在經濟數位轉型的過程中,人類不得不建造越來越多的資料處理中心。 資料中心本身也必須進行轉型:其容錯和能源效率問題現在比以往任何時候都更重要。 設施消耗大量電力,其中關鍵 IT 基礎設施故障會給企業帶來高昂的代價。 人工智慧和機器學習技術正在為工程師提供幫助——近年來,它們越來越多地被用來創建更先進的資料中心。 這種方法提高了設施的可用性,減少了故障數量並降低了營運成本。
它是如何工作的呢?
人工智慧和機器學習技術用於根據從各種感測器收集的數據自動制定營運決策。 通常,此類工具與 DCIM(資料中心基礎架構管理)類系統集成,可讓您預測緊急情況的發生,並優化 IT 設備、工程基礎架構甚至服務人員的操作。 通常,製造商會向資料中心所有者提供雲端服務,以累積和處理來自許多客戶的資料。 此類系統概括了營運不同資料中心的經驗,因此比本地產品運作得更好。
IT基礎架構管理
HPE推廣雲端預測分析服務
電源和冷卻
人工智慧在資料中心的另一個應用領域與工程基礎設施的管理有關,尤其是冷卻,其在設施總能耗中所佔的份額可能超過30%。 谷歌是最早考慮智慧冷卻的公司之一:2016 年,它與 DeepMind 一起開發了
其他例子
市場上有許多針對資料中心的創新智慧解決方案,並且新的解決方案不斷出現。 Wave2Wave 創建了一個機器人光纖電纜交換系統,可以自動組織資料中心內流量交換節點(Meet Me Rooms)的交叉連接。 ROOT Data Center 和 LitBit 開發的系統使用人工智慧來監控備用柴油發電機組,Romonet 創建了用於優化基礎設施的自學習軟體解決方案。 Vigilent 創建的解決方案使用機器學習來預測故障並優化資料中心場所的溫度條件。 資料中心流程自動化引入人工智慧、機器學習和其他創新技術的時間相對較晚,但如今已成為產業發展最有前景的領域之一。 現今的資料中心已經變得太大、太複雜,無法進行有效的手動管理。
來源: www.habr.com