人工智能和深度學(xué)習(xí)將成為解析和分析數(shù)據(jù)中心內(nèi)生成的數(shù)據(jù)的必要條件，從而提供更有效地管理服務(wù)交付，同時(shí)減少停機(jī)等風(fēng)險(xiǎn)。這源于最近我們?nèi)绾谓桓?a href="http://www.baoxianwx.cn/app/" target="_blank">應(yīng)用程序工作負(fù)載的轉(zhuǎn)變。

 

 

　　在過去十年中，我們從大多數(shù)單服務(wù)器單應(yīng)用程序轉(zhuǎn)移成以容器運(yùn)行的分布式應(yīng)用程序。而現(xiàn)在，這些都是由運(yùn)行在云端的微服務(wù)，以及自動(dòng)化工具管理的云服務(wù)提供的?；A(chǔ)設(shè)施已成為應(yīng)用程序的一部分，而其他應(yīng)用程序已成為基礎(chǔ)設(shè)施的一部分。如果您正在使用像Amazon S3或谷歌地圖這樣的平臺(tái)作為您的服務(wù)交付的一個(gè)組成部分，那么您將親身體驗(yàn)這種轉(zhuǎn)換。

 

　　由此而產(chǎn)生的對(duì)數(shù)據(jù)中心管理造成的影響是顯著的，而電力和制冷只是其中需要關(guān)注的一小部分。環(huán)境控制，物理設(shè)備，虛擬機(jī)和公有云都需要被全天候監(jiān)控和管理，以提高成本和性能。那么，了解何時(shí)何地移動(dòng)特定工作負(fù)載就變得至關(guān)重要了。

 

　　企業(yè)今天收集，監(jiān)測(cè)和分析數(shù)據(jù)都是確保業(yè)務(wù)能夠連續(xù)性的爆發(fā)。他們需要考慮從傳感器、應(yīng)用、門禁系統(tǒng)、配電單元、UPS、發(fā)電機(jī)和太陽能電池板產(chǎn)生的數(shù)據(jù)，添加到外部數(shù)據(jù)源，如應(yīng)用程序漏洞信息，電力費(fèi)率和天氣預(yù)報(bào)。更需要強(qiáng)大的數(shù)據(jù)中心基礎(chǔ)架構(gòu)管理（DCIM）工具來存儲(chǔ)所有這些數(shù)據(jù)，進(jìn)行分析并將其轉(zhuǎn)化為可操作信息。你可以嘗試具體劃分一部分，但是這變得越來越困難。

　　AI和深度學(xué)習(xí)正在成為數(shù)據(jù)中心和關(guān)鍵基礎(chǔ)設(shè)施管理的一部分。以下是一些較為顯著的領(lǐng)域：

 

 

　　活動(dòng)儀表板具有趨勢(shì)、相關(guān)性分析和推薦操作。

 

 

　　深度學(xué)習(xí)用于識(shí)別和關(guān)聯(lián)預(yù)測(cè)電源、存儲(chǔ)或網(wǎng)絡(luò)連接故障的數(shù)據(jù)。這樣，在進(jìn)行維護(hù)的同時(shí)，運(yùn)營商可以動(dòng)員并主動(dòng)將工作負(fù)載移至更安全的區(qū)域。

 

 

　　機(jī)器學(xué)習(xí)用于追蹤幾個(gè)服務(wù)故障的根本原因。這被學(xué)習(xí)并用于將來的預(yù)防性維護(hù)。

 

　　機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)用于在應(yīng)用傳感器、訪問控制系統(tǒng)和網(wǎng)絡(luò)系統(tǒng)中發(fā)現(xiàn)異常模式，并提供更好的信噪比和主動(dòng)緩解的措施。學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)用于不斷提高企業(yè)的安全態(tài)勢(shì)和管理相關(guān)問題的能力。

 

 

　　“窄定義AI” 配備各種自動(dòng)緩解技術(shù)，并產(chǎn)生類似于汽車在看到即將碰撞時(shí)剎車的動(dòng)作。

 

　　深度神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法將隨著時(shí)間的推移而改善，從而實(shí)現(xiàn)更高的效率和性能，以配合快速增長的應(yīng)用程序工作負(fù)載。

 

　　隨著這一切的誕生與發(fā)展，毫無疑問，未來AI將對(duì)企業(yè)如何管理數(shù)據(jù)中心產(chǎn)生十分巨大的影響。