人工智能如何服务数据中心管理

人们认为目前正在进行一场革命性的变革浪潮，而且正在改变企业向客户和企业提供服务的方式。然而，诸如此类的报告并不总是准确的。例如，人工智能（AI）和机器学习（ML）正在推动数据中心的变革。

调研机构Gartner公司发布的名为《数据中心即将消亡，数字基础设施出现》的调查报告表明，到2025年，80%的企业将关闭其传统的数据中心。而目前仅有10%的企业关闭。该报告于2018年4月发布，并表示传统的数据中心将专用于其他地方无法支持的非常具体的服务。

报告还指出，随着互连服务、云计算、物联网（IoT）、边缘计算、SaaS产品继续激增，企业保留传统数据中心拓扑结构具有的优势有限。

这份报告表明，人们认为目前正在进行一场革命性的变革浪潮，而且正在改变企业向客户和企业提供服务的方式。然而，诸如此类的报告并不总是准确的。例如，人工智能（AI）和机器学习（ML）正在推动数据中心的变革。那么，他们不仅会推动数据中心管理，而且还会将数据中心从将会消亡的预测中拯救出来吗？

时尚行业和计算机行业的相似之处

在人们看来，很容易在时尚行业和计算机行业之间划清界限。虽然每年都会推出一些新事物，并从根本上改变一切（或者他们希望如此）。这至少是供应商想要发生的事情。如果不符合当前的趋势，它们会增加失败的可能性。然而，许多企业陷入了困境。

很多行业专家对行业和技术发展进行预测，并得出结论：虽然大多数预测都已经实现，但它们发生的时间比预期的要晚得多。它们也产生了比预期更大的影响。同样，客户经常被告知一些技术已经消亡。这有点像预测磁带已经消亡，或者无纸办公室即将到来一样。

IT行业似乎从来没有摆脱过极端的激情，那么，人们该如何看待Gartner公司的预测呢？尽管看起来完全不切实际，但数据中心仍继续存在。而在专家看来，数据中心将永远存在，因为在整个行业所见证的所有变化中，它们一直是计算技术的基石：如计算、客户机-服务器拓扑、互联网、个人电脑革命，以及业务向云端的迁移。还有其他的技术，其中包括磁带。

因此从表面上看，Gartner公司的报告很容易被驳回。但是，考虑到一些严重依赖IT功能的技术，以及用户对IT的期望。IT行业倾向于关注速度和馈送开发，以满足不断增加的缩短响应时间的需求。采用更快的CPU、更快的紧密耦合内存和I/O、固态磁盘，而自动驾驶车辆、物联网、人工智能、机器学习将成为数据海啸。

数据重点

对数据的重视将在未来定义IT基础设施。传统上，人们使用数据作为达到目的的手段进行计算和处理，然后得到结果。数据将被分类为访问和保留成本层。

上面一层用于紧密耦合的高速、高成本、低延迟存储，存档数据可能位于完全不同的低成本解决方案中。然而，在行业中，人们看到了数据是如何被感知和使用的。在某些情况下，数据作为一种商品被售卖，其交付方式非常类似于传统的制造过程。流媒体播放和音乐公司就是一个很好的例子。

在后期制作和数字化之后，Netflix、亚马逊和Spotify就像传统的产品制造商一样，将他们的数据和产品存储在云端。然后将它们运送到客户的边缘。对于Netflix公司，边缘在本地互联网服务提供商（ISP）购买后即可使用。因此，这相当于为数据交付优化的简单“即付即用”体系结构。

不同的要求

物联网（IOT）、自主驾驶车辆提供了另一个例子。企业也可以投入到智慧城市，以获得良好的衡量。它们有非常不同的数据和计算要求，这些设备发出的数据以状态信息的形式存在，在许多情况下，例如控制工业过程，其中一些状态数据是可操作的。根据数据的即时性，对如何以及何时处理该数据的考虑因素有所不同。

这就引出了这样的问题：在云中可以做到这一点吗？或者延迟和紧迫性是否需要边缘附近的小型计算功能，例如大型炼油厂。当必须跨多个物联网设备做出决定，以及当有阻塞的通信链接返回到云端时，事情很容易失控。同样重要的是，所有的历史数据都需要流回一个点，在这个点上它可以采用人工智能和机器学习进行处理。

考虑联网车辆和智能城市共同管理交通流量和阻塞。他们需要一些强大的计算能力和存储能力来收集潜在的数万台设备的所有数据，如汽车、摄像头、交通流量监视器以及与应急服务的互动。这将需要双向的流量，其中信息和娱乐数据被传递到车辆。如果人们能将应急服务车辆和交通管理系统连接起来，以便在拥挤的城市中更快地通行。

定义基础设施

那么，这些需求是如何定义基础设施的呢？传统上，需要一个庞大的数据中心来处理。而这需要一种更为动态的方法，在这种方法中，可以根据需要自动增加或减少额外的资源，例如在紧急情况下。

另一个变化很大的方面是不断增长的计算功能。几年前，手机只能存储电话号码和短信。如今，每个智能手机都拥有令人难以置信的存储和计算功能。

然而，人们正在构建越来越多的应用程序，客户将要求他们的设备具有更高的复杂性，例如测量员将平板电脑监测土壤结构，或者医护人员在救护车中扫描患者，并使用人工智能诊断症状或评估他们的伤害。为了满足这种额外的计算需求，在边缘或云计算的一种补充计算功能的形式连接到用户的辅助计算功能形式。将来，每个人都将拥有自己的个人小型计算和存储设备，随时随地跟随他们自动迁移到最近的访问点。

数据方程

人们所做的一切都创造了越来越多的数据。反过来，作为企业和消费者，人们将消耗越来越多的数据。无论是进出云平台、数据中心还是边缘计算，移动这些不断增长的数据都是非常痛苦的。这种痛苦来自于网络对于正在移动的数据量来说并不够快的事实。无论在这个问题上投入多少带宽，一旦达到两位数毫秒的延迟，在没有使用广域网（WAN）数据加速解决方案来减轻延迟和数据包丢失的影响的情况下，广域网（WAN）性能将几乎没有改善。

那么，数据中心的未来是什么？一切业务都会迁移到云，是因为它更便宜吗？情况并非总是如此。当企业明智地使用云平台时，采用云计算将会非常经济有效，但它不是解决数据中心所有问题的灵丹妙药。毫无疑问，人们使用、操纵和存储数据的方式发生了巨大变化。然而，数据中心的作用将随着IT其他方面的发展而发展。以磁带为例，从在线存储到近线存储、备份到归档，数据中心技术也将随之发展。

数据中心将保留一些关键功能：其中一个功能将包含延迟关键数据库。有一些公司在云计算中查找数据库时遇到了不良响应（以及最终用户投诉），这些数据库迫使他们迁移回数据中心。然而，由于未来需要高度灵活的分布式数据和计算需求，数据中心将转变为指挥和控制功能。

实现灵活性

为了达到这种灵活性，必须摆脱现有的人工操作方法。现在是使用人工智能（AI）和机器学习（ML）来提供高水平的自动化抽象来创建灵活的动态基础设施的时候了。

移动数据对于在需要时将数据放在所需位置的能力至关重要。传统上，广域网（WAN）优化被用来提高远距离的数据吞吐量，但这种技术具有严格的带宽限制。为了在高速网络上尽可能放大数据的功能，需要使用人工智能和机器学习的广域网数据加速解决方案，如PORTrockIT。

Dell EMC公司人工智能战略技术专家Tabet表示，他认为数据中心管理人员应采用人工智能来找到优化数据中心基础设施的更好方法。Aera科技公司创始人兼CTO Shariq Mansoor补充道：“没有人工智能，几乎不可能运营有利可图的数据中心。因此可以说，人工智能和机器学习是推动数据中心向前发展所必需的技术。”

他说，“有了它们，就可以管理数据流，并提高数据速度——即使使用原有架构也是如此。有鉴于此，全球业务数据中心可能会发生变化，但它仍有发展的未来。”

责任编辑：ct