人工智能提高數據中心的可用性和效率

 隨著企業(yè)開始采用經過數據中心大運營商和托管服務提供商試用和測試過的機器學習技術，人工智能將在數據中心運營中扮演更重要的角色。HJj安徽網庫 地方門戶新聞站

目前的混合計算環(huán)境通常涉及到本地數據中心、云和托管站點，以及邊緣計算部署。企業(yè)發(fā)現管理數據中心的傳統方法并不是最優(yōu)的。通過使用人工智能，正如機器學習所展示的那樣，極有可能簡化復雜計算設施的管理。HJj安徽網庫 地方門戶新聞站

目前，人工智能在數據中心的應用主要是圍繞使用機器學習來監(jiān)測設施組件，并進行自動管理，例如電源和配電單元、散熱基礎設施、機架系統和物理安全等。HJj安徽網庫 地方門戶新聞站

HJj安徽網庫 地方門戶新聞站

在數據中心設施內部，有越來越多的傳感器收集來自包括電源備份（UPS）、配電裝置、開關設備和冷水機組在內的設備的數據。關于這些設備及其環(huán)境的數據由機器學習算法進行解讀，這些算法深度分析性能和容量，并確定適當的響應，例如更改設置或者發(fā)送警報等。隨著條件的變化，機器學習系統從變化中學習——它實際上是被訓練為自我調整，而不是依賴于具體的編程指令來執(zhí)行其任務。HJj安徽網庫 地方門戶新聞站

其目的是使數據中心運營商能夠提高設施的可靠性和效率，并有可能更自主地運行這些設施。然而，獲取數據并不是一項簡單的任務。HJj安徽網庫 地方門戶新聞站

施耐德電氣公司數據中心全球解決方案高級主管Steve Carlini說，基本需求是獲取來自主要組件的實時數據。也就是那些冷水機組、冷卻塔、通風機、風扇等組件的實時數據。在IT設備方面，它意味著服務器利用率、溫度和功耗等指標。HJj安徽網庫 地方門戶新聞站

Carlini說：“很難對數據中心進行評價。數據中心與配電和散熱有關的連接點是非常多的，如果企業(yè)想嘗試人工智能，就需要獲得這些連接點的數據。”HJj安徽網庫 地方門戶新聞站

IT專業(yè)人員習慣于設備監(jiān)測和實時報警，但在機房設施方面并非如此。Carlini說：“IT設備對信息的要求是即時的，而在電力系統中，不是即時的，其環(huán)境不同。”HJj安徽網庫 地方門戶新聞站

過去不到十年的時間里，第一個數據中心已經完全儀表化了，用儀表來監(jiān)測供電和散熱。在儀表存在的地方，很難進行標準化：數據中心運營商依賴于采用多種通信協議的樓宇管理系統——從Modbus和BACnet到LONworks和Niagara，并且必須兼容不共享數據或者不能通過遠程控制進行操作的設備。Carlini說：“TCP/IP、以太網連接——這類連接在傳動系統和散熱領域是前所未聞的。”HJj安徽網庫 地方門戶新聞站

好消息是數據中心監(jiān)測正朝著高級分析和機器學習所需的深度發(fā)展。Carlini說：“服務提供商和托管提供商一直非常擅長在子架級或者機架級進行監(jiān)測，以及對能源使用情況的監(jiān)測。企業(yè)開始部署它，這取決于數據中心的規(guī)模。”HJj安徽網庫 地方門戶新聞站

機器學習讓數據中心保持涼爽HJj安徽網庫 地方門戶新聞站

2016年，德爾塔航空公司由于電力系統故障導致數據中心停電，三天時間內停飛了大約2000次航班，使該航空公司損失了1.5億美元。這正是基于機器學習的自動管理功能可以避免的應用場景。由于數據中心性能的進步以及云中數據池的出現，智能系統有可能發(fā)現數據中心運營中的漏洞，從而提高效率，而這是手動過程做不到的。HJj安徽網庫 地方門戶新聞站

機器學習推動的智能應用的一個簡單例子是基于狀態(tài)的維護，它應用于數據中心中的消耗品，例如，冷卻過濾器等。Carlini說，通過監(jiān)測流過多個過濾器的空氣流量，智能系統可以檢測到一些過濾器是否比其他過濾器更容易堵塞，然后把空氣引導到不容易堵塞的單元中，直到需要更換所有過濾器為止。HJj安徽網庫 地方門戶新聞站

HJj安徽網庫 地方門戶新聞站

另一個例子是監(jiān)測UPS系統中電池的溫度和放電情況。智能系統能夠發(fā)現一個UPS系統運行的環(huán)境更熱一些，并且可能比其他系統更頻繁地放電，然后會將其指定為備份UPS，而不是主用UPS。Carlini說：“它站在你的角度為你思考。這可以手動完成，但機器也可以做到。這是最基本的。”HJj安徽網庫 地方門戶新聞站

層次更高的應用是動態(tài)散熱優(yōu)化，這是當今數據中心機器學習更常見的例子之一，尤其是對于數據中心大運營商和托管提供商。HJj安徽網庫 地方門戶新聞站

通過動態(tài)散熱優(yōu)化，數據中心管理人員可以根據環(huán)境條件監(jiān)測并控制機房的散熱基礎設施。當設備移動或者計算流量出現激增時，建筑物內的熱負荷也會發(fā)生變化。動態(tài)調節(jié)散熱輸出，以轉移熱負荷，這有助于避免不必要的散熱能力并降低運行成本。HJj安徽網庫 地方門戶新聞站

451 Research公司的數據中心技術和生態(tài)效率IT渠道研究總監(jiān)Rhonda Ascierto評論說，托管服務提供商是動態(tài)散熱優(yōu)化技術的主要采用者。HJj安徽網庫 地方門戶新聞站

Ascierto說：“機器學習對數據中心來說并不陌生。長期以來，人們一直想根據容量和需求來更好地進行適當的散熱，而機器學習使您能夠實時地完成這項工作。”HJj安徽網庫 地方門戶新聞站

Vigilent是動態(tài)散熱優(yōu)化領域的領導者，其技術用于優(yōu)化數據中心設施中的空氣流，自動發(fā)現并消除熱點。HJj安徽網庫 地方門戶新聞站

Vigilent的創(chuàng)始人、總裁兼首席技術官Cliff Federspiel說，數據中心運營商運行的散熱設備往往比實際需要的多。“它產生的溫度分布通常還是能接受的，但代價很高。”HJj安徽網庫 地方門戶新聞站

如果有一個熱點，典型的反應是進一步提高散熱能力。在現實中，如果空氣流速過快會產生壓力差，干擾設備上的空氣流，或者阻礙熱空氣返回到散熱設備。盡管這與我們的直覺不符，但能更有效地降低風扇速度。HJj安徽網庫 地方門戶新聞站

Vigilent基于機器學習的技術知道哪些空氣流設置能夠優(yōu)化每一客戶的熱環(huán)境。該公司稱，在需要散熱的地方提供適量的散熱，通常能夠把能源費用減少40%。HJj安徽網庫 地方門戶新聞站

HJj安徽網庫 地方門戶新聞站

除了自動散熱系統外，Vigilent的軟件還為客戶提供了分析功能，用來對其設施做出操作決策。HJj安徽網庫 地方門戶新聞站

Federspiel說：“我們的客戶對使用這些數據來幫助管理他們的資本支出、他們的容量規(guī)劃以及可靠性計劃越來越感興趣。這為數據中心很多新的依賴于數據的決策帶來了機會。”HJj安徽網庫 地方門戶新聞站

人工智能讓現有的流程更好HJj安徽網庫 地方門戶新聞站

展望未來，數據中心運營商正在把成功的動態(tài)散熱優(yōu)化技術擴展應用到其他領域。一般來說，在注入機器學習已經成熟的領域中，人們也比較熟悉其需要重復性任務的流程。HJj安徽網庫 地方門戶新聞站

Ascierto說：“數據中心新的基于機器學習的方法最有可能應用于現有的業(yè)務流程，因為機器學習在全面理解業(yè)務問題和規(guī)則時是最有效的。”HJj安徽網庫 地方門戶新聞站

當然，企業(yè)現在也有監(jiān)測工具。長期可用的數據中心基礎設施管理（DCIM）軟件能夠讓人們深入了解數據中心資產、相互依賴性、性能和容量。DCIM軟件處理的功能包括遠程設備監(jiān)測、供電和環(huán)境監(jiān)測、IT資產管理、數據管理和報告等。企業(yè)使用DCIM軟件來簡化容量規(guī)劃和資源分配，并確保盡可能有效地使用電源、設備和機房空間。HJj安徽網庫 地方門戶新聞站

Ascierto說：“如果你有基本的監(jiān)測和資產管理機制，那么你的容量預測能力會大幅度提高。人們現在正在使用自己的數據開展這方面的工作。”HJj安徽網庫 地方門戶新聞站

下一步：向DCIM混合軟件添加外部數據。這就是機器學習發(fā)揮關鍵作用的地方。HJj安徽網庫 地方門戶新聞站

數據中心管理即服務，也就是DMaaS，是基于DCIM軟件的服務。但它不是DCIM軟件簡單的SaaS交付版本。DMaaS進一步收集數據，匯集多個數據中心的設備和設施數據。然后，使用機器學習對數據進行匿名化和匯總處理，并進行大規(guī)模分析。HJj安徽網庫 地方門戶新聞站

DMaaS市場的兩家早期參與者是施耐德和伊頓公司。這兩家供應商利用其數據中心多年的經驗挖掘出大量數據，其中包括設計和建造數據中心、樓宇管理、配電，以及供電和散熱服務等。HJj安徽網庫 地方門戶新聞站

HJj安徽網庫 地方門戶新聞站

Ascierto說：“施耐德和伊頓正在從事的工作將帶來巨大的變化，也就是擁有大量客戶數據的數據湖。這對數據中心部門來說非常有趣。”HJj安徽網庫 地方門戶新聞站

這些數據來自各種客戶的各種操作環(huán)境，因此獲得這些數據后，企業(yè)能夠把自己數據中心的性能與全球基準性能進行比較。例如，施耐德被稱為EcoStruxure IT的DMaaS產品，與含有500多名客戶和220萬個傳感器的基準數據的數據湖相關聯。HJj安徽網庫 地方門戶新聞站

Ascierto說：“企業(yè)不僅可以使用自己的數據來理解和解決這些問題，而且還可以使用數千個其他設施的數據，包括許多與你的企業(yè)非常相似的設施的數據。這就是最大的不同。”HJj安徽網庫 地方門戶新聞站

例如，預測性和預防性維護受益于深度智能。Ascierto說：“基于其他機器——這些機器運行在類似的使用環(huán)境中，有類似的使用情況、類似的壽命，以及類似的組件，人工智能能夠預測哪里會出現問題。”HJj安徽網庫 地方門戶新聞站

場景規(guī)劃是另一種能夠從機器學習受益的流程。例如，企業(yè)現在進行場景規(guī)劃，估算設備移動對功耗的影響。Ascierto說：“沒有機器學習也能做這項工作。但是，把機器學習數據和歷史數據應用到具體的配置和不同的設計中——能夠確定某一配置或者設計結果的能力會大幅度提升。”HJj安徽網庫 地方門戶新聞站

風險分析和風險緩解計劃也將受益于更深入的分析。Ascierto說：“數據中心現在實在太復雜了，而且規(guī)模如此龐大，以至于人類很難找到模式，但對于機器來說這非常簡單。”HJj安徽網庫 地方門戶新聞站

未來，機器學習在數據中心的廣泛應用將使得企業(yè)擁有更強的深度分析能力，更好地決定在哪里運行哪些工作負載。Ascierto說：“這對企業(yè)來說是非常有價值的，尤其是如果他們圍繞最佳執(zhí)行場所做決定的時候。這一應用程序應該運行在這個數據中心嗎？或者我們應該使用托管數據中心？”HJj安徽網庫 地方門戶新聞站

展望未來，智能系統可以承擔更復雜的任務，使數據中心能夠根據在哪里運行最有效或者最可靠來動態(tài)地調整工作負載。Carlini說：“復雜的人工智能對未來還是有一些影響的。”HJj安徽網庫 地方門戶新聞站

同時，對于初創(chuàng)企業(yè)，他強調了設施部門和IT部門加強合作的重要性。HJj安徽網庫 地方門戶新聞站

Carlini說：“最重要的是要全面考慮數據中心的所有領域——供電、散熱和IT機房。”業(yè)界正在努力確保不同領域技術之間的互操作性。企業(yè)在人員配備方面也需要這樣做。HJj安徽網庫 地方門戶新聞站

他說：“從技術上說，這變得越來越簡單，但在部門間，還是有孤島。”HJj安徽網庫 地方門戶新聞站