مرکز داده

سازمان های نیازمند به مراکز بزرگ داده بایک تصمیم بسیار مهم در زمینه یافتن مناسب ترین مکان جغرافیایی مواجه هستند. شناسایی، ارزیابی و تعیین مختصات جغرافیایی یک مکان مناسب، به معیارها و پارامترهای مختلف و بعضاً متأثر از یکدیگر وابسته است که تصمیم گیری مدیران را برای یافتن مناسب-ترین مکان بسیار پیچیده و مشکل می سازد. برای اولین بار در ایران، این مقاله به بررسی تأثیر معیارهای حوادث طبیعی در جایابی و ارزیابی گزینه های در دسترس و مناسب برای میزبانی یک مرکز داده ملی در گستره جغرافیای کشور ایران می پردازد. معیارهای حوادث طبیعی در نظر گرفته شده شامل معیارهای خشکسالی، طوفان شن، طوفان گرد و غبار، سیل، زلزله و آتشفشان می باشند. نتایج این تحقیق با استفاده از رأی گیری اکثریت نشان می دهد استان های سیستان و بلوچستان، کرمان و بوشهر پرحادثه خیزترین و استان های کردستان، چهارمحال بختیاری و قزوین کم حادثه خیزترین استان های کشور از منظر حوادث طبیعی برای برپایی مرکز داده هستند. بر اساس نتایج این بررسی، یک نرم افزار رایانه ای تولید شده است که اوزان معیارهای حوادث طبیعی را که با کمک متخصصین و طی یک فرآیند سلسله مراتبی مشخص شده اند، بعنوان ورودی اخذ کرده و سپس با استفاده از مکانیزم رأی گیری اکثریت، نواحی جغرافیایی مناسب یک مرکز داده را به ترتیب الویت پیشنهاد می دهد. با استفاده از این نرم افزار و وزن دهی معیارها با کمک متخصصین، نشان داده می شود که استان های چهارمحال بختیاری، کردستان و مرکزی مناسب ترین و استان های بوشهر، کرمان و آذربایجان شرقی نامناسب ترین استان ها از منظر حوادث طبیعی برای برپایی مرکز داده هستند.

هدف این پژوهش، شناسایی موانع اجرای اثربخش مربی گری مدیریتی «در مواجهه مدیر با عملکرد نامطلوب کارشناس» و مکانیزم های اثرگذاری آن موانع، در یک واحد سازمانی خدمات مرکز داده بود. پژوهش با راهبرد نظریه پردازی داده بنیان انجام شد. جمع آوری داده از طریق مصاحبه های انفرادی نیمه ساختاریافته با هجده نفر، متشکل از هشت مدیر و ده کارشناس، و با نمونه گیری نظری انجام گرفت. نتایج متشکل از پنج مانع می شود که یکی از آنها ویژگی زمینه ای صنعت مرکز داده است و در تحقیقات قبلی تأثیر آن بر مربی گری در این صنعت بررسی نشده بود. دو مانع دیگر از پنج مانع نیز در مطالعات قبلی معرفی نشده بودند. عامل اصلی پیونددهنده موانع یافت شده این است که مدیر و یا کارشناس در مواقعی، موقعیت عملکرد نامطلوب را به عنوان موقعیتی برای مربی گری در نظر نمی گیرند. مکانیزم های اثرگذاری موانع در مطالعات قبلی بررسی نشده بود و در این تحقیق سه مکانیزم اصلی شناسایی شده است. اول اینکه عوامل شناسایی شده مانع بروز رفتارهای مربی گری از جانب مدیر در برابر عملکرد نامطلوب کارشناس می شوند. دوم اینکه برخی عوامل مانع یادگیری کارشناس با وجود بروز رفتارهای مربی گری مدیر می شوند. سوم اینکه موانع باعث تضعیف رابطه کاری مدیر و کارشناس با وجود بروز رفتارهای مربی گری مدیر می شوند. چند پیشنهاد به سازمان های ارائه دهنده خدمات مرکز داده ارائه می شود. اول اینکه مدیران و کارشناسان با تقویت خودآگاهی و ذهن آگاهی خود، با تشخیص هوشیارانه در لحظه، از موقعیت های عملکرد نامطلوب تا حد امکان به عنوان فرصت مناسبی برای مربی گری بهره ببرند و نیز سازمان رویکردهای هیجانی حامیانه مدیران را در برقراری ارتباط با کارشناسان در مواجهه با عملکرد نامطلوبشان ترویج کند. دوم اینکه مدیران و کارشناسان منابع انسانی جهت آموزش قابلیت های غیرفنی مورد نیاز کارشناسان، اقدام کنند. سوم اینکه روش های انگیزشی برای یادگیری کارشناسان به مدیران آموزش داده شود و سازوکارهای انگیزشی نیز در جهت تقویت انگیزش یادگیری در حوزه های مورد نیاز طراحی شود.

توجه به مسئله رشد هزینه و پیامدهای منفی مصرف سوخت های فسیلی، استفاده از منابع تجدیدپذیر انرژی را به اولویتی اساسی در مراکز داده تبدیل کرده است. اگرچه استفاده از این منابع موجب کاهش آثار مخرب زیست محیطی مصرف سوخت های فسیلی می شود، هزینه زیاد راه اندازی نیروگاه و طبیعت نوسانی این منابع، استفاده از آن را محدود می کند؛ به گونه ای که بسیاری از گردانندگان مراکز داده ترجیح می دهند از منابع برق شهری استفاده کنند. در این مقاله روش های مدیریت توان مصرفی و کاهش هزینه با هدف کاهش زمان بازگشت سرمایه، مانند بهره مندی از فرصت های برآمده از الگوی محاسبه هزینه انرژی و مدل توزیع شده برق اضطراری (UPS)، بررسی شده است. واحد مدیریت هوشمند توان مصرفی (SPMU) پیشنهادشده، در هر فاصله زمانی با توجه به میزان انرژی خورشیدی در دسترس، قیمت برق شهری و وضعیت باتری های توزیع شده UPS، توزیع بهینه ای از توان ذخیره شده هر منبع ارائه می دهد و مدیریت شارژ و تخلیه باتری ها را بر عهده می گیرد. بر اساس نتایج، این روش زمان بازگشت سرمایه را بین 2/1 - 8/0 سال کاهش می دهد که به طور متوسط 36 درصد کمتر از روش مرسوم است.

بسیاری از سازمان ها به منظور تسهیل فرآیندها و ارائه خدمات نو آورانه، توجه ویژه ای به استفاده از خدمات مرکز داده جهت میزبانی از  سکوها، خدمات و ابزارهای نوین برای مدیریت و راهبری  سامانه های خود نشان می دهند. در حوزه امنیت سایبری مرکز داده، برای شناخت علل تهدیدات سایبری و سپس حل مسائل نیاز است، تمام جوانب درنظر گرفته شوند. بنابراین ما در این پژوهش بدنبال شناسایی و ارائه کدهای مدیریتی هستیم که در آن تمامی جوانب درونی و بیرونی امنیت سایبری در نظر گرفته شود. در این پژوهش با الگو گیری از چارچوب کلی امنیت سایبریNIST  و چارچوب بسط داده شده موجود، نسبت به شناسایی جامع کدهای تامین امنیت و حفاظت از زیر ساخت اصلی مرکز داده، اقدام نمودیم تا ضمن اتخاذ راهبرد یکپارچه، هوشمندی لازم با اشتراک اطلاعات و یادگیری از حملات قبلی در سازمانها جهت بهبود فرایند پاسخ و بازیابی ایجادگردد. در این پژوهش بمنظور شناسایی و ارائه کدهای مدیریتی چارچوب جامع امنیت سایبری مرکز داده با روش مرور نظام مند از طریق جستجو در پایگاه وب او ساینس و اسکپوس و مقالات داخلی تعداد 1831 سند استخراج شد که پس از بررسی های لازم 63 مورد از آن ها به عنوان اسناد مرتبط شناسایی و با استفاده از روش فراترکیب، بررسی و کدگذاری شدند و کدهای استخراج شده در ذیل 5 مقوله اصلی (برگرفته از الگوی NIST)، 23 مولفه و 108 کد مدیریتی قرار گرفتند که مربوط به امنیت سایبری مرکز داده یعنی شناسایی، محافظت، کشف، پاسخگویی و بازیابی بودند.

افزایش نفوذ اینترنت در بین اقشار مختلف، در کنار گسترش شبکه های اجتماعی، انواع پلتفرم های مالی، پیام رسان ها، اپلیکیشن های خدماتی و ... به تدریج باعث فزونییافتن مقدار داده های تولید شده توسط مردم شده است. حجم فراتر از حد تصور این داده ها که در بسترهای گوناگون و با اهداف متفاوت تولید شده اند، به تدریج آنها را تبدیل به منبعی غنی برای تحقیقات اجتماعی کرده است. علی رغم مباحث زیادی که حول کلان داده ها و کاربرد هوش مصنوعی در شناسایی و استخراج ایده های پژوهشی از دل آنها در حداقل برخی محافل علمی علوم اجتماعی ایران در جریان است، استفاده کاربردی و عملیاتی از این داده ها در عمل با دشواری های روبرو است. این مقاله سعی دارد ضمن تشریح مسائل پیش روی تحلیل داده های بزرگ در فضای تحقیقات علوم اجتماعی ایران امروز، به معرفی چند نرم افزار و ابزار کاربردی در این حوزه بپردازد. از جمله موارد قابل ذکر می توان به نرم افزار Gephi (نرم افزاری متن باز و مبتنی بر شبکه برای تجسم و تحلیل داده های پیچیده شبکه ای) و نرم افزار Pajek (نرم افزاری شبکه محور و دارای ابزارهایی چون الگوریتم مرتب سازی، کاوش و خوشه بندی)، نرم افزار R Studio، ابزار Ngram، ابزار Looker Studio و فناوری Hadoop اشاره کرد که هریک کاربردهای خاص خود را دارد. در این مقاله سعیشده است با معرفی دقیق ترموارد قابل کاربرد در تحلیل کلان داده ها، مسیری برای خلق ایده های پژوهشی ترسیم گردد.

مرکز داده به مکانی گفته می شود که گروه عظیمی از سرورهای کامپیوتری و تجهیزات شبکه با استفاده از امکانات زیرساختی و ارتباطی برای رایانش و میزبانی مجموعه بزرگی از داده ها، گرد هم آمده باشند. به بیان دیگر، دیتاسنتر محل استقرار تعداد زیادی از سرورهای کامپیوتری است که در کنار یکدیگر و بدون وقفه، امور مربوط به رایانش، ذخیره سازی و انتقال داده ها را انجام می دهند. ساختمان اغلب این مراکز، دارای سیستم های امنیتی پیشرفته، سیستم تهویه، اطفاء حریق و سیستم توزیع برق است که به سامانه برق اضطراری [1]و دیزل ژنراتور مجهز شده اند. پیاده سازی یک دیتاسنتر، عموما بر پایه شبکه عظیمی از منابع پردازشی و ذخیره سازی صورت می پذیرد . از آن جا که انتشار گرما در سرور رک ها دائما در حال افزایش است، بنابراین طراحی مناسب سیستم تهویه هوا در مرکز داده برای جلوگیری از تخریب دستگاهها ناشی از گرمای زیاد اهمیت دارد . بیش از نیمی از انرژی مصرفی یک مرکز داده ی معمول، در زیرساخت های فیزیکی صرف می شود ، در این پژوهش بجهت بهینه سازی مصرف انرژی در مراکز داده و افزایش راندمان ابتدا شاخص های دمایی معرفی و سپس بر روی مدل های شبیه سازی شده پیاده سازی میگردد و در پایان مدل بهینه معرفی میگردد.   [1] UPS