随着各种智能终端的不断丰富和普及，如何让数据从一个终端传递到另一个终端，实现机器对机器的通信M2M也成为了企业关注的重点。M2M通过SIM卡实现电子设备与电子设备之间彼此的无线连接,再由移动互联网进行管理和监测，为人们提供各种智能化服务。
由于M2M通信产生的数据流量过于庞大，M2M通信的数据中心必须可扩展，可用性强，同时进行分布式分析和处理，以降低数据量。
1. M2M数据中心须可扩展
戴尔亚太及日本地区服务器产品线产品经理Craig Slattery表示，“企业在部署M2M时需要重新审视他们的数据中心架构，这意味着他们的数据中心需要容错、可扩展的基础网络设施、服务器、存储等。”
“在理想状态下，这些基础设施应能支持M2M的快速增长，以维护企业可扩展的环境和成本效益。”Craig Slattery阐述到。M2M通信技术，允许电子设备、通信网络相互交互，产生有用信息，例如某商品的货架缺货时给与提示，或者在商品位置发生变化时触发某些动作。
M2M数据中心的规模与M2M应用部署紧密相关，因为其规模与M2M通信的连接数量(包括有线/无线连接)、跟踪记录事件的规模和频率息息相关。同时，Craig Slattery建议企业对这些数据进行有效的跟踪，收集、处理、分析这些数据中，并提取其中蕴含的商业价值。
此外，使用何种网络工具，也是M2M项目能否成功的重要原因。
“虽然优化网络基础设施对M2M非常关键，但如何通过应用层的服务和协议实现多种多样的智能化服务是M2M能否成功的关键，因为M2M最重要的还是应用和服务。”Craig Slattery说道。
2.分布式分析有助于减少数据量
新加坡资讯通信研究所(I2R)数据分析部门负责人Shonali Krishnaswamy表示，他也认为，可扩展的基础架构是处理实时、连续的M2M数据流的关键。
海量数据必须通过通信基础设施进行传输，因此可以考虑部署“分布式、无处不在的分析”，其中的分析对象–原始数据，就是通过数据采集设备得到的。 Shonali解释到，借助分布式方式，数据分析可以在功能优化的小型设备上完成，这样可以减少发送到数据中心的总数据量，也可以减少M2M设备的消耗。
Shonali表示，“对数据中心而言，它必须具有处理数据流、弹性分配云环境中虚拟节点资源的能力。”
虽然有相对集中的数据管理，真正的挑战还在于结合Hadoop与MapReduce、可扩展的数据分析方法。这些都是在M2M环境中司空见惯的，批处理模式下的实时数据流分析方法。Shonali承认，基于Hadoop与MapReduce架构的实时分析平台，也是非常新的方法。
3.可容纳的移动生态系统
Ovum电信企业首席分析师Mike Sapien表示，“传统的数据中心主要为有线服务和应用程序服务，而随着无线设备和移动应用程序的爆发，数据中心需要支持更多的连接。”
“在很多情况下，数据中心运营商必须保证更多的移动应用提供商和移动接入提供商，连接到现有的应用程序，就好像他们增加了更丰富多样的互联网接入和互联网应用，这就好比一个移动生态系统”。
他指出，社交网络是一个很好的例子。Facebook和Twitter已经有了更多的移动接入用户，所以他们需要合作伙伴，如移动网络运营商和应用程序开发人员提供易于使用的移动接入，从而促进M2M产业链的发展。
4.保证关键业务连续性
Verizon亚太地区的数据中心服务产品经理Ram Singlachar补充到，云数据中心在确保M2M业务连续性方面还有很长的路要走。
现在数据中心面临更大的风险，包括大规模的自然灾害、战争、停电事故、海底电缆终端等，当遭风险时，某个连接被切断，导致关键数据中心被隔离。而随着M2M发展，连接无处不在，用户对这种某个数据中心被隔离导致数据无法访问的现象是无法容忍的。
安全私有云数据中心将是一个可行的选择，因为它们一方面可以承载和复制关键数据，同时保证全球多点的无缝连接，确保100%可用性。
编者按： 作为M2M海量数据传输的枢纽，数据中心发挥着巨大作用，搭建可扩展的云数据中心很重要，同时基于数据中心为用户提供更多的应用和服务也很关键。因为M2M涉及方方面面，在这个巨大的市场中，只有产业链上的多方予以配合，才能更好的促进产业发展。
