当你的数据中心不再适合你的需求时,你该怎么办?
最明显的答案是用替换成新的数据中心。但这可能不是最具成本效益的方法,也肯定不是最可持续的方法。
在某些情况下,更好的解决方案是改造你的数据中心。通过改造,你可以对现有数据中心进行改进,使其更适合你的需求,而无需花费费用和时间来构建替代的数据中心。

什么是数据中心改造?
数据中心改造是对现有数据中心进行重大更改以提高其可用性的过程。
改造可能需要更换主要系统,例如HVAC和电力基础设施,让你的数据中心运行更可靠且更具成本效益。此外,改造还可能涉及重新设计数据中心的布局,以改善气流或在设施中安装更多服务器机架。
从本质上讲,你为了使现有数据中心更有效而进行的任何重大改善都是改造。
改造现有数据中心的优点和缺点
与用新数据中心替换旧数据中心相比,改造的主要优点是改造让你可以继续使用现有的设施,而不必购买新的房产并建造新的数据中心,后者可能要花费数百万美金和数月时间。
从可持续发展的角度来看,数据中心改造也是有益的,因为这么做可以让你延长现有设施的使用寿命,而不是对其进行处置并消耗大量能源去建造新的数据中心。
另一方面,改造也带来了一些重大挑战:
改造适合你吗?
由于存在这些挑战,改造并不总是让数据中心满足新需求的最佳方法,如果你想对数据中心进行非常重大的改造,那么迁移到新设施可能会更好。
但如果你打算改造的规模较小或者仅影响某些系统的话,改造可能是你最好的选择。如果管理得当,改造往往比完全更换数据中心更便宜、更快。
如何改造数据中心?
改造数据中心的过程将根据你要实施哪些变动而有所不同。但总的来说,改造过程是这样的:
当你通过分步计划进行数据中心改造的时候,就可以在这个复杂且耗时的过程中最大限度地降低风险。
结论
在决定你的数据中心需要更换之前,请考虑进行改造。改造并不总是提高数据中心成本效益或满足新要求的最佳解决方案,但如果你想要进行的更改规模有限,那么改造可能是让你的数据中心加快速度的一种更快、更实惠且更可持续的方式。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。