在数据中心硬件需求、安全性和数据收集方面，实施、操作、故障排除和更新混合IT设置带来了许多新问题，并要求具备更多的数据中心技能。那么，数据中心管理人员，应该具备哪些技能呢？

云平台的选择和管理

随着云计算应用的增长，管理员必须了解基础设施、平台和软件的运作，公共云、私有云和混合云设置的不同优点和缺点，以及支持云平台所需的任何硬件。

数据中心管理人员应选择适合其组织长期使用的云计算环境。而微软、亚马逊、IBM、Salesforce、SAP和Oracle提供了多种服务，因此管理人员需要了解一个适当的评估流程。

如果管理人员需要强大的云平台，他们必须确保该技术支持一致的映像部署、接口管理、体系结构标准和开放式应用程序编程接口（API），例如AWS公司的简单存储服务API。

在基本级别，管理人员应该知道如何使用云计算管理软件进行应用程序迁移、虚拟机映像、配置、性能监控和安全性。由于依赖于云计算技术，管理人员必须了解云计算架构如何适应其数据中心，以及如何将其用于组织从存储和应用程序性能角度的优势。

应用管理改变过程

云计算正在改变管理员提供、监视和维护应用程序的方式。管理人员需要数据中心技能来管理更加模块化的应用程序设置，这些设置依赖于集合资源，而不是在每台服务器上安装程序。

管理人员必须熟悉微服务背后的概念，容器化与虚拟机的区别，以及如何使用编排作为关键的自动化工具来确保连续和安全的应用程序操作。他们可以研究基于Docker的容器化，使用LXC/LXD作为某些Linux发行版的替代品，尤其是Ubuntu。

微服务和容器技术的出现意味着管理人员需要了解支持该架构的最新硬件。除了自动化软件，管理员还应该学习如何构建具有低延迟的基础设施，研究如何正确地扩展资源，以及找出组织API和计算存储的最佳方法。

管理人员还应该研究Kubernetes进行容器管理。Kubernetes的开发人员正在增强其功能，包括简化的集群管理、容器存储接口、第三方设备监控插件和CoreDNS支持。

安全性转变为数据优先

设备、应用程序和数据库安全现在是信息安全的第二层。无论管理人员在何处存储数据，或者如果数据是由第三方管理的，其首要的问题都必须是安全性。

管理人员必须评估其数据保护框架，并将信息安全放在其安全策略的最前沿。这需要已建立的安全基准、定义的审计范围和目标以及正确安装的数据保护软件。

将数据丢失防护软件与数字版权管理程序相结合，可以帮助管理人员构建信息优先框架，以便在整个组织中使用。

如果管理人员希望更多地亲自参与安全性，他们可以构建网络测试、风险分析、软件测试和安全文档技能。能够主动预测、修补和保护来自外部威胁参与者的数据，这是数据优先框架的重要组成部分。

DevOps通过软件提供支持

管理人员需要增加DevOps支持和协作，以提高他们的数据中心技能。实施不当的DevOps系统可能会在生产环境中造成混乱。基于软件的检查和平衡应该捕获问题，因此性能和运行时问题不会在整个操作环境中传播。

这些检查和平衡使用更灵活的操作，因此管理员应评估操作过程，并确定它们是否支持敏捷工作流。而在应用程序支持和生产环境方面，需要了解软件层是否经常更新或受到未解决的错误的困扰。

管理人员还应该了解基础设施即代码（IAC）。基础设施即代码（IAC）为用户提供了一种更高级、更通用和更具描述性的语言，用于在数据中心内提供和部署软件流程。这意味着管理人员使用软件而不是硬件来管理大部分技术堆栈。

基于软件的管理为管理人员提供了更具可扩展性的数据中心资源，但它需要更多的前期测试和基于代码的故障排除，以确保硬件兼容性。管理人员越熟悉软件定义的数据中心和虚拟机管理，就越容易支持DevOps代码和基础设施。

人工智能的增加需要新的硬件

人工智能（AI）、机器学习和深度学习功能将在2019年更易于管理人员使用。许多组织已经使用机器学习技术，诸如使用模式识别的制造等行业来识别不符合规范的项目。

这不仅需要增加存储和处理能力，还需要适合的监控和数据收集软件。管理人员必须了解这些智能系统如何为他们的业务提供帮助，确定一些满足其预期目标的基本引擎，并使用一个引擎作为基础。如果组织仅在没有定义用例的情况下使用人工智能，则投资回报率将非常低。

如果组织想要运行任何人工智能增强应用程序，管理人员应该确保数据中心有适当的硬件（如GPU）和管理能耗的知识。运行这些高性能应用程序可能对组织有益，但基于GPU的服务器需要更多的能源和电力资源。管理人员应该安装GPU硬件，这样就不会让服务器不堪重负或带来更高的电力账单。

人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：