數(shù)據(jù)中心運營：人工智能和機器學習如何提高效率和彈性

　　運營數(shù)據(jù)中心必須提供更細粒度的實時數(shù)據(jù)，以保持數(shù)據(jù)中心的運營彈性、響應性和在線性，盡管存在潛在的安全和中斷威脅。不可預測的供應鏈、長期的勞動力短缺、螺旋式上升的通貨膨脹和能源成本等，是企業(yè)CIO和高級管理團隊在優(yōu)化數(shù)據(jù)中心時面臨的一些挑戰(zhàn)。

　　EkkoSense公司美洲副總裁特Tracy Collins表示，“從現(xiàn)在到2025年，工作量將繼續(xù)以每年20%左右的速度增長，數(shù)據(jù)中心正在努力滿足這些不斷升級的需求。”

　　戴爾公司人工智能戰(zhàn)略主管Brons Larson表示，“數(shù)據(jù)中心可以利用人工智能和機器學習來提高性能，優(yōu)化配置和部署。”

　　阿里云智能高級總監(jiān)兼首席工程師Wendy Zhao補充說:“人工智能和機器學習繼續(xù)在它們的發(fā)展中取得巨大進步，它們現(xiàn)在對數(shù)據(jù)中心運營和IT管理產生了切實的影響。”

　　根據(jù)IDC公司發(fā)布的數(shù)據(jù)，由于嵌入式人工智能功能，數(shù)據(jù)中心50%的IT資產將自主運行。該公司表示，對于投資人工智能以實現(xiàn)IT基礎設施自動化的企業(yè)來說，提高客戶滿意度、自動化決策和重復任務是企業(yè)獲得的最大好處。

　　人工智能和機器學習獲得采用

　　去年，一半以上(57%)的數(shù)據(jù)中心運營商表示，他們相信人工智能可以做出日常運營決策，高于2021年的49%�？紤]到數(shù)據(jù)中心的許多任務都是人工密集型的，人工智能和機器學習可以顯著降低成本，并提高效率。

　　一些CIO表示，他們對應用基于人工智能和機器學習的解決方案感興趣的領域是，解決諸如減少停機、加強多站點彈性、優(yōu)化直接液體冷卻以及改進容量規(guī)劃以及安全性等具有挑戰(zhàn)性的問題。

　　數(shù)據(jù)中心的能源成本正在飆升，這意味著運營商在預算范圍內運營數(shù)據(jù)中心更具挑戰(zhàn)性。數(shù)據(jù)中心運營商和企業(yè)CIO正專注于評估軟件設計的電源和人工智能如何幫助企業(yè)以指數(shù)方式降低能源和冷卻成本。

　　Equinix公司是一家為許多全球領先企業(yè)提供數(shù)據(jù)中心服務和網(wǎng)絡基礎設施的全球供應商，該公司的CIO Milind Wagle表示，Equinix公司在全球26個國家運營著220多個數(shù)據(jù)中心，他們正在使用人工智能來估算他們的數(shù)據(jù)中心將消耗多少電力和空間，進而調整他們的互聯(lián)網(wǎng)“引擎”。

　　人工智能可以在哪些方面幫助優(yōu)化數(shù)據(jù)中心性能

　　利用人工智能技術，CIO和數(shù)據(jù)中心運營商可以優(yōu)化功耗并提高能源使用效率，以實現(xiàn)未來的效率提升。隨著整個行業(yè)可持續(xù)性壓力的增加，許多數(shù)據(jù)中心運營商還沒有做好滿足碳排放報告要求的準備。

　　此外，數(shù)據(jù)中心中斷仍然是代價高昂且頻繁的，云計算應用程序尤其容易受到影響。人工智能有可能通過提高效率、減少中斷和簡化操作來幫助解決許多這些問題。以下是人工智能可以幫助優(yōu)化數(shù)據(jù)中心性能的關鍵領域：

　　(1)改進容量規(guī)劃和資源分配

　　實時數(shù)據(jù)對于任何數(shù)據(jù)中心的容量規(guī)劃和資源分配都至關重要。實時數(shù)據(jù)可以讓人們了解需要優(yōu)化的地方、方式和內容，以提高數(shù)據(jù)中心性能。一個關鍵領域是確定容量規(guī)劃和負載平衡中的瓶頸。這些都是基于約束的問題，監(jiān)督機器學習算法擅長解決這些問題。正確進行容量規(guī)劃和資源分配對于在預算范圍內運行蓬勃發(fā)展的數(shù)據(jù)中心至關重要。

　　(2)可以幫助提高數(shù)據(jù)中心的安全性

　　通過學習網(wǎng)絡的正常行為并檢測異常和偏差，人工智能可以幫助防止大規(guī)模數(shù)據(jù)泄露和黑客攻擊。人工智能網(wǎng)絡安全工具可以徹底篩選和分析所有傳入和傳出的安全威脅數(shù)據(jù)。

　　“永遠不要信任并始終驗證”是企業(yè)實現(xiàn)零信任安全的原則，這種方法不信任任何用戶、應用程序或設備，除非安全策略明確允許。企業(yè)可以提高混合環(huán)境的可見性、安全性和遵從性，同時通過采用零信任的策略來降低成本。

　　(3)減少碳足跡

　　人工智能擅長識別不同的數(shù)據(jù)模式，并幫助企業(yè)建立適合數(shù)據(jù)隨時間變化的模型。事實證明，監(jiān)督式機器學習在解決復雜的基于約束的碳減排問題方面是有效的，這些問題涉及數(shù)百個影響碳排放的潛在變量和因素。

　　實現(xiàn)可持續(xù)發(fā)展意味著將人工智能和機器學習的優(yōu)勢結合起來，在減少碳足跡方面表現(xiàn)出色。它太重要了，不能聽憑運氣，它對企業(yè)有重大影響。CIO們表示，他們看到同行的薪酬計劃與ESG目標掛鉤，將可持續(xù)發(fā)展作為減少碳足跡的重中之重，并將其作為工作的核心。

　　(4)隨著時間的推移，提高正常運行時間維護水平和基準數(shù)據(jù)中心性能

　　企業(yè)需要了解特定類型的服務器比其他類型的服務器更需要重建的原因，確定導致電源管理系統(tǒng)中斷的原因，以及排除資源平衡不起作用的原因，這些都是機器學習可以幫助解決的問題類型。關鍵是實現(xiàn)實時數(shù)據(jù)監(jiān)控，并構建一個可以跟蹤所有可用變量以排除性能瓶頸的數(shù)據(jù)集。

　　監(jiān)督機器學習模型在預測準確性方面表現(xiàn)出色。挖掘機器數(shù)據(jù)并構建模型來預測給定服務器何時需要預防性維護，可以節(jié)省時間和成本。將數(shù)據(jù)中心中每個資產生成的實時數(shù)據(jù)視為跟蹤性能所需的智能，并找到改進的新方法。

　　(5)結合人工智能和機器學習的優(yōu)勢，實現(xiàn)冷卻、電力、電力和安全系統(tǒng)的自動化

　　數(shù)據(jù)中心運營商的目標是建立一個能夠自主運行的數(shù)據(jù)中心。通過捕獲實時數(shù)據(jù)，跟蹤空氣溫度、冷卻、電力負載、內部氣壓、資源負載和服務器性能，可以實現(xiàn)這一目標。促使CIO和數(shù)據(jù)中心運營商合作實現(xiàn)這一目標的原因是，需要根據(jù)高級管理層設定的可持續(xù)性和ESG目標來衡量數(shù)據(jù)中心的績效。

　　使用機器學習來解釋和創(chuàng)建基于環(huán)境監(jiān)測和控制的模型對于衡量ESG目標的進展至關重要。人工智能和機器學習需要廣泛用于跟蹤電源和冷卻消耗，這是運行數(shù)據(jù)中心成本最高的兩個領域。

　　識別數(shù)據(jù)中心中的人工智能用例

　　確定人工智能可以在哪些方面為保護和優(yōu)化數(shù)據(jù)中心做出最大貢獻，必須從運營成本和安全性風險最大的地方開始。一些CIO表示，尋求新的方法來減少能源消耗，以實現(xiàn)碳減排和可持續(xù)發(fā)展的目標，這一挑戰(zhàn)需要與他們持續(xù)面臨的員工短缺相平衡。

　　正確進行冷卻、空間、電源和服務器優(yōu)化是保持數(shù)據(jù)中心在預算范圍內運行和避免潛在停機的核心。據(jù)估計，數(shù)據(jù)中心僅冷卻基礎設施就消耗了35%的能源。根據(jù)Uptime Institute公司發(fā)布的《2022年全球數(shù)據(jù)中心調查》報告，優(yōu)化數(shù)據(jù)中心冷卻、選擇更多可再生能源和提高IT利用率可以將可持續(xù)性收益提高57%。

　　在數(shù)據(jù)中心使用人工智能的新用例包括效率風險分析、容量規(guī)劃、安全和預算影響預測。在網(wǎng)絡安全領域，使用人工智能來縮小IT和OT系統(tǒng)之間的差距是既定的，為每個數(shù)據(jù)中心和系統(tǒng)定義最低特權訪問和身份管理也是如此。