人工智能将在数据中心运营中扮演更重要的角色

随着企业开始采用经过数据中心大运营商和托管服务提供商试用和测试过的机器学习技术，人工智能将在数据中心运营中扮演更重要的角色。

目前的混合计算环境通常涉及到本地数据中心、云和托管站点，以及边缘计算部署。企业发现管理数据中心的传统方法并不是最优的。通过使用人工智能，正如机器学习所展示的那样，极有可能简化复杂计算设施的管理。

目前，人工智能在数据中心的应用主要是围绕使用机器学习来监测设施组件，并进行自动管理，例如电源和配电单元、散热基础设施、机架系统和物理安全等。

在数据中心设施内部，有越来越多的传感器收集来自包括电源备份（UPS）、配电装置、开关设备和冷水机组在内的设备的数据。关于这些设备及其环境的数据由机器学习算法进行解读，这些算法深度分析性能和容量，并确定适当的响应，例如更改设置或者发送警报等。随着条件的变化，机器学习系统从变化中学习——它实际上是被训练为自我调整，而不是依赖于具体的编程指令来执行其任务。

其目的是使数据中心运营商能够提高设施的可靠性和效率，并有可能更自主地运行这些设施。然而，获取数据并不是一项简单的任务。

施耐德电气公司数据中心全球解决方案高级主管Steve Carlini说，基本需求是获取来自主要组件的实时数据。也就是那些冷水机组、冷却塔、通风机、风扇等组件的实时数据。在IT设备方面，它意味着服务器利用率、温度和功耗等指标。

Carlini说：“很难对数据中心进行评价。数据中心与配电和散热有关的连接点是非常多的，如果企业想尝试人工智能，就需要获得这些连接点的数据。”

IT专业人员习惯于设备监测和实时报警，但在机房设施方面并非如此。Carlini说：“IT设备对信息的要求是即时的。而在电力系统中，不是即时的。其环境不同。”

过去不到十年的时间里，第一个数据中心已经完全仪表化了，用仪表来监测供电和散热。在仪表存在的地方，很难进行标准化：数据中心运营商依赖于采用多种通信协议的楼宇管理系统——从Modbus和BACnet到LONworks和Niagara，并且必须兼容不共享数据或者不能通过远程控制进行操作的设备。Carlini说：“TCP/IP、以太网连接——这类连接在传动系统和散热领域是前所未闻的。”

好消息是数据中心监测正朝着高级分析和机器学习所需的深度发展。Carlini说：“服务提供商和托管提供商一直非常擅长在子架级或者机架级进行监测，以及对能源使用情况的监测。企业开始部署它，这取决于数据中心的规模。”

机器学习让数据中心保持凉爽

2016年，德尔塔航空公司由于电力系统故障导致数据中心停电，三天时间内停飞了大约2000次航班，使该航空公司损失了1.5亿美元。这正是基于机器学习的自动管理功能可以避免的应用场景。由于数据中心性能的进步以及云中数据池的出现，智能系统有可能发现数据中心运营中的漏洞，从而提高效率，而这是手动过程做不到的。

机器学习推动的智能应用的一个简单例子是基于状态的维护，它应用于数据中心中的消耗品，例如，冷却过滤器等。Carlini说，通过监测流过多个过滤器的空气流量，智能系统可以检测到一些过滤器是否比其他过滤器更容易堵塞，然后把空气引导到不容易堵塞的单元中，直到需要更换所有过滤器为止。

另一个例子是监测UPS系统中电池的温度和放电情况。智能系统能够发现一个UPS系统运行的环境更热一些，并且可能比其他系统更频繁地放电，然后会将其指定为备份UPS，而不是主用UPS。Carlini说：“它站在你的角度为你思考。这可以手动完成，但机器也可以做到。这是最基本的。”

层次更高的应用是动态散热优化，这是当今数据中心机器学习更常见的例子之一，尤其是对于数据中心大运营商和托管提供商。

通过动态散热优化，数据中心管理人员可以根据环境条件监测并控制机房的散热基础设施。当设备移动或者计算流量出现激增时，建筑物内的热负荷也会发生变化。动态调节散热输出，以转移热负荷，这有助于避免不必要的散热能力并降低运行成本。

451 Research公司的数据中心技术和生态效率IT渠道研究总监Rhonda Ascierto评论说，托管服务提供商是动态散热优化技术的主要采用者。Ascierto说：“机器学习对数据中心来说并不陌生。长期以来，人们一直想根据容量和需求来更好地进行适当的散热，而机器学习使您能够实时地完成这项工作。”

Vigilent是动态散热优化领域的领导者。其技术用于优化数据中心设施中的空气流，自动发现并消除热点。

Vigilent的创始人、总裁兼首席技术官Cliff Federspiel说，数据中心运营商运行的散热设备往往比实际需要的多。“它产生的温度分布通常还是能接受的，但代价很高。”

如果有一个热点，典型的反应是进一步提高散热能力。在现实中，如果空气流速过快会产生压力差，干扰设备上的空气流，或者阻碍热空气返回到散热设备。尽管这与我们的直觉不符，但能更有效地降低风扇速度。