天天爽夜夜爽人人爽_人工智能提高數據中心的可用性和效率

隨著(zhù)企業(yè)開(kāi)始采用經(jīng)過(guò)數據中心大運營(yíng)商和托管服務(wù)提供商試用和測試過(guò)的機器學(xué)習技術(shù)，人工智能將在數據中心運營(yíng)中扮演更重要的角色。

目前的混合計算環(huán)境通常涉及到本地數據中心、云和托管站點(diǎn)，以及邊緣計算部署。企業(yè)發(fā)現管理數據中心的傳統方法并不是最優(yōu)的。通過(guò)使用人工智能，正如機器學(xué)習所展示的那樣，極有可能簡(jiǎn)化復雜計算設施的管理。

目前，人工智能在數據中心的應用主要是圍繞使用機器學(xué)習來(lái)監測設施組件，并進(jìn)行自動(dòng)管理，例如電源和配電單元、散熱基礎設施、機架系統和物理安全等。

在數據中心設施內部，有越來(lái)越多的傳感器收集來(lái)自包括電源備份（UPS）、配電裝置、開(kāi)關(guān)設備和冷水機組在內的設備的數據。關(guān)于這些設備及其環(huán)境的數據由機器學(xué)習算法進(jìn)行解讀，這些算法深度分析性能和容量，并確定適當的響應，例如更改設置或者發(fā)送警報等。隨著(zhù)條件的變化，機器學(xué)習系統從變化中學(xué)習——它實(shí)際上是被訓練為自我調整，而不是依賴(lài)于具體的編程指令來(lái)執行其任務(wù)。

其目的是使數據中心運營(yíng)商能夠提高設施的可靠性和效率，并有可能更自主地運行這些設施。然而，獲取數據并不是一項簡(jiǎn)單的任務(wù)。

施耐德電氣公司數據中心全球解決方案高級主管Steve Carlini說(shuō)，基本需求是獲取來(lái)自主要組件的實(shí)時(shí)數據。也就是那些冷水機組、冷卻塔、通風(fēng)機、風(fēng)扇等組件的實(shí)時(shí)數據。在IT設備方面，它意味著(zhù)服務(wù)器利用率、溫度和功耗等指標。

Carlini說(shuō)：“很難對數據中心進(jìn)行評價(jià)。數據中心與配電和散熱有關(guān)的連接點(diǎn)是非常多的，如果企業(yè)想嘗試人工智能，就需要獲得這些連接點(diǎn)的數據。”

IT專(zhuān)業(yè)人員習慣于設備監測和實(shí)時(shí)報警，但在機房設施方面并非如此。Carlini說(shuō)：“IT設備對信息的要求是即時(shí)的，而在電力系統中，不是即時(shí)的，其環(huán)境不同。”

過(guò)去不到十年的時(shí)間里，第一個(gè)數據中心已經(jīng)完全儀表化了，用儀表來(lái)監測供電和散熱。在儀表存在的地方，很難進(jìn)行標準化：數據中心運營(yíng)商依賴(lài)于采用多種通信協(xié)議的樓宇管理系統——從Modbus和BACnet到LONworks和Niagara，并且必須兼容不共享數據或者不能通過(guò)遠程控制進(jìn)行操作的設備。Carlini說(shuō)：“TCP/IP、以太網(wǎng)連接——這類(lèi)連接在傳動(dòng)系統和散熱領(lǐng)域是前所未聞的。”

好消息是數據中心監測正朝著(zhù)高級分析和機器學(xué)習所需的深度發(fā)展。Carlini說(shuō)：“服務(wù)提供商和托管提供商一直非常擅長(cháng)在子架級或者機架級進(jìn)行監測，以及對能源使用情況的監測。企業(yè)開(kāi)始部署它，這取決于數據中心的規模。”

機器學(xué)習讓數據中心保持涼爽

2016年，德?tīng)査娇展居捎陔娏ο到y故障導致數據中心停電，三天時(shí)間內停飛了大約2000次航班，使該航空公司損失了1.5億美元。這正是基于機器學(xué)習的自動(dòng)管理功能可以避免的應用場(chǎng)景。由于數據中心性能的進(jìn)步以及云中數據池的出現，智能系統有可能發(fā)現數據中心運營(yíng)中的漏洞，從而提高效率，而這是手動(dòng)過(guò)程做不到的。

機器學(xué)習推動(dòng)的智能應用的一個(gè)簡(jiǎn)單例子是基于狀態(tài)的維護，它應用于數據中心中的消耗品，例如，冷卻過(guò)濾器等。Carlini說(shuō)，通過(guò)監測流過(guò)多個(gè)過(guò)濾器的空氣流量，智能系統可以檢測到一些過(guò)濾器是否比其他過(guò)濾器更容易堵塞，然后把空氣引導到不容易堵塞的單元中，直到需要更換所有過(guò)濾器為止。

另一個(gè)例子是監測UPS系統中電池的溫度和放電情況。智能系統能夠發(fā)現一個(gè)UPS系統運行的環(huán)境更熱一些，并且可能比其他系統更頻繁地放電，然后會(huì )將其指定為備份UPS，而不是主用UPS。Carlini說(shuō)：“它站在你的角度為你思考。這可以手動(dòng)完成，但機器也可以做到。這是最基本的。”

層次更高的應用是動(dòng)態(tài)散熱優(yōu)化，這是當今數據中心機器學(xué)習更常見(jiàn)的例子之一，尤其是對于數據中心大運營(yíng)商和托管提供商。

通過(guò)動(dòng)態(tài)散熱優(yōu)化，數據中心管理人員可以根據環(huán)境條件監測并控制機房的散熱基礎設施。當設備移動(dòng)或者計算流量出現激增時(shí)，建筑物內的熱負荷也會(huì )發(fā)生變化。動(dòng)態(tài)調節散熱輸出，以轉移熱負荷，這有助于避免不必要的散熱能力并降低運行成本。

451 Research公司的數據中心技術(shù)和生態(tài)效率IT渠道研究總監Rhonda Ascierto評論說(shuō)，托管服務(wù)提供商是動(dòng)態(tài)散熱優(yōu)化技術(shù)的主要采用者。

Ascierto說(shuō)：“機器學(xué)習對數據中心來(lái)說(shuō)并不陌生。長(cháng)期以來(lái)，人們一直想根據容量和需求來(lái)更好地進(jìn)行適當的散熱，而機器學(xué)習使您能夠實(shí)時(shí)地完成這項工作。”

Vigilent是動(dòng)態(tài)散熱優(yōu)化領(lǐng)域的領(lǐng)導者，其技術(shù)用于優(yōu)化數據中心設施中的空氣流，自動(dòng)發(fā)現并消除熱點(diǎn)。

Vigilent的創(chuàng )始人、總裁兼首席技術(shù)官Cliff Federspiel說(shuō)，數據中心運營(yíng)商運行的散熱設備往往比實(shí)際需要的多。“它產(chǎn)生的溫度分布通常還是能接受的，但代價(jià)很高。”

如果有一個(gè)熱點(diǎn)，典型的反應是進(jìn)一步提高散熱能力。在現實(shí)中，如果空氣流速過(guò)快會(huì )產(chǎn)生壓力差，干擾設備上的空氣流，或者阻礙熱空氣返回到散熱設備。盡管這與我們的直覺(jué)不符，但能更有效地降低風(fēng)扇速度。

Vigilent基于機器學(xué)習的技術(shù)知道哪些空氣流設置能夠優(yōu)化每一客戶(hù)的熱環(huán)境。該公司稱(chēng)，在需要散熱的地方提供適量的散熱，通常能夠把能源費用減少40%。

除了自動(dòng)散熱系統外，Vigilent的軟件還為客戶(hù)提供了分析功能，用來(lái)對其設施做出操作決策。

Federspiel說(shuō)：“我們的客戶(hù)對使用這些數據來(lái)幫助管理他們的資本支出、他們的容量規劃以及可靠性計劃越來(lái)越感興趣。這為數據中心很多新的依賴(lài)于數據的決策帶來(lái)了機會(huì )。”

人工智能讓現有的流程更好

展望未來(lái)，數據中心運營(yíng)商正在把成功的動(dòng)態(tài)散熱優(yōu)化技術(shù)擴展應用到其他領(lǐng)域。一般來(lái)說(shuō)，在注入機器學(xué)習已經(jīng)成熟的領(lǐng)域中，人們也比較熟悉其需要重復性任務(wù)的流程。

Ascierto說(shuō)：“數據中心新的基于機器學(xué)習的方法最有可能應用于現有的業(yè)務(wù)流程，因為機器學(xué)習在全面理解業(yè)務(wù)問(wèn)題和規則時(shí)是最有效的。”

當然，企業(yè)現在也有監測工具。長(cháng)期可用的數據中心基礎設施管理（DCIM）軟件能夠讓人們深入了解數據中心資產(chǎn)、相互依賴(lài)性、性能和容量。DCIM軟件處理的功能包括遠程設備監測、供電和環(huán)境監測、IT資產(chǎn)管理、數據管理和報告等。企業(yè)使用DCIM軟件來(lái)簡(jiǎn)化容量規劃和資源分配，并確保盡可能有效地使用電源、設備和機房空間。

Ascierto說(shuō)：“如果你有基本的監測和資產(chǎn)管理機制，那么你的容量預測能力會(huì )大幅度提高。人們現在正在使用自己的數據開(kāi)展這方面的工作。”

下一步：向DCIM混合軟件添加外部數據。這就是機器學(xué)習發(fā)揮關(guān)鍵作用的地方。

數據中心管理即服務(wù)，也就是DMaaS，是基于DCIM軟件的服務(wù)。但它不是DCIM軟件簡(jiǎn)單的SaaS交付版本。DMaaS進(jìn)一步收集數據，匯集多個(gè)數據中心的設備和設施數據。然后，使用機器學(xué)習對數據進(jìn)行匿名化和匯總處理，并進(jìn)行大規模分析。

DMaaS市場(chǎng)的兩家早期參與者是施耐德和伊頓公司。這兩家供應商利用其數據中心多年的經(jīng)驗挖掘出大量數據，其中包括設計和建造數據中心、樓宇管理、配電，以及供電和散熱服務(wù)等。

Ascierto說(shuō)：“施耐德和伊頓正在從事的工作將帶來(lái)巨大的變化，也就是擁有大量客戶(hù)數據的數據湖。這對數據中心部門(mén)來(lái)說(shuō)非常有趣。”

這些數據來(lái)自各種客戶(hù)的各種操作環(huán)境，因此獲得這些數據后，企業(yè)能夠把自己數據中心的性能與全球基準性能進(jìn)行比較。例如，施耐德被稱(chēng)為EcoStruxure IT的DMaaS產(chǎn)品，與含有500多名客戶(hù)和220萬(wàn)個(gè)傳感器的基準數據的數據湖相關(guān)聯(lián)。

Ascierto說(shuō)：“企業(yè)不僅可以使用自己的數據來(lái)理解和解決這些問(wèn)題，而且還可以使用數千個(gè)其他設施的數據，包括許多與你的企業(yè)非常相似的設施的數據。這就是最大的不同。”

例如，預測性和預防性維護受益于深度智能。Ascierto說(shuō)：“基于其他機器——這些機器運行在類(lèi)似的使用環(huán)境中，有類(lèi)似的使用情況、類(lèi)似的壽命，以及類(lèi)似的組件，人工智能能夠預測哪里會(huì )出現問(wèn)題。”

場(chǎng)景規劃是另一種能夠從機器學(xué)習受益的流程。例如，企業(yè)現在進(jìn)行場(chǎng)景規劃，估算設備移動(dòng)對功耗的影響。Ascierto說(shuō)：“沒(méi)有機器學(xué)習也能做這項工作。但是，把機器學(xué)習數據和歷史數據應用到具體的配置和不同的設計中——能夠確定某一配置或者設計結果的能力會(huì )大幅度提升。”

風(fēng)險分析和風(fēng)險緩解計劃也將受益于更深入的分析。Ascierto說(shuō)：“數據中心現在實(shí)在太復雜了，而且規模如此龐大，以至于人類(lèi)很難找到模式，但對于機器來(lái)說(shuō)這非常簡(jiǎn)單。”

未來(lái)，機器學(xué)習在數據中心的廣泛應用將使得企業(yè)擁有更強的深度分析能力，更好地決定在哪里運行哪些工作負載。Ascierto說(shuō)：“這對企業(yè)來(lái)說(shuō)是非常有價(jià)值的，尤其是如果他們圍繞最佳執行場(chǎng)所做決定的時(shí)候。這一應用程序應該運行在這個(gè)數據中心嗎？或者我們應該使用托管數據中心？”

展望未來(lái)，智能系統可以承擔更復雜的任務(wù)，使數據中心能夠根據在哪里運行最有效或者最可靠來(lái)動(dòng)態(tài)地調整工作負載。Carlini說(shuō)：“復雜的人工智能對未來(lái)還是有一些影響的。”

同時(shí)，對于初創(chuàng )企業(yè)，他強調了設施部門(mén)和IT部門(mén)加強合作的重要性。

Carlini說(shuō)：“最重要的是要全面考慮數據中心的所有領(lǐng)域——供電、散熱和IT機房。”業(yè)界正在努力確保不同領(lǐng)域技術(shù)之間的互操作性。企業(yè)在人員配備方面也需要這樣做。

他說(shuō)：“從技術(shù)上說(shuō)，這變得越來(lái)越簡(jiǎn)單，但在部門(mén)間，還是有孤島。”