在2019年，很多企業將投資于開源軟件，管理物聯網設備，整合人工智能和機器學習到操作中，以及準備好迎接新的微處理器設計。

　　這些數據中心趨勢可幫助管理員創建更具響應性、自動化且易于維護的數據中心。

行業巨頭擁抱開源
　　傳統上來看，供應商為客戶構建專有硬件和軟件，但在運營等領域，開源產品正在獲得關注。通過開源軟件，企業可更好地使用他們需要的程序，而只需要更低的成本，還具有更高的互操作性。與專有系統相比，社區還可幫助更容易地混合和匹配開源產品，因此數據中心管理員可直接配置他們需要的軟件。
　　在2018年，兩項大型收購交易標志著企業加大對開源的投資。在2018年6月，微軟以75億美元收購GitHub，這是一個擁有2800萬開發者的開源軟件開發平臺。此次收購為開發人員和管理員提供了一種更簡單的方法來管理、共享和優化企業內的代碼。
　　去年最大的開源收購是在2018年10月IBM以340億美元收購Linux開發商RedHat。此次交易的目的是幫助IBM在云市場獲得更多牽引力，并加強其對客戶的開源云支持。
　　MoorInsights＆Strategy公司數據中心技術高級分析師Matthew Kimball指出：“IBM收購Red Hat公司是因為，他們了解到他們需要新的解決方案才能吸引那些更少關注傳統解決方案的開發人員和IT部門。”
　　同時，企業對開源的興趣日益增加意味著，數據中心管理員應該研究他們可在數據中心使用哪些開源軟件，以及他們未來可以依賴的哪些社區進行系統增強。

人工智能接管更多數據中心工作
　　另一個數據中心趨勢是人工智能，人工智能將改變維護工作，特別是通過使用基于機器學習的智能運維（AIOps，AI for IT Operations）。AIOps軟件結合了大數據、人工智能、機器學習和可視化，以簡化日常監控和管理任務。
　　通常，自動化可讓機器完成例行任務，例如生成警報。而AIOps則更進一步，它可提供比人類更高的準確性，并簡化了不同數據中心管理組之間的交互。
　　這些工具從日志文件、指標、幫助臺工單和監視工具中收集數據。它們會檢查任務的執行情況、識別模式或異常，然后做出決策來處理各種任務，例如識別和阻止可能試圖侵入企業網絡的用戶。
　　CA Technologies、Loom Systems和Science Logic等供應商提供的軟件可簡化AIOps部署。Gartner公司預計這些工具的部署將在未來三年內增加。該公司估計目前只有5%的大型IT部門在使用AIOps平臺，但到2022年這一比例將達到40%。

數據中心最重要的趨勢：服務器微處理器
　　隨著企業部署新的計算密集型工作負載，例如大數據、人工智能和機器學習，他們將需要新型處理硬件；傳統的基于CPU的服務器設計將無法輕松支持這些工作負載。
　　目前，圖形處理單元繼續受到關注，同時，谷歌還在開發張量處理單元。在2019年預計還將出現其他用于新的大批量應用程序的替代方案，例如基于ARM的處理器。這意味著如果硬件出現性能問題，管理員必須能夠對多種類型的微處理器進行故障排除，而不僅僅是基于英特爾的處理系統。

設備變得智能
　　通過智能傳感器等硬件，企業可將設備和數據收集分布到網絡邊緣。但是，企業不希望從這些位置和設備向中央服務發送警報時制造更多網絡流量。
　　根據Gartner稱，對此，供應商正在向其硬件和軟件產品添加人工智能和軟件控制，以便更好地管理這一流程。數據中心人員必須能夠管理自主設備之間的協作并保持硬件正常運行。
　　隨著企業發展其邊緣計算和聯網設備基礎設施，管理員需要研究網絡帶寬標準和軟件，以確保其環境能夠有效支持所有聯網設備，并提供正確的帶寬和監控功能。

幫助臺變得更智能
　　幫助臺軟件現在變得更加先進，并且該流程使用比以往更多的自動化。人工智能、機器學習和自然語言處理等數據中心趨勢為聊天機器人程序奠定了基礎，這些聊天機器人可了解用戶問題并自動提供可能的解決方案。
　　聊天機器人可幫助IT人員解答用戶提出的基本問題，使IT人員能夠將更多時間花在更復雜的支持問題上。在2019年，企業將試圖使這些機器人能夠通過文本和視覺指示器理解和響應用戶的情緒。
　　這些應用程序將從視頻流中尋找特定單詞或面部表情，并評估提議的方案是否可解決問題。如果用戶感到沮喪，該系統可以將他們轉交給人員處理，而不是讓用戶繼續與自動系統交互。
　　這里的總體目標是減少數據中心支持人員的例行任務，同時為用戶提供更加豐富的客戶服務。