1. 計算機網路拓撲結構的計算機網路拓撲結構
首先部署人員要熟悉各種網路的計算機網路拓撲結構，將適合自己計算機網路拓撲結構羅列出來，再一一篩選。沒有一種計算機網路拓撲結構是能通用或者適應所有的企業和公司。作為技術人員，你首先要對計算機網路拓撲結構很熟悉，比如根據預算，採用千兆還是萬兆的主幹網路等等，這樣才有助於你解決網路的技術難題。 新的計算機網路拓撲結構設計是一種專用通道的計算機網路拓撲結構，具體的應用走專用的網路通道，這種計算機網路拓撲結構設計理論上考慮到網路內的設備可以自由移動物理位置，並繼承了傳統計算機網路拓撲結構的交換機轉發數據的特點。雖然目前的主流計算機網路拓撲結構好像用不上這些技術，但新興技術的成熟總需要時間來驗證，也許不是現在，但作為次世代的技術，在未來有很大的發展空間。還有一些其他已經成型的新型計算機網路拓撲結構，這些新興的計算機網路拓撲結構已經超越了傳統基於第三層網路leaf-spine的計算機網路拓撲結構。雖然這些計算機網路拓撲結構並不多見。因為這些計算機網路拓撲結構大多應用於特殊領域的數據中心。多層的leaf-spine計算機網路拓撲結構已經很接近計算機網路拓撲結構的基線，許多大型網路利用垂直部署的方法來擴展網路，如VLAN等等。Hypercube立方體計算機網路拓撲結構。一個簡單的3D Hypercube結構就像由六個面組成的立體方形的網路，每個聯結點都由交換機構成。而一個4D Hypercube網路就如一個3D Hypercube網路位於另一個3D Hypercube裡面，里外兩個網路通過轉角的節點連接彼此，設備節點連接在外層的網路。如要實施這種計算機網路拓撲結構，需要對自己的需求和預算進行了解，並且要詳細明白這種計算機網路拓撲結構的特點在哪裡。Toroidal環形計算機網路拓撲結構。這種計算機網路拓撲結構其實是指任何環形計算機網路拓撲結構。一個3D 的環形計算機網路拓撲結構是高度結構化的網路環。環形計算機網路拓撲結構通常用於需要高性能計算環境，並可能依靠交換機之間的互連節點計算。Jellyfish水母型計算機網路拓撲結構。聽起來名字很奇怪，但挺符合它的稱呼的。這種計算機網路拓撲結構主要的特點在它是一種大隨機性的計算機網路拓撲結構，這種計算機網路拓撲結構的交換機根據網路設計師的設計相互連接。這種計算機網路拓撲結構結構的設計比起傳統結構可以提高甚至25%的數據容量。DCell計算機網路拓撲結構。在這種計算機網路拓撲結構中，網路內的伺服器都有多個網卡。其中部分網卡相互連接各個伺服器，伺服器就像一個大網路環境的細胞一樣。DCell一般需要每伺服器有四個或更多的網卡。FiConn計算機網路拓撲結構。類似DCell，FiConn結構中，每計算機網路拓撲結構伺服器到另一個伺服器的互聯形成一個細胞節點，但只需要兩個網卡。BCube計算機網路拓撲結構。類似DCell，FiConn，BCube使用額外的伺服器埠直接連接，這些埠是專為模塊化網路部署。微軟在背後主推BCube計算機網路拓撲結構，並建立BCube源路由協議來管理網路數據中心的計算機網路拓撲結構。CamCube計算機網路拓撲結構。這種計算機網路拓撲結構目的是為了優化整個環面的數據傳輸，計算機網路拓撲結構被用於集群主機互連，計算機網路拓撲結構是建立在微軟的CamCubeOS之上。傳統的計算機網路拓撲結構管理方式在這種網路結構上不起作用。Butterfly蝴蝶型計算機網路拓撲結構。谷歌的扁平式蝴蝶結構是一個特定的計算機網路拓撲結構，類似於一個棋盤。在這種網路結構中，任何節點都可以作為一個開關，節點控制著流量。這種類型的網路目的在於降低功耗，有綠色環保的意義。
2. 網路五層結構
計算機網路五層結構是指應用層、傳輸層、網路層、數據鏈路層、物理層。
1、應用層
專門針對某些應用提供服務。
2、傳輸層
網路層只把數據送到主機，但不會送到進程。傳輸層負責負責進程與主機間的傳輸，主機到主機的傳輸交由網路層負責。傳輸層也稱為端到端送。
3、網路層
把包裡面的目的地址拿出來，進行路由選擇，決定要往哪個方向傳輸。
負責從源通過路由選擇到目的地的過程，達到從源主機傳輸數據到目標主機的目的。
4、數據鏈路層
通過物理網路傳送包，這里的包是通過網路層交過來的數據報。
只完成一個節點到另一個節點的傳送（單跳）。
5、物理層
通過線路（可以是有形的線也可以是無線鏈路）傳送原始的比特流。
只完成一個節點到另一個節點的傳送（單跳）。
(2)計算機網路結構數據中心擴展閱讀：
計算機網路是指將地理位置不同的具有獨立功能的多台計算機及其外部設備，通過通信線路連接起來，在網路操作系統，網路管理軟體及網路通信協議的管理和協調下，實現資源共享和信息傳遞的計算機系統。
計算機網路也稱計算機通信網。關於計算機網路的最簡單定義是：一些相互連接的、以共享資源為目的的、自治的計算機的集合。若按此定義，則早期的面向終端的網路都不能算是計算機網路，而只能稱為聯機系統（因為那時的許多終端不能算是自治的計算機）。但隨著硬體價格的下降，許多終端都具有一定的智能，因而「終端」和「自治的計算機」逐漸失去了嚴格的界限。若用微型計算機作為終端使用，按上述定義，則早期的那種面向終端的網路也可稱為計算機網路。
3. 數據中心網路中常用的拓撲結構---Fattree
姓名：姜國勇
學號：20011210153
轉自：https://blog.csdn.net/bryanting/article/details/80000864
【嵌牛導讀】數據中心是全球協作的特定設備網路，用來在網路基礎設施上傳遞、加速、展示、計算、存儲數據信息。
在今後的發展中，數據中心也將會成為企業競爭的資產，商業模式也會因此發生改變。隨著數據中心應用的廣泛化，人工智慧、網路安全等也相繼出現，更多的用戶都被帶到了網路和手機的應用中。隨著計算機和數據量的增多，人們也可以通過不斷學習積累提升自身的能力，是邁向信息化時代的重要標志。
其中，fat-tree模型為大多數數據中心網路構建常用的拓撲結構，在穩定性方面有著顯著的優勢。
【嵌牛鼻子】FatTree拓撲結構 數據中心網路
【嵌牛正文】
FatTree拓撲結構是由MIT的Fares等人在改進傳統樹形結構性能的基礎上提出的，屬於switch-only型拓撲。
整個拓撲網路分為三個層次：自上而下分別為邊緣層（edge）、匯聚層（aggregate）和核心層（core），其中匯聚層交換機與邊緣層交換機構成一個pod，交換設備均採用商用交換設備。
FatTree構建拓撲規則如下：FatTree拓撲中包含的Pod數目為 ，每一個pod連接的sever數目為 ，每一個pod內的邊緣交換機及聚合交換機數量均為 ，核心交換機數量為 ，網路中每一個交換機的埠數量為 ，網路所能支持的伺服器總數為 。
FatTree結構採用水平擴展的方式，當拓撲中所包含的pod數目增加，交換機的埠數目增加時，FatTree拓撲能夠支持更多的伺服器，滿足數據中心的擴展需求，如k=48k=48時，FatTree能夠支持的伺服器數目為27648。
FatTree結構通過在核心層多條鏈路實現負載的及時處理，避免網路熱點；通過在pod內合理分流，避免過載問題。
FatTree對分帶寬隨著網路規模的擴展而增大，因此能夠為數據中心提供高吞吐傳輸服務；不同pod之間的伺服器間通信，源、目的節點之間具有多條並行路徑，因此網路的容錯性能良好，一般不會出現單點故障；採用商用設備取代高性能交換設備，大幅度降低網路設備開銷；網路直徑小，能夠保證視頻、在線會與等服務對網路實時性的要求；拓撲結構規則、對稱，利於網路布線及自動化配置、優化升級等。
Fat-Tree結構也存在一定的缺陷：Fat-Tree結構的擴展規模在理論上受限於核心交換機的埠數目，不利於數據中心的長期發展要求；對於Pod內部，Fat-Tree容錯性能差，對底層交換設備故障非常敏感，當底層交換設備故障時，難以保證服務質量；拓撲結構的特點決定了網路不能很好的支持one-to-all及all-to-all網路通信模式，不利於部署MapRece、Dryad等現代高性能應用；網路中交換機與伺服器的比值較大，在一定程度上使得網路設備成本依然很高，不利於企業的經濟發展。
4. 數據中心是什麼其系統結構和工作原理是怎樣的呢
一直想整理一下這塊內容，既然是漫談，就想起什麼說什麼吧。我一直是在互聯網行業，就以互聯網行業來說。
先大概列一下互聯網行業數據倉庫、數據平台的用途：
整合公司所有業務數據，建立統一的數據中心；
提供各種報表，有給高層的，有給各個業務的；
為網站運營提供運營上的數據支持，就是通過數據，讓運營及時了解網站和產品的運營效果；
為各個業務提供線上或線下的數據支持，成為公司統一的數據交換與提供平台；
分析用戶行為數據，通過數據挖掘來降低投入成本，提高投入效果；比如廣告定向精準投放、用戶個性化推薦等；
開發數據產品，直接或間接為公司盈利；
建設開放數據平台，開放公司數據；
。。。。。。
- 上面列出的內容看上去和傳統行業數據倉庫用途差不多，並且都要求數據倉庫/數據平台有很好的穩定性、可靠性；但在互聯網行業，除了數據量大之外，越來越多的業務要求時效性，甚至很多是要求實時的 ，另外，互聯網行業的業務變化非常快，不可能像傳統行業一樣，可以使用自頂向下的方法建立數據倉庫，一勞永逸，它要求新的業務很快能融入數據倉庫中來，老的下線的業務，能很方便的從現有的數據倉庫中下線；
- 其實，互聯網行業的數據倉庫就是所謂的敏捷數據倉庫，不但要求能快速的響應數據，也要求能快速的響應業務；
- 建設敏捷數據倉庫，除了對架構技術上的要求之外，還有一個很重要的方面，就是數據建模，如果一上來就想著建立一套能兼容所有數據和業務的數據模型，那就又回到傳統數據倉庫的建設上了，很難滿足對業務變化的快速響應。應對這種情況，一般是先將核心的持久化的業務進行深度建模（比如：基於網站日誌建立的網站統計分析模型和用戶瀏覽軌跡模型；基於公司核心用戶數據建立的用戶模型），其它的業務一般都採用維度+寬表的方式來建立數據模型。這塊是後話。
- 整體架構下面的圖是我們目前使用的數據平台架構圖，其實大多公司應該都差不多：
- 邏輯上，一般都有數據採集層、數據存儲與分析層、數據共享層、數據應用層。可能叫法有所不同，本質上的角色都大同小異。
- 我們從下往上看：
- 數據採集數據採集層的任務就是把數據從各種數據源中採集和存儲到數據存儲上，期間有可能會做一些簡單的清洗。
- 數據源的種類比較多：
網站日誌：
- 作為互聯網行業，網站日誌占的份額最大，網站日誌存儲在多台網站日誌伺服器上，
- 一般是在每台網站日誌伺服器上部署flume agent，實時的收集網站日誌並存儲到HDFS上；
業務資料庫：
- 業務資料庫的種類也是多種多樣，有Mysql、Oracle、SqlServer等，這時候，我們迫切的需要一種能從各種資料庫中將數據同步到HDFS上的工具，Sqoop是一種，但是Sqoop太過繁重，而且不管數據量大小，都需要啟動MapRece來執行，而且需要Hadoop集群的每台機器都能訪問業務資料庫；應對此場景，淘寶開源的DataX，是一個很好的解決方案（可參考文章 《異構數據源海量數據交換工具-Taobao DataX 下載和使用》），有資源的話，可以基於DataX之上做二次開發，就能非常好的解決，我們目前使用的DataHub也是。
- 當然，Flume通過配置與開發，也可以實時的從資料庫中同步數據到HDFS。
來自於Ftp/Http的數據源：
- 有可能一些合作夥伴提供的數據，需要通過Ftp/Http等定時獲取，DataX也可以滿足該需求；
其他數據源：
- 比如一些手工錄入的數據，只需要提供一個介面或小程序，即可完成；
- 數據存儲與分析毋庸置疑，HDFS是大數據環境下數據倉庫/數據平台最完美的數據存儲解決方案。
- 離線數據分析與計算，也就是對實時性要求不高的部分，在我看來，Hive還是首當其沖的選擇，豐富的數據類型、內置函數；壓縮比非常高的ORC文件存儲格式；非常方便的SQL支持，使得Hive在基於結構化數據上的統計分析遠遠比MapRece要高效的多，一句SQL可以完成的需求，開發MR可能需要上百行代碼；
- 當然，使用Hadoop框架自然而然也提供了MapRece介面，如果真的很樂意開發Java，或者對SQL不熟，那麼也可以使用MapRece來做分析與計算；Spark是這兩年非常火的，經過實踐，它的性能的確比MapRece要好很多，而且和Hive、Yarn結合的越來越好，因此，必須支持使用Spark和SparkSQL來做分析和計算。因為已經有Hadoop Yarn，使用Spark其實是非常容易的，不用單獨部署Spark集群，關於Spark On Yarn的相關文章，可參考：《Spark On Yarn系列文章》
- 實時計算部分，後面單獨說。
- 數據共享這里的數據共享，其實指的是前面數據分析與計算後的結果存放的地方，其實就是關系型資料庫和NOSQL資料庫；
- 前面使用Hive、MR、Spark、SparkSQL分析和計算的結果，還是在HDFS上，但大多業務和應用不可能直接從HDFS上獲取數據，那麼就需要一個數據共享的地方，使得各業務和產品能方便的獲取數據；和數據採集層到HDFS剛好相反，這里需要一個從HDFS將數據同步至其他目標數據源的工具，同樣，DataX也可以滿足。
- 另外，一些實時計算的結果數據可能由實時計算模塊直接寫入數據共享。
- 數據應用
業務產品
- 業務產品所使用的數據，已經存在於數據共享層，他們直接從數據共享層訪問即可；
報表
- 同業務產品，報表所使用的數據，一般也是已經統計匯總好的，存放於數據共享層；
即席查詢
- 即席查詢的用戶有很多，有可能是數據開發人員、網站和產品運營人員、數據分析人員、甚至是部門老大，他們都有即席查詢數據的需求；
- 這種即席查詢通常是現有的報表和數據共享層的數據並不能滿足他們的需求，需要從數據存儲層直接查詢。
- 即席查詢一般是通過SQL完成，最大的難度在於響應速度上，使用Hive有點慢，目前我的解決方案是SparkSQL，它的響應速度較Hive快很多，而且能很好的與Hive兼容。
- 當然，你也可以使用Impala，如果不在乎平台中再多一個框架的話。
OLAP
- 目前，很多的OLAP工具不能很好的支持從HDFS上直接獲取數據，都是通過將需要的數據同步到關系型資料庫中做OLAP，但如果數據量巨大的話，關系型資料庫顯然不行；
- 這時候，需要做相應的開發，從HDFS或者HBase中獲取數據，完成OLAP的功能；
- 比如：根據用戶在界面上選擇的不定的維度和指標，通過開發介面，從HBase中獲取數據來展示。
其它數據介面
- 這種介面有通用的，有定製的。比如：一個從Redis中獲取用戶屬性的介面是通用的，所有的業務都可以調用這個介面來獲取用戶屬性。
- 實時計算現在業務對數據倉庫實時性的需求越來越多，比如：實時的了解網站的整體流量；實時的獲取一個廣告的曝光和點擊；在海量數據下，依靠傳統資料庫和傳統實現方法基本完成不了，需要的是一種分布式的、高吞吐量的、延時低的、高可靠的實時計算框架；Storm在這塊是比較成熟了，但我選擇Spark Streaming，原因很簡單，不想多引入一個框架到平台中，另外，Spark Streaming比Storm延時性高那麼一點點，那對於我們的需要可以忽略。
- 我們目前使用Spark Streaming實現了實時的網站流量統計、實時的廣告效果統計兩塊功能。
- 做法也很簡單，由Flume在前端日誌伺服器上收集網站日誌和廣告日誌，實時的發送給Spark Streaming，由Spark Streaming完成統計，將數據存儲至Redis，業務通過訪問Redis實時獲取。
- 任務調度與監控在數據倉庫/數據平台中，有各種各樣非常多的程序和任務，比如：數據採集任務、數據同步任務、數據分析任務等；
- 這些任務除了定時調度，還存在非常復雜的任務依賴關系，比如：數據分析任務必須等相應的數據採集任務完成後才能開始；數據同步任務需要等數據分析任務完成後才能開始；這就需要一個非常完善的任務調度與監控系統，它作為數據倉庫/數據平台的中樞，負責調度和監控所有任務的分配與運行。
- 前面有寫過文章，《大數據平台中的任務調度與監控》,這里不再累贅。
- 總結在我看來架構並不是技術越多越新越好，而是在可以滿足需求的情況下，越簡單越穩定越好。目前在我們的數據平台中，開發更多的是關注業務，而不是技術，他們把業務和需求搞清楚了，基本上只需要做簡單的SQL開發，然後配置到調度系統就可以了，如果任務異常，會收到告警。這樣，可以使更多的資源專注於業務之上。
5. 什麼是數據中心
什麼是數據中心？ 一、數據中心的定義及分類 數據中心即存放設備或數據的場地 數據中心即一個組織或單位用以集中放置計算機系統和諸如通信和存儲這樣的相關設備的基礎設施；也可能是以外包方式讓許多其他公司存放它們的設備或數據的地方。是場地出租概念在網際網路領域的延伸。只提供場地和機櫃的數據中心，一般稱為DC（Data Center），而同時提供帶寬服務的，一般稱IDC（互聯網數據中心， Internet Data Center），兩者有時不作嚴格區分。數據中心規模方面，按標准機架數量，可分為小型、大型和超大型。級別方面，常依據Uptime Institute的行業評判標准， 按可用性，分為T1、T2、T3和T4。 二、發展階段 從簡單到復雜，從不穩定到穩定 早期的數據中心，比較簡單。隨著數據量的增加、數據業務的日趨復雜、生活和生產對互聯網的依賴程度越來越高，耗電量的不斷增長，數據中心的標准也越來越高，主要體現在標准性、穩定性、節能性和高密度性等方面。 三、運營者分類、關系及比較 互聯網公司運用新技術更多，獨立第三方市場優勢漸顯 數據中心的主要建設者包括電信運營商，獨立第三方和大型互聯網企業，三者之間存在著較為復雜的合作關系，在少數場景下亦存在競爭。電信運營商的核心優勢是對帶寬等資源的壟斷、廣泛分布的機房，以及深入到縣級以下的體系。獨立第三方的核心優勢是豐富的建設經驗和運維經驗。互聯網公司的核心優勢是自身使用，因此可以統一規劃、設計，並做全部的虛擬化、雲化處理。互聯網公司對於新技術的運用往往更加徹底，但在數據中心本身的產業鏈中，其作為買方，不參與市場競爭（其出售給下游的一般為雲產品）。相比於電信運營商，獨立第三方因建設速度、服務模式和重視程度等原因， 優勢漸顯。 四、市場概況：產業鏈 基礎設施的基礎設施 雲計算常被比作信息產業的基礎，而數據中心又是雲計算的基礎。在整個信息產業中，數據中心位於極為上游的位置，為各種互聯網服務提供基礎支撐。 五、技術概況：架構分層 從「風火水電」到「軟體應用」 數據中心具有房地產和IT的雙重屬性，其可從場地到IT軟體分為四層，每上升一層其地產屬性會更弱、而IT屬性會更強。大多數的數據中心到設施層即止。在客戶類型為大客戶，選擇自行接入網路，或者服務商無網路資質時，也不提供網路服務，是更加簡單的DC而非IDC。提供IT硬體時，業務即開始向伺服器租用轉變。提供IT軟體時，一般即轉型為公有雲或者專有雲的雲廠商。 行業分析： 獨立第三方數據中心優勢漸顯：相比於電信運營商，獨立第三方數據中心建設速度更快、客戶定製性更強、重視程度更高，且PUE大多更低，受到客戶青睞。 移動互聯網和大數據是過去數據中心增長的主要動因：過去5年，需求端，網民數量和移動流量增長迅速；供給端，大數據和人工智慧對存儲和計算提出更高需求。因素疊加，導致數據中心增長迅速。 5G、物聯網、工業互聯網和傳統企業上雲是未來增長的主要動因：5G的傳輸帶寬顯著高於4G，且原生標准支持企業獨立組網，為物聯網、工業互聯網奠定基礎。因素疊加，會持續利好數據中心行業。 一線城市資源緊俏，節能成為硬性指標：因數據中心的高能耗特點，北上廣深等均對數據中心建設提出了更為嚴格的限制措施（一般要求PUE<1.4），但這些城市需求旺盛，既有數據中心成為緊俏資源。 智能運維被更多應用：隨著數據中心規模的提升、人工成本的上漲以及客戶對資源動態增減需求的日益增多，傳統人工運維已難適應。基於感測器、DCIM和自動巡檢機器人的整體智能運維漸被得到更多應用。 核心觀點： 一線、邊遠雙向發展 ——隨著一線城市指標的收緊以及骨幹網路結構的逐漸改變，一線城市周邊以及能源更充足地區成為互聯網自建數據中心的首選。但因傳輸的物理距離、客戶需求等，獨立第三方數據中心更願恪守一線。 資本跨界進入 ——隨著國家對新基建的重視， 已有越來越多其他行業的 企業跨界進入數據中心行 業，這會客觀上加劇數據 中心的競爭。但數據中心 不等同於地產，擁有更強 IT屬性，擁有更豐富運營 經驗的企業將優勢漸顯。 橫向整合成為趨勢 ——數據中心的本身特點致使資金更加充足、整合能力更強的企業，對一些機房甚至企業進行收購，成為必然。而一些原本規模較小的，尤其是兩千機櫃以下的數據中心不進則退， 被收購可能性較大。 與「雲」終難舍難分 ——數據中心運營企業會因客戶需求和追求更高毛利率，更多向雲計算方向發展，具體實踐路徑包括：代維公有雲、進軍公有雲、主打專有雲和混合雲，或重點發展雲MSP業務。 我會繼續聚焦5G時代，關注新基建資訊，分享5G和數字中國信息，以前沿的視角分析數據中心的發展，為大家帶來行業內數字化動態和新基建科研成果。 如果你剛好需要這份資料，私我「發展洞察」，免費分享給大家。希望大家喜歡今天的這一次分享6. 什麼是數據中心數據中心系統有哪幾部分組成
IDC(Internet Data Center) - Internet數據中心，它是傳統的數據中心與Internet的結合，它除了具有傳統的數據中心所具有的特點外，如數據集中、主機運行可靠等，還應具有訪問方式的變化、要做到7x24服務、反應速度快等。IDC是一個提供資源外包服務的基地，它應具有非常好的機房環境、安全保證、網路帶寬、主機的數量和主機的性能、大的存儲數據空間、軟體環境以及優秀的服務性能。IDC作為提供資源外包服務的基地，它可以為企業和各類網站提供專業化的伺服器託管、空間租用、網路批發帶寬甚至ASP、EC等業務。簡單地理解，IDC是對入駐(Hosting)企業、商戶或網站伺服器群託管的場所；是各種模式電子商務賴以安全運作的基礎設施，也是支持企業及其商業聯盟(其分銷商、供應商、客戶等)實施價值鏈管理的平台。形象地說，IDC是個高品質機房，在其建設方面，對各個方面都有很高的要求網路建設IDC主要是靠其有一個高性能的網路為其客戶提供服務，這個高性能的網路包括其- AN、WAN和與Internet接入等方面要求。IDC的網路建設主要有： - IDC的- AN的建設，包括其- AN的基礎結構，- AN的層次，- AN的性能。 - IDC的WAN的建設，即IDC的各分支機構之間相互連接的廣域網的建設等。 - IDC的用戶接入系統建設，即如何保證IDC的用戶以安全、可靠的方式把數據傳到IDC的數據中心，或對存放在IDC的用戶自己的設備進行維護，這需要IDC為用戶提供相應的接入方式，如撥號接入、專線接入及VPN等。 - IDC與Internet互聯的建設。- IDC的網路管理建設，由於IDC的網路結構相當龐大而且復雜，要保證其網路不間斷對外服務，而且高性能，必須有一高性能的網路管理系統。機房場地建設機房場地的建設是IDC前期建設投入最大的部分。由於IDC的用戶可能把其重要的數據和應用都存放在IDC的機房中，所以對IDC機房場地環境的要求是非常高的。IDC的機房場地建設主要在如下幾個方面： - 機房裝修：機房裝修主要考慮吊頂、隔斷牆、門窗、牆壁和活動地板等。- 供電系統：供電系統是IDC的場地建設重點之一，由於IDC的大量設備需要極大的電力功率，所以供電系統的可靠性建設、擴展性是極其重要的。供電系統建設主要有：供電功率、UPS建設（n+1）、配電櫃、電線、插座、照明系統、接地系統、防雷和自發電系統等。- 空調系統：機房的溫度、通風方式和機房空氣環境等。- 安全系統：門禁系統、消防系統和監控系統。- 布線系統：機房應有完整的綜合布線系統，布線系統包括數據布線、語音布線、終端布線。- 通信系統：包括數據線帶寬、語音線路數目等。