随着计算机计算能力越来越强，人工智能的优势才逐渐凸显出来，被广泛用于各行各业中，也包括数据中心。数据中心是计算、网络、存储技术集中的场所，是人工智能最好的试验场，人工智能可以在数据中心里得到最大程度的应用。
1．数据中心运维 运维是数据中心技术人员工作的最重要一部分，数据中心里有成千上万台的设备，每台设备每天输出的日志都要上万条，通过人工检查是非常耗时的，不做检查又担心异常告警没有发现，所以很多数据中心设计了一些自动检查的监控平台，根据经验将可以存在隐患的关键字在这些收集的日志中进行搜索，如果有就及时发送给技术人员，进行审核，以便决定下一步如何处理，有些数据中心会将这些日志进行分类，然后只有严重级别的才会发到技术人员手上，这是目前数据中心最为流程的运维方式。显然，这种运维的方式仍然离不开人，最终进行运维管理判断的依然是技术人员。而引入人工智能则不同，通过人工智能技术，可以对这些收集的数据代替技术人员进行分析，可以识别模型，并根据相应模型做出判断，自动下发动作指令，完成自动化运维，整个过程不需要人来参与。使用人工智能技术参与数据中心运维，处理效率高，减少出错的概率，要知道数据中心的故障百分之八十来自于人，人工智能能大大降低人为出错的概率，少犯经验主义的错误。把数据中心运维完全交给人工智能，显然很多数据中心还没有做好这个心理准备，“不放心”阻碍了人工智能技术做运维的工作，不过一百年前人们一定认为飞机是一个不安全的交通工具，而现在飞机已经成为最安全的一种交通工具，人工智能技术还在不断完善，相信迟早有一天我们可以大胆将数据中心交给人工智能来做。 2．数据中心里的海量数据 数据是数据中心里流淌的血液，是生命之源，对数据中心至关重要。数据中心里的数据是海量的，无序的，但如果我们对这些数据进行一些计算和整理，往往能得到一些意想不到的结果。这就需要用到大数据技术，大数据的技术实际上也是人工智能技术，大数据需要对海量数据进行统计、分析、建模，这些恰都是人工智能技术的范畴。数据是数据中心的一笔最宝贵的财富，善于使用大数据技术挖掘这些数据中的宝藏，将可以为数据中心带来丰厚的利润，绝不能让这些数据躺在数据中心里睡大觉。通过使用人工智能技术将这些数据进行过滤、整理、组建各种模拟模型，以便找出其中具有一定特性的东西，可以说是数据的二次深加工，这些加工后的数据可能会产生巨大的价值，价值的大小取决于数据量大小和大数据技术的优劣，这是数据中心向自己要利润的最好努力方向。 3．数据中心网络 网络已经成为数据中心里最封闭、最为传统的部分，最需要做出改变和创新的部分。有人将人工智能技术引入到网络改造中来，称之为“知化网络”。“知化网络”具有三个特点：一是感知，网络能够感受到网络内部的流量变化，感受到外部的环境变化；二是知道，不仅能够感受到这些变化，网络同时还能知道这些变化代表了什么意义，应该如何处理；三是知识，通过经验的累积和不断的学习，这些能力最终会转化为网络自身的知识体系，网络能够主动判断和行动、进化更新。人工智能在网络中应用，首先是会将网络的硬件能力与软件控制分离，对外更快地提供标准化服务，实现“灵活网络”。接着，人工智能会将网络具备一定智能，能够完成大部分工作，人只需定义一些规则和标准，这时通过人机协同，网络就能实现个性化的应用。最后，人工智能可以将网络变成能够智能决策，连接泛在的智能设备，提供人性化的服务，这时网络与人或应用将融为一个紧密的整体，网络与智能合二为一。 4．数据中心能效 数据中心是能耗大户，常常成为绿色环保人士攻击的对象，巨额的电能费用支出已经成为数据中心高速发展的瓶颈，急需采取一定措施。于是很多人开始研究如何降低一个数据中心的PUE数值。PUE反应了一个数据中心整体的能源效率，数值越低越好。但PUE具体如何计算并没有标准可循，可以通过人工智能技术设计PUE的计算方法，通过采集数据中心里的各种运行参数、设备状态、环境等，进行数据建模，最终得出PUE数值，然后再根据PUE反推哪些因素对PUE影响最大，再去优化这些部分，最终目的是降低PUE，同时使数据中心的能效越来越高。很多数据中心虽然声称自己的PUE多么低，而实际能效并不低，采用人工智能技术进行PUE的计算，就是为了能真正降低能耗，提升数据中心运行效率。
..
|
