數據中心的人工智能管理與運維

韓春英

摘要：如今，企業比以往更加意識到智能、互聯和數據驅動型業務戰略的益處。顯而易見的是，大數據、物聯網、自動化和機器學習正在改變人們的工作方式，人工智能則是這一趨勢的下一個階段。盡管人們對于人工智能的定義有著激烈的爭議，但其含義是顯而易見的，就是執行一些需要人類判斷的過程和任務，能夠根據以前發生的事情進行判斷的機器來代替人類。然而要做到這一點，需要大量的計算能力。例如，遠程跟蹤汽車維護信息所需的基礎設施，需要將數據傳輸到集中式系統，對本身可能位于云端的程序執行數據分析，然后允許人工智能系統提出維護建議或采取行動。

關鍵詞：數據中心;人工智能;運維

前言

隨著科技的發展，AI人工智能在各個行業應用中大放異彩，針對無人值守的數據中心也在逐步嘗試與實踐，由AI進行日常運維和管理。有數據顯示，70%的企業希望在2018年部署AI技術，20%的企業表示將利用AI來做出決策。AI人工智能通過成熟的流程機制、廣泛的培訓和龐大的測試集，以及數據投入生產之前的多次驗證，可以對數據中心日常的運維和管理進行實時高效的管控。目前AI人工智能在無人值守數據中心的應用還處于早期發展階段，還需要在AI應用算法、算力、神經網絡系統建設等方面不斷優化和提升。如今，企業比以往更加意識到智能、互聯和數據驅動型業務戰略的益處。顯而易見的是，大數據、物聯網、自動化和機器學習正在改變人們的工作方式，人工智能則是這一趨勢的下一個階段。

一.數據中心人工智能管理的特點與優勢

隨著信息技術（IT）及其應用的不斷發展，數據中心成為了信息化社會的IT基礎設施.作為信息系統的通信中心，運營中心，測試中心和災備中心，承擔著核心業務運營，信息資源服務，關鍵業務計算，數據存儲和備份，確保業務連續性等重要任務.近年來，無論是芯片，架構，系統還是軟件都取得了很大進步，刀片系統，多核技術，虛擬化應用，冷卻技術，智能管理軟件等新技術層出不窮，業務集中，數據集中化已經成為信息化建設的主流趨勢，也是管理集約化的必然要求，是優化業務流程的必要手段.數據中心是整個信息化的核心.因此，數據中心運維管理問題越來越得到業內的廣泛重視。

隨著對數據中心管理與運維的要求越來越高，數據中心管理運維系統的集成與建設也變得越來越復雜。原有數據中心管理運維通常采用數據中心環境監測系統來輔助完成，一直以來環境監控系統只對檢測設備的運行數據進行采集和集中顯示，并不參與或少量參與設備的配置與自動控制工作。僅僅是為運維管理者提供編制配置策略的依據和數據支撐，配置策略的定制也停留在人工模式階段。整個管理運維系統功能實現還停留在所謂的只監不控的階段。

隨著人工智能，神經網絡的不斷普及，人工智能作為探索尋找最優管理與運維策略的工具，將使得數據中心錯綜復雜的機電設備聯動，協同變得更容易實現。

在實際工作運用中，人工智能對數據中心環境控制的場景這并不是很難做到的事情，據相關資料顯示，前幾年的谷歌數據中心就己經開始逐步部署基于人工智能和深度計算的一套智能環境推薦系統。通過對環境數據的采集，后臺分析，自動配置各個設備的運行策略，從而優化數據中心的能效，使其節約能源，減少二氧化碳的排放，幫助緩解全球氣候變化。

相對傳統的環境監控系統，基于人工智能的數據中心管理與運維系統的優勢在于可以實現自動控制數據中心各個機電設備，并可實現局部微調和精細化控制。而不是如傳統系統一樣，由數據中心的專家根據環境監控系統收集的信息與參數，人工指定調整策略，再由操作人員人工去執行一系列調整動作。人工智能系統可以基于云架構，從而可以實現對多個異地數據中心提供個性化的配置與服務。

二.數據中心人工智能控制的核心與手動機制

基于人工智能的數據中心管理與運維系統的核心通常是一套基于云平臺架構的軟硬件模組成，核心硬件設備包含多臺高性能服務器，軟件包括人工智能分析和神經網絡計算等應用。系統通過定期的從前端傳感器收集數據信息，并輸入深層的神經網絡系統中，預測潛在的不同策略組合，分析未來能源利用與消耗的趨勢。人工智能應用從這策略路徑中選擇最小能耗，最優且安全的策略，并將相關操作流程發送回數據中心。由數據中心將相關操作流程下發到各個工作終端執行相關操作。所有操作在執行操作流程前，由各個執行模塊的本地控制系統進行安全的系統驗證，然后在實施與執行，這一切都是自動實現的。

整個人工智能管理系統也包括手動控制機制。由于神經網絡系統計算出的每個策略都具有一定的不確定性，人工智能負責對每個策略進行評估，篩選出不確定性與風險性最小的策略路徑。同時當核心云平臺，將一系列指令發送到物理控制中心的時候，本地控制系統將會根據自己策略安全約束機制進行二次校驗。從而保證策略執行不會導致突破本地安全約束，并且操作員通過各地的權限可以進行人工干預與審核。在需要退出人工智能控制模式條件下，控制系統將從人工智能控制無縫換到當前定義的傳統自動化控制與人工控制狀態。

系統建設初期，人工操作員會從事大量的審查和人工干預事件，這些干預與操作在傳統系統的日常管理中沒有太大差別。但隨著時間的推移，樣本學習數量不斷的增加，改進與性能比逐步減少。人工干預的次數也越來越少，系統自動化機制的服務范圍也越來越大。事實證明，人工智能與神經網絡系統去實現類似人工智能的數據中心節能方式是可行的。

結束語：

從長遠來看，直接由人工智能對機電設備進行控制尤其是能耗設備進行控制，可以不斷的節約能源，讓數據中心的運營成本逐漸降低。人工智能系統正在讓數據中心成為智能的數據中心，一個會自我管理的自治數據中心，具備實施監控，自我優化和改善運營的能力。智能建筑中的人工智能系統，數據中心只是一個開端，大規模的建筑樓宇自控系統才是發揮它的舞臺。

參考文獻：

[1]鄭佩洪.高速公路數據中心機房管理現狀與展望[J].公路交通科技（應用技術版），2019，15（04）：316-318.

[2]趙佳釤，李坤倫，徐江，李院春.機房溫濕度智能監測預警系統的實現[J].電子技術與軟件工程，2019（13）：149-150.