隨(sui)著的(de)(de)工(gong)作量螺旋式上升，越來越多的(de)(de)企(qi)業開(kai)始關注人工(gong)智能(AI)，希望(wang)通過技術幫助它們(men)減(jian)輕IT團隊(dui)的(de)(de)管(guan)理負擔，同時提高效率和削減(jian)開(kai)支。

人(ren)工智能(neng)承諾將工作負(fu)載實時自動移動到最(zui)高效的基礎設施，既包括數據(ju)中(zhong)心內(nei)部，也包括由on-prem、云和邊(bian)緣環境(jing)組成的混合云設置。隨著人(ren)工智能(neng)對(dui)工作負(fu)載管(guan)理(li)(li)的轉(zhuan)變(bian)，未來(lai)的數據(ju)中(zhong)心可能(neng)會(hui)與今天的設施有很大的不(bu)同。一個可能(neng)的場(chang)景是由遠(yuan)程管(guan)理(li)(li)員管(guan)理(li)(li)的小型、互(hu)聯(lian)的邊(bian)緣數據(ju)中(zhong)心集(ji)合。

InfosysKnowledgeInstitute是(shi)一家專(zhuan)注于商業(ye)和(he)技(ji)術趨勢(shi)分析的(de)機構，其負責人JeffKavanaugh表(biao)示，由于各(ge)種因素，包括更激(ji)烈的(de)競爭(zheng)、通貨膨脹和(he)大規模的(de)預算(suan)削(xue)減(jian)，許多組織都在尋(xun)找降低(di)數據中(zhong)心運營成(cheng)本的(de)方法。他說: 人工(gong)智能和(he)自動化已被證明是(shi)工(gong)作(zuo)量管理(li)的(de)強(qiang)大工(gong)具(ju)，因為它將員工(gong)從耗時和(he)平凡(fan)的(de)任務中(zhong)解(jie)放出來，讓他們專(zhuan)注于實(shi)際上(shang)需要(yao)人類來完(wan)成(cheng)的(de)工(gong)作(zuo)。

大多數(shu)(shu)數(shu)(shu)據(ju)中心管理(li)人(ren)員已經使(shi)用各(ge)種傳統的非人(ren)工(gong)智能工(gong)具來協(xie)助(zhu)和優化工(gong)作負載管理(li)。然(ran)而，專(zhuan)業服務公司畢馬威(wei)(KPMG)咨詢總(zong)監肖恩(en)?肯尼(ni)(SeanKenney)表(biao)示，這些工(gong)具往往是(shi)被(bei)動的，而不(bu)(bu)是(shi)主(zhu)動的。 他(ta)們對數(shu)(shu)據(ju)中心的問題做出反應(ying)，但他(ta)們不(bu)(bu)收集數(shu)(shu)據(ju)來確定減少問題行為的任何遠見， 他(ta)指出。

芝(zhi)加(jia)哥伊(yi)利諾(nuo)伊(yi)大(da)學(UniversityofIllinois)生物醫學和健康(kang)信息科(ke)學臨床助(zhu)理(li)(li)教授桑(sang)ketShah認為，人工智(zhi)能(neng)現在(zai)正準備(bei)幫助(zhu)那些(xie)發現自己沒有可(ke)靠方法來預測或(huo)規劃(hua)未來需(xu)求的(de)數(shu)據(ju)中心管(guan)理(li)(li)者。他解釋(shi)道: 有了人工智(zhi)能(neng)，能(neng)力和馬力可(ke)以(yi)以(yi)一(yi)種更(geng)有效(xiao)的(de)方式分配，允許組(zu)織擴大(da)規模，變得更(geng)靈活。 對于那些(xie)數(shu)據(ju)需(xu)求快速變化的(de)(管(guan)理(li)(li)人員)來說，將某(mou)些(xie)流程自動化并在(zai)必要時(shi)轉移權力，最終將降低成本。

利(li)(li)用人工智能(neng)技(ji)(ji)術管(guan)理數據(ju)中心(xin)(xin)的(de)(de)想(xiang)法并不新鮮。例如，谷歌曾在(zai)2014年披露，它正(zheng)在(zai)利(li)(li)用收購英國人工智能(neng)專家DeepMind所(suo)獲得的(de)(de)技(ji)(ji)術，加(jia)強其幾個站點的(de)(de)數據(ju)中心(xin)(xin)設施(shi)和設備管(guan)理。今天(tian)，人工智能(neng)工作(zuo)負荷(he)管(guan)理領域已經大(da)大(da)擴展到包括(kuo)許多(duo)初創公(gong)司，如DLabs、digitate、RedwoodSoftware和TidalSoftware。思科(Cisco)、IBM和VMware等規模較大(da)的(de)(de)公(gong)司也(ye)已開始進(jin)入該市(shi)場。

與(yu)人工(gong)(gong)智能(neng)的(de)(de)大多數事(shi)物一樣，工(gong)(gong)作量(liang)管理技術正在迅速發展。華盛(sheng)頓大學信息(xi)學院副教授BillHowe指出: 有(you)(you)很多選(xuan)擇(ze)和限制，但通常都有(you)(you)辦法減(jian)輕這(zhe)些限制。 我(wo)不認(ren)為選(xuan)擇(ze)正確的(de)(de)方法和工(gong)(gong)程解決方案有(you)(you)什么問題 與(yu)其他任何復雜的(de)(de)人工(gong)(gong)智能(neng)應(ying)用(yong)程序相比，工(gong)(gong)作量(liang)管理的(de)(de)挑戰性更大或更小。

滿足需要

對于大多(duo)(duo)數(shu)數(shu)據中心管理者來(lai)(lai)說(shuo)，最優先考(kao)慮的是優化運營以滿足(zu)峰(feng)值需求。然(ran)而(er)，無(wu)論他(ta)(ta)們(men)(men)計劃和準備得(de)多(duo)(duo)么仔細，需求的高峰(feng)和低谷(gu)往往仍在(zai)他(ta)(ta)們(men)(men)的控(kong)制之(zhi)外。商(shang)業(ye)咨詢和咨詢公司凱捷(jie)北美(mei)公司(CapgeminiNorthAmerica)的人工(gong)智(zhi)能工(gong)程副總裁古(gu)瑟姆 貝(bei)利(li)亞帕(Gouthambelliaappa)表(biao)示: 人工(gong)智(zhi)能能帶來(lai)(lai)的獨(du)特改進(jin)在(zai)于，它能理解工(gong)作量模式(shi)，并(bing)將這些需求與數(shu)據中心的容量匹配起來(lai)(lai)。

人工智(zhi)能(neng)管理(li)承諾將(jiang)數據中心團隊從一系列平(ping)凡、重(zhong)復的(de)任務中解放(fang)出來，包括(kuo)服務器管理(li);安全設置(zhi);計算、內存(cun)和存(cun)儲優化;負(fu)載平(ping)衡;還有電力和冷卻分配。科技市場(chang)咨(zi)詢公司(si)ABIResearch首(shou)席(xi)分析師LianJyeSu表示: 所有這些工作都可以通(tong)過人工智(zhi)能(neng)實(shi)現自動化或增強。

IT管理(li)(li)軟件開發公司ManageEngine的(de)人(ren)工智(zhi)能和(he)機器學習產品總監RamprakashRamamoorthy表示(shi)，人(ren)工智(zhi)能可(ke)以(yi)幫助分析從單個機器收(shou)集的(de)數據(ju)，并發現(xian)被監控參數中的(de)異常。他補充說(shuo): 人(ren)工智(zhi)能還可(ke)以(yi)幫助更早地預測故障和(he)中斷，這可(ke)以(yi)幫助數據(ju)中心管理(li)(li)團隊減少(shao)停機時間，并使集群保(bao)持良好的(de)運行狀態。 人(ren)工智(zhi)能還可(ke)以(yi)實現(xian)更好的(de)溫度和(he)電壓(ya)管理(li)(li)，從而直(zhi)接降低運營(ying)成本，并有助于(yu)減少(shao)碳足(zu)跡。

Ramamoorthy說，雖然可(ke)以使用各種人工(gong)(gong)智(zhi)能(neng)方(fang)法(fa)，但(dan)工(gong)(gong)作(zuo)負荷管(guan)理(li)(li)工(gong)(gong)具應該始(shi)終確保(bao)模(mo)(mo)型(xing)預(yu)測是完全可(ke)解(jie)(jie)釋的(de)。他解(jie)(jie)釋說: 與其他領域相(xiang)(xiang)比，數據中(zhong)心工(gong)(gong)作(zuo)量管(guan)理(li)(li)中(zhong)的(de)人工(gong)(gong)智(zhi)能(neng)系統做出(chu)(chu)的(de)決定往往由一個(ge)(ge)或多個(ge)(ge)團隊(dui)共同(tong)作(zuo)出(chu)(chu)。 因此，AI模(mo)(mo)型(xing)決策(ce)應該是可(ke)解(jie)(jie)釋的(de)，允許IT團隊(dui)更好地理(li)(li)解(jie)(jie)模(mo)(mo)型(xing)決策(ce)的(de)意圖并相(xiang)(xiang)應地采取行動。他指出(chu)(chu): 人工(gong)(gong)智(zhi)能(neng)模(mo)(mo)型(xing)的(de)準確率最多可(ke)以達到80%到85%，所(suo)以這(zhe)也(ye)有(you)助(zhu)于人類團隊(dui)通過正確解(jie)(jie)釋人工(gong)(gong)智(zhi)能(neng)模(mo)(mo)型(xing)的(de)決策(ce)來做出(chu)(chu)明智(zhi)的(de)決策(ce)。 如果(guo)人工(gong)(gong)智(zhi)能(neng)模(mo)(mo)型(xing)能(neng)夠給它所(suo)給出(chu)(chu)的(de)決策(ce)一個(ge)(ge)信心評分(fen)，那么它對(dui)于有(you)效的(de)工(gong)(gong)作(zuo)量管(guan)理(li)(li)也(ye)將是有(you)用的(de)。

人(ren)(ren)工智(zhi)(zhi)能(neng)和機(ji)器學(xue)習開發公司Tanjo的聯合(he)創(chuang)始人(ren)(ren)兼(jian)首席執行(xing)官理查德?博伊(yi)德(RichardBoyd)表示(shi)，隨著人(ren)(ren)工智(zhi)(zhi)能(neng)和機(ji)器學(xue)習工具的普(pu)及，各(ge)組織都認識到，只有當(dang)人(ren)(ren)類智(zhi)(zhi)能(neng)與(yu)這些技術(shu)合(he)作而不是競爭(zheng)時，才(cai)能(neng)取(qu)(qu)得最好(hao)的結果。他(ta)表示(shi): 機(ji)器在很多(duo)方面都無法(fa)取(qu)(qu)代人(ren)(ren)類，但在某些領域，機(ji)器肯定比人(ren)(ren)類好(hao)得多(duo)。 一旦人(ren)(ren)工智(zhi)(zhi)能(neng)和機(ji)器學(xue)習流(liu)行(xing)起來，工人(ren)(ren)們(men)適應了這種新的合(he)作關(guan)系，人(ren)(ren)們(men)的看法(fa)就會(hui)改變。

DellTechnologies的AI戰略主(zhu)管(guan)BronsLarson表(biao)示，數(shu)據(ju)中(zhong)心可以(yi)(yi)利用(yong)AI/ML來提(ti)高性能(neng)，并(bing)優(you)化(hua)配置(zhi)和部(bu)署。 AI/ML支(zhi)持動態編排(pai)資源與(yu)工作負載(zai)，以(yi)(yi)優(you)化(hua)資源利用(yong)，更好地(di)管(guan)理成本(ben)， 他說。拉爾(er)森補充說，所(suo)有的人工智能(neng)解(jie)決方案，無論是(shi)應(ying)用(yong)程序(xu)還是(shi)供(gong)應(ying)商，都需要專(zhuan)業知(zhi)識來正確配置(zhi)和優(you)化(hua)價值(zhi)。 首先要正確捕(bu)獲和評估數(shu)據(ju)，以(yi)(yi)便訓練和測試(shi)，并(bing)管(guan)理部(bu)署的模(mo)型，防止漂移和偏差。

此外，基于(yu)規則(ze)的(de)(de)AI可以(yi)通(tong)過(guo)智能策略控制和預定義配置幫助(zhu)自(zi)動化資源優化和遵(zun)從(cong)。Su指出: 通(tong)過(guo)從(cong)日常運營中(zhong)收集的(de)(de)數據(ju)，基于(yu)機器學(xue)習的(de)(de)人工智能可以(yi)進一步增強(qiang)數據(ju)中(zhong)心(xin)(xin)運營的(de)(de)其他方(fang)面(mian)，這些方(fang)面(mian)以(yi)前(qian)需要深入的(de)(de)領域專業知識。 他說: 例(li)如，數據(ju)中(zhong)心(xin)(xin)的(de)(de)安(an)全(quan)可以(yi)通(tong)過(guo)自(zi)我學(xue)習的(de)(de)威脅檢測和監控算法來加強(qiang)。 通(tong)過(guo)將所需資源引導到正確的(de)(de)方(fang)向，可以(yi)優化負(fu)載平衡、電力和冷卻分配功能。

人(ren)(ren)工(gong)智能還可(ke)(ke)以(yi)(yi)簡化數(shu)(shu)據管理(li)。卡瓦諾說: 企業(ye)越來(lai)越多地發現(xian)自己被與(yu)關(guan)鍵利益相關(guan)者有關(guan)的(de)大量(liang)數(shu)(shu)據所包圍。 使用人(ren)(ren)工(gong)智能，組(zu)織可(ke)(ke)以(yi)(yi)確保這些(xie)大量(liang)數(shu)(shu)據得到有效和準確的(de)管理(li)。 在(zai)人(ren)(ren)工(gong)智能的(de)幫助(zhu)下，團隊(dui)可(ke)(ke)以(yi)(yi)比(bi)以(yi)(yi)往任(ren)何時候都更(geng)快(kuai)、更(geng)準確地執行任(ren)務，比(bi)如數(shu)(shu)據質(zhi)量(liang)分析或提(ti)取數(shu)(shu)據以(yi)(yi)進行預測。卡瓦諾說: 這對組(zu)織來(lai)說至(zhi)關(guan)重(zhong)要(yao)，因(yin)為他(ta)們(men)需要(yao)最準確的(de)數(shu)(shu)據來(lai)做出明(ming)智的(de)決(jue)定。

人工智能包

隨著人(ren)工(gong)智能的(de)成熟，現(xian)在出現(xian)的(de)是一(yi)種軟件驅動的(de)方法(fa)，將不(bu)同的(de)元(yuan)素(su)結合在一(yi)起，以最小的(de)人(ren)為干預。例如(ru)，Howe指出，在一(yi)個典型的(de)數(shu)(shu)據(ju)庫系統中(zhong)，需要進(jin)行大量的(de)配(pei)置才能使(shi)操作有效(xiao)地運行，例如(ru)索引(yin)表(biao)、跨服務(wu)器(qi)對(dui)數(shu)(shu)據(ju)進(jin)行分區、為某些(xie)類型的(de)查(cha)詢(xun)分配(pei)內存，以及調(diao)優優化器(qi)以 適應 您的(de)計算平臺和(he)預期的(de)工(gong)作負載。他解釋(shi)說(shuo): 人(ren)工(gong)智能可以幫助(zhu)我(wo)們(men)從大量歷史數(shu)(shu)據(ju)中(zhong)學(xue)習規(gui)則和(he)程序，這些(xie)數(shu)(shu)據(ju)涉及哪(na)些(xie)時(shi)間表(biao)對(dui)哪(na)些(xie)任(ren)務(wu)有效(xiao)，而不(bu)是讓我(wo)們(men)試圖弄清(qing)楚所有事情。

有了人工智能(neng)，人類(lei)IT領導者和團(tuan)隊就可以自由地(di)關注業(ye)務(wu)問題，而不必擔心(xin)基(ji)礎設施的細枝大落。Belliappa表(biao)示: 從(cong)人工智能(neng)的角度(du)來看，我們使用的大多數模型(xing)(xing)都是(shi)自學(xue)(xue)習(xi)集成模型(xing)(xing)，它(ta)們結合(he)了各種技術(shu)，并(bing)在從(cong)它(ta)們管理的工作量模式中學(xue)(xue)習(xi)時不斷優化。

計劃和部署

在人工智能開始發揮其管理(li)魔力之前，IT和(he)商業領袖需(xu)要習(xi)慣于將關鍵(jian)的(de)管理(li)職責(ze)移交給一(yi)款軟件。Shah承認(ren): 根據規模和(he)內(nei)部知識庫的(de)不同，這可能相當(dang)困(kun)難。

最終，一個組(zu)織如(ru)何處理(li)從(cong)人(ren)類(lei)(lei)到人(ren)工負載管理(li)的(de)(de)(de)轉變取決于它(ta)的(de)(de)(de)技術成(cheng)熟(shu)度、運營規模(mo)和(he)數據中心的(de)(de)(de)動態(tai)性。卡瓦諾(nuo)說: 缺乏有效(xiao)利用(yong)數據的(de)(de)(de)現(xian)代基礎設施的(de)(de)(de)孤(gu)立企(qi)業將(jiang)會舉步維艱。 另一方面，越來(lai)越多的(de)(de)(de)人(ren)工智能供應商提(ti)供針(zhen)對特定類(lei)(lei)型企(qi)業的(de)(de)(de)工具，增加了幾乎任何類(lei)(lei)型和(he)規模(mo)的(de)(de)(de)組(zu)織能夠順利過(guo)渡(du)的(de)(de)(de)可能性。他預測: 隨(sui)著公司及其解(jie)決方案的(de)(de)(de)成(cheng)熟(shu)，配置和(he)部署的(de)(de)(de)便利性將(jiang)繼續提(ti)高。

如果(guo)人工智能有致命弱點，那就是(shi)該技(ji)(ji)術對數(shu)(shu)據(ju)中心系統和實(shi)踐中相對微妙的(de)(de)變(bian)化的(de)(de)反應。Howe解釋道: 大多數(shu)(shu)AI技(ji)(ji)術都是(shi)關于尋找穩定(ding)模式，假設環境是(shi)固定(ding)的(de)(de)。 如果(guo)你(ni)以(yi)模型無(wu)法看到(dao)的(de)(de)方式改變(bian)了環境，它會(hui)很高興地告(gao)訴你(ni)錯誤(wu)的(de)(de)答案。 在部(bu)署變(bian)更(geng)之前進行仔細的(de)(de)計劃可(ke)以(yi)幫助減(jian)輕這種擔憂。

即將到來的

雖(sui)然人工智能支持(chi)的(de)數(shu)據(ju)中(zhong)心(xin)工作(zuo)負載(zai)管理已(yi)經被許多大(da)型企業，特別是谷(gu)歌、亞馬遜和(he)微軟等超大(da)規(gui)模企業經常(chang)使(shi)用(yong)，但這項技術現(xian)在才開(kai)始(shi)滲透到(dao)較小的(de)數(shu)據(ju)中(zhong)心(xin)運(yun)營商。Belliappa認為，數(shu)據(ju)中(zhong)心(xin)的(de)管理者(zhe)不久就會面臨艱(jian)難的(de)選擇(ze):繼續依(yi)賴傳統的(de)數(shu)據(ju)中(zhong)心(xin)管理技術和(he)實(shi)踐(jian)，還是 大(da)量投(tou)資人工智能驅(qu)動的(de)改造(zao)以保(bao)持(chi)可行(xing)性 。

從(cong)長遠來看，隨著技術的(de)進步、成本的(de)下降和采用者信心的(de)增強，人(ren)工智能驅動的(de)管(guan)理有望成為主(zhu)流。 在未來4到6年，你將看到人(ren)工智能數據中心工作量管(guan)理技術作為一個標準選擇， Shah預測(ce)道。

我認為(wei)這(zhe)(zhe)個趨勢(shi)發展得很快， Howe說(shuo)。 長期(qi)以來，數據中(zhong)心一直存在(zai)大量(liang)自動化，這(zhe)(zhe)些(人工智能)技術為(wei)利用提(ti)供(gong)商擁有(you)的大量(liang)數據提(ti)供(gong)了更好的方式(shi)。 他預(yu)計，使(shi)用人工智能學習方法進行自動化工作量(liang)管理(li)將 很快普及(ji) 。

Kavanaugh說，行業觀察家(jia)越來(lai)(lai)越期望人工智能將(jiang)(jiang)(jiang)在(zai)未(wei)來(lai)(lai)三四年內的(de)(de)某個時(shi)候開始(shi)主(zhu)導數(shu)(shu)據(ju)中(zhong)心(xin)(xin)管理，盡管大流行驅動的(de)(de)加速可能有助于推(tui)動這一(yi)時(shi)間表向(xiang)前推(tui)進。 很快，數(shu)(shu)據(ju)中(zhong)心(xin)(xin)將(jiang)(jiang)(jiang)能夠實(shi)現幾(ji)乎所有操作的(de)(de)自動化，從網絡安全到維護(hu)再到監控， 他預測道。 但是，隨著(zhu)數(shu)(shu)據(ju)量呈指數(shu)(shu)級增長，并且隨著(zhu)我(wo)們在(zai)企業中(zhong)發現AI的(de)(de)新用途(tu)，我(wo)們的(de)(de)工作量及其管理將(jiang)(jiang)(jiang)繼(ji)續(xu)發展。

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,七類屏蔽網線/屏蔽模塊及相關模塊配件, 光纖及配件，我們是萬兆屏蔽模塊，10G屏蔽模塊，屏蔽線生產廠(chang)家，綜合(he)布線實施公司(si)。

歡迎來(lai)電(dian)咨詢0574 88168918,郵箱sales@aliance.cn，網址aliance.cn