人工智能如何創建自動駕駛數據中心

圍繞人工智能(AI)的大多數討論都集中在自動車輛、聊天機器人、數字雙胞胎技術、機器人以及使用基于人工智能的“智能”系統從大型數據集中提取商業見解。但是人工智能和機器學習(ML)總有一天會在企業數據中心內部的服務器機架中扮演重要角色。

人工智能在提高數據中心效率和擴展業務方面的潛力可以分為以下四個主要類別:

電源管理:基于人工智能的電源管理有助于優化加熱和冷卻系統，從而降低電力成本，減少員工數量，提高效率。該領域的代表性供應商包括施耐德電氣、西門子、Vertiv和伊頓。設備管理:AI系統可以監控服務器、存儲、網絡設備的運行狀態，檢查系統配置是否正確，預測設備何時出現故障。根據Gartner的數據，AIOpsIT基礎設施管理(ITIM)類別的供應商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。工作負載管理:人工智能系統可以實時自動將工作負載移動到最高效的基礎設施，包括數據中心內部，以及混合云環境中，prem、云和邊緣環境之間。有越來越多的小公司提供基于人工智能的工作負載優化，包括Redwood、TidalAutomation和Ignio。思科、IBM、VMware等重量級企業也有產品。安全:人工智能工具可以“理解”正常的網絡流量，發現異常情況，對需要安全從業者關注的告警進行優先級排序，事后幫助分析哪里出了問題，為填補企業的安全防御漏洞提供建議。提供此功能的供應商包括VectraAI、Darktrace、ExtraHop和Cisco。

綜上所述，人工智能可以幫助企業打造高度自動化、安全、自我修復的數據中心，幾乎不需要人工干預，可以高效、靈活地運行。

戴爾技術公司全球首席技術官辦公室的杰出工程師塔貝特解釋說:“人工智能自動化可以擴展到人類能力之外，以解釋數據并收集優化能源使用、分配工作負載和最大化效率所需的必要見解，從而實現更高的數據中心資產利用率。”。

當然，就像自動駕駛汽車的承諾一樣，自動駕駛數據中心還沒有出現。在數據中心，存在阻礙人工智能突破的重大技術、運營和人員配備障礙。如今，技術的采用才剛剛開始，但潛在的好處會讓企業不斷尋找采取行動的機會。

電源管理利用服務器工作負載管理。

據估計，數據中心將消耗全球3%的電力供應，并造成約2%的溫室氣體排放。因此，無論是為了省錢還是為了保護環境，很多企業都在認真研究數據中心的電源管理。

451Research的高級分析師DanielBizo表示，基于人工智能的系統可以幫助數據中心運營商了解當前或潛在的冷卻問題，如高密度機柜阻擋氣流導致的冷空氣輸送不足，暖通空調設備性能不佳或冷熱過道之間的空氣密封不足。

Bizo表示，人工智能有望提供“不僅是良好設施設計的好處”。在數據中心層面，人工智能系統“可以通過將HVAC系統數據與環境感知讀數相關聯來學習設備”。

IT咨詢和顧問公司StorageIO的創始人GregSchulz補充道:“電源管理是一項輕松的成就。”今天，它是關于生產力，關于每BTU做更多的工作，每瓦特能量做更多的工作，這意味著更智能地工作，使設備更智能地工作。"

還有一個能力規劃的角度。除了尋找熱點和冷點，人工智能系統還可以確保數據中心向適當數量的物理服務器供電，并有能力在臨時需求激增的情況下啟動(和關閉)新的物理服務器。

Schulz補充說，電源管理工具正在開發管理設備和工作負載的系統掛鉤。例如，如果傳感器檢測到服務器運行過熱，系統可能會快速自動地將工作負載轉移到未充分利用的服務器，以避免潛在的停機時間……這可能會影響任務關鍵型應用程序。然后系統可以調查服務器過熱的原因——可能是風扇出現故障(HVAC問題)，物理組件即將崩潰(設備問題)，或者服務器剛剛過載(工作負載問題)。

人工智能驅動的健康監控和配置管理監督

數據中心充滿了需要定期維護的物理設備。人工智能系統可以超越常規維護，幫助收集和分析遙測數據，從而確定需要立即關注的特定區域。“人工智能工具可以嗅出所有這些數據和斑點圖案，以及異常情況，”舒爾茨說。

Bizo補充說:“健康監控從檢查設備是否正確配置以及性能是否符合預期開始。”由于有數百個IT機柜和數萬個組件，這些普通的任務可能是勞動密集型的，因此它們并不總是被及時和徹底地執行。"

他指出，基于大量感官數據日志的預測性設備故障模型可以“發現即將發生的組件或設備故障，并評估是否需要立即維護，以避免任何可能導致服務中斷的容量損失。”

JuniperNetworks企業和云營銷副總裁MichaelBushong認為，企業數據中心運營商應該忽略一些與人工智能相關的過度宣傳和炒作，專注于他所說的“無聊的創新”

是的，人工智能系統可能有一天會“告訴我問題在哪里，并解決它”，但在這一點上，許多數據中心運營商都會接受“如果有問題，請告訴我去哪里找”，卜松說。

依賴映射也是人工智能的一個重要但并不特別令人興奮的領域。如果數據中心經理對防火墻或其他設備進行策略更改，會有什么意外后果？“如果我提出改變，知道爆炸半徑內可能有什么是非常有用的。

保持設備平穩安全運行的另一個重要方面是控制所謂的configurationdrift，這是一個數據中心術語，意思是隨著時間的推移，臨時配置的改變會導致問題的出現。Bushong表示，人工智能可以被用作“額外的安全檢查”，以識別即將到來的基于配置的數據中心問題。

人工智能與安全

Bizo認為，人工智能和機器學習“可以通過快速對事件進行分類和聚類來簡化事件處理(事件響應)，從而識別重要事件并將其從噪聲中分離出來。更快的根本原因分析有助于運營商做出明智的決策并采取行動。”

舒爾茨補充說，人工智能在實時入侵檢測中特別有用。基于人工智能的系統可以檢測、阻止和隔離威脅，然后它們可以回去進行取證調查，以確定發生了什么以及黑客可以利用哪些漏洞。

在安全運營中心(SOC)工作的安全專業人員經常會收到太多的警報，但基于人工智能的系統可以掃描大量的遙測數據和日志信息，從而消除日常任務，使安全專家可以騰出時間來處理更深入的調查。

基于人工智能的工作負載優化

在應用層，人工智能可以自動將工作負載移動到適當的著陸點，無論是在內部還是在云中。在未來，AI/ML應該根據性能、成本、治理、安全、風險和可持續性的許多規范，實時決定將工作負載放在哪里。

例如，可以將工作負載自動移動到能效最高的服務器上，同時確保服務器以最高的效率運行，即70-80%的利用率。Bizo表示，人工智能系統可以將性能數據整合到方程中，因此時間敏感的應用程序運行在高效的服務器上，同時確保不需要快速執行的應用程序不會消耗太多的能量。

基于人工智能的工作負載優化引起了麻省理工學院研究人員的關注，他們在去年宣布，他們開發出了一種人工智能系統，可以自動學習如何在數千臺服務器上調度數據處理操作。

然而，正如Bushong指出的那樣，現實情況是，今天的工作負載優化是亞馬遜、谷歌和Azure這樣的超大型公司的專利，而不是普通的企業數據中心。原因有很多。

實現人工智能的挑戰

Opti……使數據中心充滿活力并實現自動化是正在進行的數字化轉型計劃不可或缺的一部分。戴爾的塔貝特補充道，“在新冠肺炎的幫助下，許多公司現在正在尋求進一步的自動化，并推廣由人工智能驅動、能夠自我修復的‘數字數據中心’概念。”

2018年，谷歌宣布將幾個超大型數據中心的冷卻系統的控制變成了人工智能程序。該公司報告稱，人工智能算法提供的建議減少了40%的能源使用。

然而，Bizo表示，對于名字不是Google的公司來說，在數據中心使用人工智能“在很大程度上是一種理想”。一些AI/ML功能可用于事件處理、基礎設施健康和冷卻優化。然而，AI/ML模型要比當前的標準數據中心基礎設施管理(DCIM)取得更明顯的突破，還需要更多年的時間。與自動駕駛汽車開發非常相似，早期階段可能很有趣，但遠不是它最終承諾的突破性經濟/商業案例。"

塔貝特認為，一些障礙是“需要雇傭或培訓合適的人來管理系統。另一個需要注意的問題是對數據標準和相關架構的需求。”

Gartner表示:“AIOps平臺的成熟度、it技能和運營成熟度是主要障礙。高級部署面臨的其他新挑戰包括數據質量以及“IT基礎架構和運營團隊”缺乏數據科學技能。

卜松補充說，最大的障礙一直是人。他指出，外包數據科學家對許多企業來說是一種挑戰，也是現有員工培訓的障礙。

此外，卜松表示，員工對技術的抵制由來已久。他指出，軟件定義網絡(SDN)已經存在了十年，但超過四分之三的IT操作仍然由CLI驅動。

“我們必須相信，各種基礎設施的運營商已經準備好將控制權交給人工智能，”卜沖說。“如果一群人還不相信空管員能做決定，你怎么訓練、教育、安慰一群人做出這么大的改變？業內普遍的態度是，如果我這樣做，我就會失業。”

這就是為什么Bushong建議企業在人工智能方面采取那些小而無聊的步驟，而不是陷入經常圍繞一項新技術的炒作中。

圍繞人工智能(AI)的大多數討論都集中在自動車輛、聊天機器人、數字雙胞胎技術、機器人以及使用基于人工智能的“智能”系統從大型數據集中提取商業見解。但是人工智能和機器學習(ML)總有一天會在企業數據中心內部的服務器機架中扮演重要角色。

人工智能在提高數據中心效率和擴展業務方面的潛力可以分為以下四個主要類別:

電源管理:基于人工智能的電源管理有助于優化加熱和冷卻系統，從而降低電力成本，減少員工數量，提高效率。該領域的代表性供應商包括施耐德電氣、西門子、Vertiv和伊頓。設備管理:AI系統可以監控服務器、存儲、網絡設備的運行狀態，檢查系統配置是否正確，預測設備何時出現故障。根據Gartner的數據，AIOpsIT基礎設施管理(ITIM)類別的供應商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。工作負載管理:人工智能系統可以實時自動將工作負載移動到最高效的基礎設施，包括數據中心內部，以及混合云環境中，prem、云和邊緣環境之間。有越來越多的小公司提供基于人工智能的工作負載優化，包括Redwood、TidalAutomation和Ignio。思科、IBM、VMware等重量級企業也有產品。安全:人工智能工具可以“理解”正常的網絡流量，發現異常情況，對需要安全從業者關注的告警進行優先級排序，事后幫助分析哪里出了問題，為填補企業的安全防御漏洞提供建議。提供此功能的供應商包括VectraAI、Darktrace、ExtraHop和Cisco。

總之，人工智能可以幫助企業創建高度自動化、安全和自我修復的數據中心，這些數據中心需要很少的人工干預，并且可以高效地運行……和靈活性。

戴爾技術公司全球首席技術官辦公室的杰出工程師塔貝特解釋說:“人工智能自動化可以擴展到人類能力之外，以解釋數據并收集優化能源使用、分配工作負載和最大化效率所需的必要見解，從而實現更高的數據中心資產利用率。”。

當然，就像自動駕駛汽車的承諾一樣，自動駕駛數據中心還沒有出現。在數據中心，存在阻礙人工智能突破的重大技術、運營和人員配備障礙。如今，技術的采用才剛剛開始，但潛在的好處會讓企業不斷尋找采取行動的機會。

電源管理利用服務器工作負載管理。

據估計，數據中心將消耗全球3%的電力供應，并造成約2%的溫室氣體排放。因此，無論是為了省錢還是為了保護環境，很多企業都在認真研究數據中心的電源管理。

451Research的高級分析師DanielBizo表示，基于人工智能的系統可以幫助數據中心運營商了解當前或潛在的冷卻問題，如高密度機柜阻擋氣流導致的冷空氣輸送不足，暖通空調設備性能不佳或冷熱過道之間的空氣密封不足。

Bizo表示，人工智能有望提供“不僅是良好設施設計的好處”。在數據中心層面，人工智能系統“可以通過將HVAC系統數據與環境感知讀數相關聯來學習設備”。

IT咨詢和顧問公司StorageIO的創始人GregSchulz補充道:“電源管理是一項輕松的成就。”今天，它是關于生產力，關于每BTU做更多的工作，每瓦特能量做更多的工作，這意味著更智能地工作，使設備更智能地工作。"

還有一個能力規劃的角度。除了尋找熱點和冷點，人工智能系統還可以確保數據中心向適當數量的物理服務器供電，并有能力在臨時需求激增的情況下啟動(和關閉)新的物理服務器。

Schulz補充說，電源管理工具正在開發管理設備和工作負載的系統掛鉤。例如，如果傳感器檢測到服務器運行過熱，系統會快速自動將工作負載轉移到未充分利用的服務器，以避免可能影響關鍵任務應用程序的潛在停機時間。然后系統可以調查服務器過熱的原因——可能是風扇出現故障(HVAC問題)，物理組件即將崩潰(設備問題)，或者服務器剛剛過載(工作負載問題)。

人工智能驅動的健康監控和配置管理監督

數據中心充滿了需要定期維護的物理設備。人工智能系統可以超越常規維護，幫助收集和分析遙測數據，從而確定需要立即關注的特定區域。“人工智能工具可以嗅出所有這些數據和斑點圖案，以及異常情況，”舒爾茨說。

Bizo補充說:“健康監控從檢查設備是否正確配置以及性能是否符合預期開始。”由于有數百個IT機柜和數萬個組件，這些普通的任務可能是勞動密集型的，因此它們并不總是及時和徹底地執行。"

他指出，基于大量感官數據日志的預測性設備故障模型可以“發現即將發生的組件或設備故障，并評估是否需要立即維護，以避免任何可能導致服務中斷的容量損失。”

JuniperNetworks企業和云營銷副總裁MichaelBushong認為，企業數據中心運營商應該忽略一些與人工智能相關的過度宣傳和炒作，專注于他所說的“無聊的創新”

是的，人工智能系統可能有一天會“告訴我問題在哪里，并解決它”，但在這一點上，許多數據中心運營商都會接受“如果有問題，請告訴我去哪里找”，卜松說。

依賴映射也是人工智能的一個重要但并不特別令人興奮的領域。如果數據中心經理對防火墻或其他設備進行策略更改，會有什么意外后果？“如果我提出改變，知道爆炸半徑內可能有什么是非常有用的。

保持設備平穩和安全運行的另一個重要方面是控制所謂的配置……urationdrift，這是一個數據中心術語，意思是隨著時間的推移，臨時配置的改變會導致問題。Bushong表示，人工智能可以被用作“額外的安全檢查”，以識別即將到來的基于配置的數據中心問題。

人工智能與安全

Bizo認為，人工智能和機器學習“可以通過快速對事件進行分類和聚類來簡化事件處理(事件響應)，從而識別重要事件并將其從噪聲中分離出來。更快的根本原因分析有助于運營商做出明智的決策并采取行動。”

舒爾茨補充說，人工智能在實時入侵檢測中特別有用。基于人工智能的系統可以檢測、阻止和隔離威脅，然后它們可以回去進行取證調查，以確定發生了什么以及黑客可以利用哪些漏洞。

在安全運營中心(SOC)工作的安全專業人員經常會收到太多的警報，但基于人工智能的系統可以掃描大量的遙測數據和日志信息，從而消除日常任務，使安全專家可以騰出時間來處理更深入的調查。

基于人工智能的工作負載優化

在應用層，人工智能可以自動將工作負載移動到適當的著陸點，無論是在內部還是在云中。在未來，AI/ML應該根據性能、成本、治理、安全、風險和可持續性的許多規范，實時決定將工作負載放在哪里。

例如，可以將工作負載自動移動到能效最高的服務器上，同時確保服務器以最高的效率運行，即70-80%的利用率。Bizo表示，人工智能系統可以將性能數據整合到方程中，因此時間敏感的應用程序運行在高效的服務器上，同時確保不需要快速執行的應用程序不會消耗太多的能量。

基于人工智能的工作負載優化引起了麻省理工學院研究人員的關注，他們在去年宣布，他們開發出了一種人工智能系統，可以自動學習如何在數千臺服務器上調度數據處理操作。

然而，正如Bushong指出的那樣，現實情況是，今天的工作負載優化是亞馬遜、谷歌和Azure這樣的超大型公司的專利，而不是普通的企業數據中心。原因有很多。

實現人工智能的挑戰

優化和自動化數據中心是正在進行的數字化轉型計劃不可或缺的一部分。戴爾的塔貝特補充道，“在新冠肺炎的幫助下，許多公司現在正在尋求進一步的自動化，并推廣由人工智能驅動、能夠自我修復的‘數字數據中心’概念。”

2018年，谷歌宣布將幾個超大型數據中心的冷卻系統的控制變成了人工智能程序。該公司報告稱，人工智能算法提供的建議減少了40%的能源使用。

然而，Bizo表示，對于名字不是Google的公司來說，在數據中心使用人工智能“在很大程度上是一種理想”。一些AI/ML功能可用于事件處理、基礎設施健康和冷卻優化。然而，AI/ML模型要比當前的標準數據中心基礎設施管理(DCIM)取得更明顯的突破，還需要更多年的時間。與自動駕駛汽車開發非常相似，早期階段可能很有趣，但遠不是它最終承諾的突破性經濟/商業案例。"

塔貝特認為，一些障礙是“需要雇傭或培訓合適的人來管理系統。另一個需要注意的問題是對數據標準和相關架構的需求。”

Gartner表示:“AIOps平臺的成熟度、it技能和運營成熟度是主要障礙。高級部署面臨的其他新挑戰包括數據質量以及“IT基礎架構和運營團隊”缺乏數據科學技能。

卜松補充說，最大的障礙一直是人。他指出，外包數據科學家對許多企業來說是一種挑戰，也是現有員工培訓的障礙。

此外，卜松表示，員工對技術的抵制由來已久。他指出，軟件定義網絡(SDN)已經存在了十年，但超過四分之三的IT操作仍然由CLI驅動。

“我們必須相信，各種基礎設施的運營商已經準備好將控制權交給人工智能，”卜沖說。“如果一群人仍然不相信空氣……affic管制員可以做決定，你怎么訓練、教育、安慰一群人去做這么重大的改變？業內普遍的態度是，如果我這樣做，我會失業。"

這就是為什么Bushong建議企業在人工智能方面采取那些小而無聊的步驟，而不是陷入經常圍繞一項新技術的炒作中。

標簽：發現理念

汽車資訊熱門資訊