程自动化的领域。例如 ，通过使用准确的DCIM数据和集成的工作流
，可以简化添加、移动和更改
，节省大约30%的资源时间。

在IT系统变得更加分布式且物联网正在崭露头角的世界中，数据中心必须采用以数据为中心的方法来管理位于其屋顶下的系统。孤岛式思维在现代数据中心不再占有一席之地：数据中心和IT经理需要与众多供应商一起工作 ，这些供应商也需要根据客户的需求调整和集成他们的产品。

这种支持集成的开放平台方法为生活带来了许多好处。集成的工作流功能促进了自动化 ，减少了操作任务所需的资源时间。随着系统的更多可见性，从CRAC单元到会议室端口的容量管理成为现实，允许DCIM协助智能调试新资产和修补路线。能源优化现在涉及来自服务器本身的数据，允许它们在计算需求低时转移工作负载，从而允许服务器潜在地停机。

通过这种以数据为中心的方法，投资回报不仅应该更好 ，而且应该更快。软件定义的数据中心现在就在眼前。