人工智能与数据中心管理.PDFVIP

人工智能与数据中心管理 （来源：网络安全和信息化公众号，2018-02-01） 机器学习有望为先进的数据中心管理开创新的纪元，但数据中心 的许多基础设施的管理仍然还有很长的路要走，这些基础设施管理有 必要从过去那种晦涩难懂基于电子表格管理管理逐渐发展演化到以 自动化管理为主的方向上来。 数据中心基础设施管理(DCIM)软件的终极目标是最终实现自我 管理或完全自动化的数据中心。 业界当前寄希望于人工智能驱动的管理软件(可能是基于云计算 的)将会监控和控制IT 和设施基础设施，以及应用程序。人工智能将 实现无缝整体性地——可能是跨越多个站点——实施其监控管理。冷 却散热、电源、计算、工作负载、存储和网络将动态化，以实现最高 效率，生产力和可用性。 通过将基于云的分析应用于从数千个地点采集的传感器数据，设 施设备和 IT 也将在一定程度上得到自我修复，从而有助于企业数据 中心得以运用其来指导和制定有针对性的预测性和预防性维护计划。 备用零件将可能是经由灵巧的机器人进行订购、测试和安装，以便在 需要时精确匹配，以避免发生故障失效，同时避免不必要的维护和测 试。 这种以人工智能驱动的管理模式在数据中心业界可能已经有十 年甚至更长的历史了，但是，整个数据中心行业目前也仅仅只是在部 分的领域取得了一些进展。例如，谷歌公司在2014 年透露，该公司 一直在使用通过其收购英国AI 专家DeepMind 公司所获得的技术来改 善其部分数据中心站点的基础设施管理。 1 正如谷歌在当时所指出的那样：鉴于数据中心内部有太多的电力 和冷却设备相互作用，故而使得其基础设施的管理无疑是太过复杂而 人类员工是无法胜任的。该公司当时曾表示： 想象一处简化的数据中心场景：一处数据中心只有 10 款设备， 其中每款设备有10 个设置，可能将会有10 到100 亿款可能的电源配 置，以及相关可能的其它配置，这就已经远远超出任何人工测试的真 实能力的范畴了——但即使这样，其也远远低于一处实际的数据中心 可能的配置。 AI 驱动的效率 谷歌公司使用来自其数据中心内部的成千上万个传感器所收集 的历史数据信息来训练一款“深度人工神经网络集合体”。谷歌表示， 将所得到的算法应用于其基础设施的管理过程，使得其实现了冷却能 耗降低了40%，进而使得数据中心的整体能源消耗降低了15%。目前， 该公司还在继续开发和完善机器学习的使用——人工智能应用的一 个子集范畴——无疑还将进一步取得更杰出的成果。 但事实上，并非仅仅只有谷歌这样的高级云服务供应商们在进行 着机器学习领域的试验项目。DCIM 软件供应商Vigilent 公司表示， 该公司已经将机器学习整合融入其动态的冷却管理系统多年了： 每一分钟，来自数百或数千个环境传感器的数据均经由无线网状 网络被收集，并进入中央人工智能(AI)引擎...借助复杂的动态控制 算法，然后将指令实时发送到数据中心站点的冷却系统，制定旨在优 化性能绩效的决策。 在不久的将来，我们可以期待更多的DCIM 供应商、托管服务和 云服务提供商拥有自主研发的工具，进而将机器学习和其他形式的 AI 人工智能整合到管理系统中。从孤立的企业本地部署DCIM 软件转 移到基于云的数据中心管理即服务(DMaaS)工具(来自多个站点的数 2 据将汇总在云中)也应该有助于加速这一过程。 从电子表格到AI 的漫长过程 但是，尽管人们会很容易陷入又人工智能所带来的令人兴奋且具 有颠覆破坏性的潜力，但数据中心业界当前最为重要的则是亟待反思 大多数数据中心将如何继续设计、构建和运行的这一严峻的现实问题。 事实上，数据中心的许多管理过程——特别是在基础设施管理方 面——仍然严重的依赖于传统的设备和人工手动操作。例如，正如我 们以前所强调的那样，尽管DCIM 工具已经存在了将近十年了，但大 量的数据中心运营商们仍然对该技术持怀疑的态度。多达50%的数据 中心站点(可能是那些较小型的终端站点)仍然依靠可信但不太智能 的建筑管理工具以及电子表格，书面文档和其他手动流程来运行其基 础设施。 打造数字化 尽管整个数据中心业界已经看到了相关软件工具——包括一些 DCIM 软件以及专业计算机维