智能城市的建设，数据科学与技术发挥着重要作用。通过高效的网络建设，可以实现信息资源的交换、汇集，并利用现有的智能基础设施为有关单位提供信息服务。自六十年代至今，数据中心经历了三个阶段：计算中心、资讯中心、服务中心。维基百科把它称为“一个数据中心，是一个非常复杂的捐赠。"它不仅仅包括电脑、系统，也包括数据通讯、环境控制、监控及各种安保设备。数据中心在各行各业都扮演着举足轻重的角色，为客户提供视频、数据挖掘、高性能计算等服务。随着云计算技术的飞速发展，信息技术的应用与共享也在发生变化。云计算是传统计算机和网络技术发展的结果，包括网格计算、并行计算、分布式计算、虚拟化和负载平衡等，它是一种全新的计算与资源使用方式。在云计算的背景下，数据中心从*初的数据存储到基于服务和应用的信息技术。在海量的数据服务中，只有微软Azure、亚马逊EC2、谷歌搜索引擎、Facebook等能够提供海量的云计算服务。

1 智慧城市数据中心组成

1.1 硬件基础设施

智慧城市的资料处理系统由电脑网路、伺服系统储存、负荷平衡等组成。在此基础上，以IRSAN为核心的基于LAN的系统，具有快速、安全、方便等特点。首先，对用户基础数据、主题数据和协作数据进行监控和过滤，以达到合理、高效的局域网、服务器存储、负载平衡等功能；其次，对相关的硬件进行了测试和校验，对服务器的存贮进行检验，并对系统的负荷进行测试，*终完成系统的装入，完成智能城市信息系统的每日运营与维修工作。如图 1 所示为智慧城市数据规划中心，合理设计智能数据中心，将实际需求、现状评估、设计实施、运行维护等多个要素结合在一起，设计出指标和参数，实现对数据中心的网络服务器的实时监测，为数据中心工作提供了良好的保障

1.2 中心数据库

智慧城市的实质是对大量的信息进行智能化加工、收集、存储、分类、重组和再使用。从“经验治理"向“科学治理"转变，是智慧城市建设的一个重要手段。数据存储技术是数据存储、建模、分析等技术的关键技术，可以将大量数据存储和分析；通过对数据模型的重构，建立了雪花、星型等数据的解析逻辑，实现了多维数据的高效整合。通过使用数据模型技术，可以将多维数据的不同维度与实际的表格进行直接或间接的联系；它能够分析和建模数据，为实时分析、统计分析等工作提供了强有力的支持。

1.3 大数据中心

城市数据的组织方式有很多种，基于地图的空间结构是其中一种。都市生活节奏的加快，城市数据的时间尺度也随之变化。因此，时空的多维性成为城市数据研究的又一热点。在对数据进行分析和应用时，充分考虑数据的时空演化特征，并从多个角度进行数据之间的联系分析。

智慧城市的建设中，需要的资料主要有：互联网应用、行业应用、政府信息等。智慧城市建设通常采用政府、行业管理、大型企业等多种形式。因此，基于政府内网和外联网，充分利用数据交换平台，分析挖掘数据，建立一个支持各种智能系统的统一数据中心，实现数据之间的数据处理，为用户提供全面的数据服务和数据安全，见图 2。

2 智慧城市数据中心建设

2.1 建设目标

智能城市数据中心的建设目的是建立一个共享和监控中心，实现数据采集、共享和监控等方面的应用。因此，在建设智慧城市时，应从四个层面展开：

地监测不同阶段的运营状况。利用大量地图、POI、人口、车辆等数据，结合物联网、互联网等实时数据，对各地区的用地状况进行全面的数据统计与数据分析；

加强对大数据应用于城镇管理。在市政领域，包括运营方式、治安、电话、交通密度、突发事件处理、环境保护等；

通过“生态孵化"促进产业发展，提高产业品质。通过对工业公司进行战略布局，通过科技孵化、人才培养等多方面的支持，*终达到产城融合、工业落地、资源聚集和经济发展的目的；

要把群众对公共服务、交通和医疗等生活服务的需求结合起来，做到全面的智慧提升，主动服务，真正提升群众的满意度。

2.2 建设思路

数据中心的建设是一项既有软体又有硬体的综合系统。首先要掌握各个产业的经营需求，全面地对各个产业的发展现状及现实需求进行剖析，并依据信息需求，对各类公司进行归类，作出相应的规划。其次，数据中心的管理员(数据交流平台)设置数据中心的使用权，对数据进行管理；然后根据自身能力，将需要的资料从标准的数据中心中抽取出来，进行同步或异步的更新，再交给数据中心进行处理。

在网络体系的设计上，采用了以二叉树为基础的树型结构，以纵向扩展为基础，提高了系统的整体功能。但是，这种网络拓扑很难解决传统的树型网络在核心根节点中产生的海量信息流，导致网络的运行效率受到了很大的制约；采用高性能大容量的交换器，仅在一定范围内减轻负荷，无法从根源上解决网络的过载和热点问题；由于网络的频宽限制，采用高接口的高性能器件会产生大量的器件开销，使得大型的数据处理系统难以实现。因此，基于高带宽、低延迟、高可靠性、低运行开销、易于管理和管理的特点，数字中心系统中出现了许多新的拓扑。Fat-Tree 解决了热点问题，即向中心交换器增加了“粗"的连接，但是它仅限于中心交换机的数量；VL2 解决了网络中的热点问题、提高了系统的可扩充性，但其线路较多；DCell 架构可以很好地满足业务扩充，但其业务流的分配不均衡，且扩展的颗粒尺寸较大；BCube 架构以一个以数据为基础的容器为基础，它与当前“Data Center in aBox"的理念相一致，具有很好的性能，不过需要更多的扩充。

2.3 建设方案

2.3.1 核心软硬件设施的构建

第一，要包括目前的数据标准、交换标准、平台标准等；第二，要有网络、存储器、服务器、开关、传感器等硬件架构；第三，包括实体、网路、资料、应用、平台等。其中的安全条款主要有：实体、网路、资料、应用程式、平台等。建立一个协调高效的软件环境，保障数据中心的安全、稳定的工作环境。

2.3.2 数据的采集

通过数据交换平台、采集适配器、ETL软件等采集接口，实现了 ODS 数据库的数据采集和非结构数据的采集。

2.3.3 数据的处理

建立运行管理平台、数据管理平台等软件平台，实现对系统的关键数据、业务数据统一的标识和加密，实现全生命周期管理和过程监控，实现数据管理、入侵检测、身份认证等功能。数据加密、访问控制和安全审计是确保数据安全可靠的重要措施

2.3.4 合并

建立了相应的数据交换平台，在此基础上，开发了多种业务接口，及时发布各类主要数据和业务数据，并与其他智慧城市的业务系统对接，实现了信息资源的*优化和*大限度的利用。

2.3.5 数据的处理与应用

根据智能城市决策分析的需要，收集、整理、建模、提取、分析等多种信息，以满足智能管理、控制、传输等方面的改进，提高智能决策和反应能力，有效促进城市管理。智慧城市数据中心的建成，进一步提高了城市的智能决策和快速响应能力，为城市整体管理做出了重大贡献。

随着时间的推移，网络的不断发展，人们的生活、学习、工作都变得更加便捷。在智能交通系统中，运用基于传感器、监控视频、GPS等技术的大数据技术，为用户提供*优的出行路径。同时，通过对交通流量的统计，可以有效地分析和处理交通堵塞。大数据推动着城市的规划与建设。比如，在政府一级，可以通过数据为大学提供专业支持，既能加强政府间的协作，又能增强政府在城市管理中的作用。

3 云计算时代的城市数据中心建设展望

3.1 建设背景

云计算是一种将网格、分布式和并行计算相结合的技术，它是当前社会和经济发展的一种业务方式。云计算依赖于数据中心，没有了云数据，云计算将不能使用企业或单位的数据来制定产品的组织规则。从本质上说，云数据能够对各个企业、事业单位的数据进行采集，并将各个领域的数据资源集中起来进行运算，使其具有较高的代表性，对提高其应用价值具有重要意义。为了提高计算的安全性和可靠性，云计算在实际应用中需要满足分布式的数据处理需求。对使用者而言，每天消耗的资料都能被安全地储存在云端资料服务中，而不用担心资料遗失造成的个人资料泄漏。云计算对用户产生的数据进行去敏感处理，才能将其直接用于企业的生产和运营，从而避免用户的个人信息被侵犯。这种集约化的数据处理方法，不但提高了数据资源的使用效率，而且从根本上改变了数据的本质，使用户的数据资源具有更高的指导意义。

3.2 数据中心建设存在的问题

随着云计算技术的不断发展，在数据中心的建设上也遇到了一些问题，这些问题已经严重地制约了云计算的顺利发展和数据中心的建设。在云环境下，数据中心的建设面临着以下几个问题：首先是网络的架构问题。传统的三层结构会产生较大的时延，从而很大地影响到存储过程，所以对其进行改进和优化。第二，由于传统的数据中心系统的建设，导致了数据和存储网络的分离，从而限制了数据中心的资源集成，加快了其发展。第三点是虚拟化。为了更好地利用虚拟设备，提高数据中心硬件资源的利用率，本文提出了一种新的虚拟技术。第四点，就是安全性。云计算技术的不断发展，使得数据中心业务越来越不稳定，越来越开放，越来越安全。在当前的数据中心建设中，如何保证安全稳定的运行是一个迫切需要解决的问题。第五，过度使用能量。由于云技术的引进，大大增加了数据中心的能耗。为了促进数据中心的持续健康发展，需要寻找一条高效、绿色、节能的技术路线，以保证新数据中心的建设。

4 安科瑞AcrelEMS-IDC数据中心综合能效管理系统

4.1平台组成

安科瑞电气紧跟数据中心发展形式，推出AcrelEMS-IDC数据中心综合能效管理解决方案，包含有电力监控、动环监控、消防监控、能耗统计分析、智能照明控制以及新能源监测几个子系统。集成了变配电监测、电源备自投、电气接点测温、智能照明控制、电能质量监测及治理、蓄电池在线监测、精密配电监控、智能母线监控以电气火灾、应急照明及疏散指示等多种子功能，能够帮助用户实时掌握数据中心的运行情况，保障数据中心可靠、安全、节约、有序、低碳的运行，辅助运维团队提升数据中心能效、资源利用率和可用性，提高运维效率并降低运维成本。