CobiNet(寧波)推薦文章：

機器學習有望(wang)為先進(jin)的(de)(de)管(guan)理(li)開創新的(de)(de)紀元，但數據中心的(de)(de)許多基礎設(she)施的(de)(de)管(guan)理(li)仍(reng)然(ran)還(huan)有很長的(de)(de)路(lu)要走，這(zhe)些基礎設(she)施管(guan)理(li)有必(bi)要從過去那種(zhong)晦澀難懂基于電子表(biao)格管(guan)理(li)管(guan)理(li)逐(zhu)漸發展(zhan)演化(hua)到以自動化(hua)管(guan)理(li)為主的(de)(de)方向(xiang)上(shang)來。

數(shu)據(ju)中心(xin)基礎(chu)設施管理（DCIM）軟件的終(zhong)極目標是(shi)最終(zhong)實現自我管理或完全自動化的數(shu)據(ju)中心(xin)。

業(ye)界當前寄希望于人工智能驅動(dong)的(de)管理軟(ruan)件（可(ke)(ke)能是基于的(de)）將(jiang)會監控(kong)(kong)和(he)控(kong)(kong)制IT和(he)設(she)施(shi)基礎設(she)施(shi)，以及(ji)應用程序。人工智能將(jiang)實(shi)現無縫整體性地 可(ke)(ke)能是跨越多個(ge)站點 實(shi)施(shi)其(qi)監控(kong)(kong)管理。冷卻散(san)熱、電源、計算(suan)、工作負載(zai)、存儲和(he)網絡(luo)將(jiang)動(dong)態化，以實(shi)現最(zui)高效率，生產力和(he)可(ke)(ke)用性。

通(tong)過將(jiang)基于(yu)云的(de)(de)分析(xi)應(ying)用于(yu)從(cong)數千(qian)個(ge)地點采集的(de)(de)傳感(gan)器(qi)數據，設(she)施設(she)備和IT也將(jiang)在一定程度(du)上(shang)得(de)到(dao)自我(wo)修復，從(cong)而有助于(yu)企業(ye)數據中(zhong)心得(de)以運用其來指導(dao)和制定有針(zhen)對性(xing)的(de)(de)預測性(xing)和預防(fang)性(xing)維護計劃(hua)。備用零(ling)件將(jiang)可能是(shi)經由(you)靈(ling)巧的(de)(de)機器(qi)人進行訂(ding)購(gou)、測試(shi)和安裝，以便(bian)在需要(yao)時(shi)精(jing)確匹配，以避免發生故障失效(xiao)，同時(shi)避免不必要(yao)的(de)(de)維護和測試(shi)。

這種以人工智能驅動的(de)(de)管理模式(shi)在數據中(zhong)(zhong)心(xin)(xin)業界可能已經(jing)有十年甚至更長的(de)(de)歷史了，但(dan)是(shi)(shi)，整個(ge)數據中(zhong)(zhong)心(xin)(xin)行業目前也僅僅只(zhi)是(shi)(shi)在部(bu)分(fen)的(de)(de)領域取得了一些進展。例如，谷歌公司(si)在2014年透露，該公司(si)一直在使用通過其(qi)收購(gou)英(ying)國AI專(zhuan)家DeepMind公司(si)所獲得的(de)(de)技術來改善其(qi)部(bu)分(fen)數據中(zhong)(zhong)心(xin)(xin)站點的(de)(de)基礎設施管理。

正如谷歌在(zai)當時所(suo)指出的那樣(yang)：鑒于數據中心內部有太多的電力和冷卻(que)設備(bei)相互作(zuo)用(yong)，故而(er)使得其基礎設施的管理無疑(yi)是太過復雜而(er)人類員工是無法(fa)勝任的。該公司當時曾表示：

想象一處簡化(hua)的(de)(de)數(shu)據中(zhong)心場(chang)景(jing)：一處數(shu)據中(zhong)心只有(you)10款設備，其中(zhong)每款設備有(you)10個設置(zhi)，可(ke)能將會有(you)10到100億款可(ke)能的(de)(de)電源配置(zhi)，以及相關可(ke)能的(de)(de)其它配置(zhi)，這(zhe)就已經遠(yuan)遠(yuan)超出任何(he)人工測試的(de)(de)真實能力的(de)(de)范疇了 但(dan)即使(shi)這(zhe)樣，其也遠(yuan)遠(yuan)低于一處實際的(de)(de)數(shu)據中(zhong)心可(ke)能的(de)(de)配置(zhi)。

AI驅動的效率

谷歌公(gong)司(si)使(shi)(shi)用來(lai)自(zi)其(qi)(qi)數(shu)據中心(xin)內部(bu)的(de)(de)成千(qian)上(shang)萬(wan)個傳感器(qi)所(suo)收(shou)集的(de)(de)歷史數(shu)據信息來(lai)訓練一款(kuan) 深度(du)人(ren)工神經網絡集合體 。谷歌表示，將(jiang)所(suo)得(de)到的(de)(de)算法應(ying)(ying)用于其(qi)(qi)基礎設施的(de)(de)管理過程，使(shi)(shi)得(de)其(qi)(qi)實現(xian)了冷卻能(neng)(neng)耗降低了40%，進(jin)而(er)使(shi)(shi)得(de)數(shu)據中心(xin)的(de)(de)整體能(neng)(neng)源消耗降低了15%.目前，該公(gong)司(si)還在繼續開(kai)發和完善(shan)機器(qi)學習的(de)(de)使(shi)(shi)用 人(ren)工智能(neng)(neng)應(ying)(ying)用的(de)(de)一個子集范疇(chou) 無疑還將(jiang)進(jin)一步取(qu)得(de)更杰出的(de)(de)成果。

但(dan)事實上，并(bing)非(fei)僅(jin)僅(jin)只有谷(gu)歌這樣的(de)高級云服(fu)務供應商們在(zai)進行著(zhu)機器學習(xi)(xi)領域的(de)試驗項目。DCIM軟件供應商Vigilent公司表(biao)示，該公司已經將機器學習(xi)(xi)整合融入(ru)其動態的(de)冷(leng)卻(que)管(guan)理系統多年(nian)了(le)：每一(yi)分鐘，來(lai)自數(shu)(shu)百或數(shu)(shu)千個(ge)環境傳感(gan)器的(de)數(shu)(shu)據均經由無線網(wang)狀網(wang)絡(luo)被收集，并(bing)進入(ru)中央人工(gong)智能（AI）引擎 借助復雜的(de)動態控制(zhi)算法，然后將指令實時發送到數(shu)(shu)據中心站點的(de)冷(leng)卻(que)系統，制(zhi)定旨在(zai)優化性能績效的(de)決策。

在(zai)不久(jiu)的(de)將(jiang)來，我(wo)們可以期待更多(duo)的(de)DCIM供應(ying)(ying)商、托管(guan)服(fu)務和(he)云服(fu)務提(ti)供商擁有自主研發(fa)的(de)工(gong)具(ju)，進而將(jiang)機器學習和(he)其他形式的(de)AI人工(gong)智(zhi)能整合到管(guan)理系統中。從(cong)孤立的(de)企業(ye)本地部署DCIM軟件轉(zhuan)移到基(ji)于云的(de)數據中心管(guan)理即服(fu)務（DMaaS）工(gong)具(ju)（來自多(duo)個(ge)站(zhan)點的(de)數據將(jiang)匯總在(zai)云中）也應(ying)(ying)該有助(zhu)于加速這一過程。

從(cong)電(dian)子表格到AI的漫長過(guo)程(cheng)

但是(shi)，盡管人們會很容易(yi)陷入(ru)又人工智能所帶來的(de)令人興奮且具有(you)顛覆破(po)壞性(xing)的(de)潛(qian)力(li)，但數據中心業界當前最為重要的(de)則(ze)是(shi)亟待反思大多數數據中心將如何繼續設計、構建和運行(xing)的(de)這(zhe)一(yi)嚴峻的(de)現實問題。

事實上(shang)，數據中心的(de)(de)許多管(guan)(guan)理(li)過(guo)程(cheng) 特別是在基礎設(she)施(shi)管(guan)(guan)理(li)方(fang)面 仍(reng)然(ran)(ran)嚴(yan)重(zhong)的(de)(de)依賴于傳統的(de)(de)設(she)備(bei)和人(ren)工(gong)手(shou)動(dong)操(cao)作(zuo)。例如，正如我(wo)們(men)以前所強調的(de)(de)那樣，盡管(guan)(guan)DCIM工(gong)具(ju)已經存在了(le)將近十年了(le)，但(dan)大量的(de)(de)數據中心運營商(shang)們(men)仍(reng)然(ran)(ran)對(dui)該技術持懷疑的(de)(de)態(tai)度。多達50%的(de)(de)數據中心站(zhan)點(dian)（可能(neng)是那些較小型的(de)(de)終端站(zhan)點(dian)）仍(reng)然(ran)(ran)依靠可信但(dan)不太(tai)智能(neng)的(de)(de)建筑管(guan)(guan)理(li)工(gong)具(ju)以及電子表格，書面文檔和其(qi)他手(shou)動(dong)流程(cheng)來運行(xing)其(qi)基礎設(she)施(shi)。

打造數字化

盡(jin)管整個(ge)數(shu)據中心業(ye)界已經看到了相關軟件工具 包括一些DCIM軟件以及專業(ye)計(ji)算(suan)機維(wei)護管理(li)系統（CMMS） 獲(huo)得(de)了長足的(de)(de)發展(zhan)，可以用(yong)以幫助管理(li)和自動化數(shu)據中心的(de)(de)重要管理(li)程序(xu)的(de)(de)應用(yong)程序(xu)。但事(shi)實上，所謂的(de)(de)操作和維(wei)護（或者說(shuo)O M），其實踐(jian)方(fang)案(an)在(zai)紙(zhi)質文檔中或者說(shuo)在(zai)設(she)備工作人(ren)員的(de)(de)負責人(ren)看來，仍然是常規性的(de)(de)。

在(zai)數據(ju)中心運(yun)營商(shang)們開始(shi)充分利用(yong)先進的(de)(de)(de)(de)支(zhi)持AI的(de)(de)(de)(de)管(guan)理(li)工具的(de)(de)(de)(de)潛(qian)在(zai)優勢(shi)之(zhi)前，他們還將需要解決更為智(zhi)能化(hua)的(de)(de)(de)(de)操作(zuo)方面的(de)(de)(de)(de)問題。這(zhe)(zhe)些包括：部署企業本地或基于(yu)云的(de)(de)(de)(de)DCIM工具，用(yong)于(yu)資產管(guan)理(li)和環(huan)境(jing)監控(kong)(kong)。這(zhe)(zhe)個監控(kong)(kong)和管(guan)理(li)層將需要及時的(de)(de)(de)(de)到位，然后(hou)才能執行一些更復雜的(de)(de)(de)(de)AI操作(zuo)。

安裝(zhuang)(zhuang)更多的傳感器和儀表。包(bao)括(kuo)聲學和振動裝(zhuang)(zhuang)置 以便能夠密切(qie)監測數(shu)據中(zhong)心的溫(wen)度、濕度、電能質(zhi)量和其(qi)他指標。機器學習工具(ju)將需要越(yue)來(lai)越(yue)多的數(shu)據。

更好地協調IT和設施團(tuan)隊（由(you)DCIM軟件支持），以便更全面(mian)地管理(li)數據(ju)中心(xin)基礎(chu)設施。

盡可能數(shu)字(zi)化和(he)自(zi)動(dong)化許多以前(qian)由人工手動(dong)操作的流程和(he)程序(xu)。

數據中心工作人(ren)員(yuan)們(men)經歷(li)了什么(me)？

關于廣泛采(cai)用基于人工智能(neng)的(de)(de)數據中(zhong)心(xin)管理(li)(li)的(de)(de)探討中(zhong)，另外一(yi)個顯而易見(jian)的(de)(de)話題是(shi)：其將對于數據中(zhong)心(xin)現有的(de)(de)設(she)施和(he)IT人員帶來怎樣的(de)(de)影(ying)響？正如我們曾強調過的(de)(de)那樣，數據中(zhong)心(xin)業界將朝著遠(yuan)程(cheng)無人值(zhi)守管理(li)(li)（ Lights-out ）的(de)(de)趨向(xiang)發展，由此，IT和(he)一(yi)些設(she)施基礎(chu)設(she)施的(de)(de)管理(li)(li)會是(shi)自動化的(de)(de)，并(bing)且是(shi)遠(yuan)程(cheng)執行的(de)(de)。隨著AI工具進一(yi)步變得更加發達(da)，這(zhe)個過程(cheng)可能(neng)會進一(yi)步加劇(ju)，并(bing)擴散到更多類型的(de)(de)站點。

任何一處數(shu)據(ju)中心設(she)(she)施的現(xian)場工作(zuo)人員(yuan)的數(shu)量都將不可(ke)避(bi)免地繼續減(jian)少。但并不是(shi)總體上造成大面(mian)積(ji)的員(yuan)工失業，更多的操作(zuo)運(yun)營(ying)人員(yuan)可(ke)能會為(wei)服(fu)務型公司工作(zuo)，如從事設(she)(she)施管(guan)理服(fu)務，支持多家(jia)運(yun)營(ying)商和數(shu)據(ju)中心站點。

機器是否會崛起？

對于(yu)關(guan)于(yu)人(ren)工智(zhi)能的(de)(de)(de)潛(qian)在好(hao)處，幾乎每一個與此(ci)相關(guan)的(de)(de)(de)故事都有涉(she)及。也存(cun)在著某些警告 其(qi)通常是(shi)通過(guo)科(ke)幻書籍和電影 機(ji)器(qi)橫行(xing)(xing)，甚至威(wei)脅我們(men)人(ren)類的(de)(de)(de)生命。對于(yu)數據中心這個世界來說，這可能有點牽強附(fu)會，但(dan)是(shi)谷歌公司發現，AI系統所提供的(de)(de)(de)答案和行(xing)(xing)動(dong)措施可能并(bing)不總(zong)是(shi)能夠完美的(de)(de)(de)符合(he)最(zui)初的(de)(de)(de)預期(qi)。

谷歌的算法就(jiu)提高(gao)數(shu)據中(zhong)心(xin)站點效(xiao)率達成(cheng)了一(yi)個非常簡單和準確的結論：

關(guan)于(yu)實現最大的節能，該模式的第一個建(jian)議是(shi)：關(guan)閉整個數(shu)據中心(xin)設施。嚴格來說，這并(bing)不是(shi)不準確的，但其實也不是(shi)特別有用。

因此，考慮到潛在(zai)的意外后果，為人工智能(neng)驅(qu)動的管理做(zuo)好準備可能(neng)會是一(yi)個緩慢而(er)謹慎的過(guo)程，需要(yao)大量的基礎性工作，可能(neng)并不是一(yi)件壞事。

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類線，屏蔽模塊，配線架及相關模塊配件的研(yan)發和生產。

歡迎來電咨詢0574 88168918,郵箱sales@aliance.cn，網址aliance.cn