機器學習如何改變數(shù)據(jù)中心管理

　　機器學習將顯著改變數(shù)據(jù)中心經(jīng)濟，并為改善未來鋪平道路。

　　隨著機架開始裝滿ASICs、GPU、FPGAs和超級計算機，機器學習和人工智能已經(jīng)進入數(shù)據(jù)中心，并正在改變超大規(guī)模服務器場的外觀。

　　這些技術(shù)提高了訓練機器學習系統(tǒng)的計算機能力，而這項任務以前需要大量的數(shù)據(jù)處理。最終目標是構(gòu)建更智能的應用程序，并增強您已經(jīng)在日常使用的服務。僅僅依靠人的判斷和常識將遠遠達不到精確度和有效性所要求的標準。滿足大規(guī)模IT服務需求的唯一可持續(xù)方法是完全轉(zhuǎn)向數(shù)據(jù)驅(qū)動的決策，并使用所有這些數(shù)據(jù)來改進結(jié)果。由于施耐德電氣(Schneider Electric)、Maya Heat Transfer Technologies (HTT)和Nlyte Software等提供數(shù)據(jù)中心管理軟件或基于云的服務的供應商的可用性，一些沒有相同規(guī)?；?qū)I(yè)知識的企業(yè)或托管提供商已經(jīng)成為機器學習的早期采用者。

　　根據(jù)IDC的數(shù)據(jù)，到2022年，由于嵌入式人工智能技術(shù)，數(shù)據(jù)中心50%的IT資產(chǎn)將獨立運行。許多整體操作，包括規(guī)劃和設計、工作負載、正常運行時間和成本管理，都可以在數(shù)據(jù)中心使用機器學習進行優(yōu)化。

　　以下是當今數(shù)據(jù)中心管理中機器學習的一些最大用例：

　　? 提高數(shù)據(jù)中心的效率：企業(yè)可以使用機器學習來自主管理數(shù)據(jù)中心的物理環(huán)境，而不是依賴軟件警報。 這將涉及軟件實時更改數(shù)據(jù)中心的架構(gòu)和物理布局。

　　? 容量規(guī)劃：數(shù)據(jù)中心的機器學習可以幫助 IT 公司預測需求，這樣他們就不會耗盡空間、電力、冷卻或 IT 資源。 算法可以幫助企業(yè)確定傳輸如何影響設施的容量，例如，是否正在整合數(shù)據(jù)中心并將應用程序和數(shù)據(jù)移動到中央數(shù)據(jù)中心。

　　? 降低運營風險：防止停機是數(shù)據(jù)中心運營商的一項關鍵任務，機器學習可以更輕松地預測和預防停機。 數(shù)據(jù)中心管理中的機器學習軟件會跟蹤冷卻和電源管理系統(tǒng)等關鍵組件的性能數(shù)據(jù)，并預測齒輪何時可能損壞。 因此，您可以對這些系統(tǒng)進行預防性維護并避免代價高昂的停機。

　　? 使用智能數(shù)據(jù)減少客戶流失：公司可以在數(shù)據(jù)中心使用機器學習來更好地了解客戶，并可能預測客戶行為。 通過將機器學習軟件與客戶關系管理 (CRM) 系統(tǒng)集成，人工智能驅(qū)動的數(shù)據(jù)中心可以從 CRM 通常不使用的歷史數(shù)據(jù)庫中搜索和檢索數(shù)據(jù)，從而使 CRM 系統(tǒng)能夠 制定新的潛在客戶開發(fā)或客戶成功策略。

　　? 預算影響分析和建模：該技術(shù)將數(shù)據(jù)中心的運營和性能數(shù)據(jù)與財務數(shù)據(jù)(特別是有關適用稅收的信息)相結(jié)合，以幫助確定購買和維護 IT 設備的價格。

　　機器學習可以檢查數(shù)萬億字節(jié)的歷史數(shù)據(jù)，并在幾分之一秒內(nèi)將參數(shù)應用于其決策，因為它的行動速度比任何人都快。當您跟蹤數(shù)據(jù)中心的所有活動時，這很有幫助。供應商和數(shù)據(jù)中心運營商利用機器學習解決的兩個主要問題是提高效率和降低風險。

　　例如，全球最大的托管服務提供商Digital Realty Trust運營著200多個數(shù)據(jù)中心，最近開始測試機器學習技術(shù)。人類消耗和處理支撐基礎設施所需的大量底層系統(tǒng)、設備和數(shù)據(jù)的能力很快就會耗盡。由于其卓越的實時處理、反應、通信和決策能力，數(shù)字房地產(chǎn)將從中受益。

　　基本結(jié)論是，數(shù)據(jù)中心運營商有許多利用AI/ML的替代方案，隨著該技術(shù)變得更加經(jīng)濟和先進，將會有更多替代方案。前途光明。

　　來源：千家網(wǎng)