人工智能技術在云計算中的應用探討

耿 燕，鄔 宏

（吉林吉大通信設計院股份有限公司，吉林 長春 130012）

0 引 言

云計算技術水平的不斷提升，應用場景的不斷拓展，為經濟社會運行模式的變革提供了堅實的技術支撐，也對人工智能技術等應用優化提出了更高的要求。解決具體應用場景，分析人工智能技術在云計算系統中的具體應用形式，推動技術應用不斷變革，提升云計算系統運行水平，能夠在推動云計算快速發展的同時，切實將其效能充分發揮出來。

1 人工智能與云計算的認識

1.1 人工智能的概念

人工智能技術的產生最早可以追溯至20世紀70年代，作為計算機學科的重要分支，取得快速發展，在理論與實踐方面已經成為獨立的學科體系。就本質上而言，人工智能是利用計算機來模擬人類思維過程和智能行為的學科，能夠推動計算機實現更高層次的應用。但是在實際應用中，人工智能已經覆蓋人文科學和自然科學的多個門類，應用范圍遠超出計算機科學范疇[1]。人工智能的應用是以大數據技術和云計算技術為基礎，基于海量數據實現人工智能的自主學習和智能分析，是人工智能應用的基本形式。人工智能技術的高效應用是以云計算作為主要實現載體，由此使得人工智能與云計算在多個流程和多個方面都具有重疊性，根據生產運營場景優化人工智能與云計算的融合形式，是當前相關方面研究的重點內容之一。

1.2 云計算的概念

云計算同樣是在計算機網絡技術高速發展背景下產生的新型概念，基本運行方式是利用網絡云將海量數據處理分解成無數個小程序，利用多個服務器完成小程序的處理分析，并將結果反饋至中樞系統。從運行方式上看，屬于分布式計算[2]。云計算的出現和應用是以計算機廣泛分布、數據海量增加以及處理效率要求不斷提升為驅動。在云計算技術高速發展背景下，分布式計算已經與效用計算、負載均衡、并行計算及網絡存儲深度融合，形成混合式演進和應用體系。新型體系的高效穩定運行使得傳統運算方式已經無法滿足系統硬件運行和數據處理要求，依托人工智能技術對系統運行方式進行優化，確保系統運行性能充分發揮，提升系統運行效率，是云計算應用發展的主要方向。在實際應用中，云計算服務層次構建如圖1所示。

圖1 云計算服務層次

1.3 人工智能與云計算的關聯

雖然人工智能與云計算在技術和應用層面都具有較強的關聯性，但是對關聯性的認識依然不夠深入。從人工智能視角出發，云計算的應用可以被認為是技術應用發展的重要分支，人工智能的出現和發展是以計算機為載體解決應用問題的重要形式，將其應用于云計算體系的不同環節，能夠切實推動人工智能技術應用范圍的拓展；從云計算視角出發，人工智能技術的合理應用能夠為云計算運行方式變革、程序處理方式優化以及效率提升奠定堅實基礎，云計算未來的發展離不開人工智能的有效支撐。從二者的關聯載體出發，都與大數據有密不可分的關系，人工智能的學習、智能算法選擇、智能化處理流程等都離不開海量數據支撐。云計算模式的出現，本身就是解決海量數據存儲和處理的重要方式，數據量越大，云計算的支撐作用越明顯。以此可以看出，人工智能與云計算具有多重關聯，在實際應用中，應當結合實際對人工智能技術應用方式和云計算運行體系進行優化，以此才能夠確保所有技術應用效能充分體現出來。

2 人工智能技術在云計算中的應用形式

2.1 在云計算數據中心能量管理中的應用

2.1.1 在機房能量管理與優化中的應用

數據中心機房是云計算系統的核心部分，東數西算國家戰略的實施更加凸顯數據中心建設和運行管理的重要性。在云計算數據中心機房系統運行中，能量管理與優化不僅是控制能量消耗的基本要求，更是確保設備安全穩定運行的基本保障。機房能耗管理的核心是溫度特性和制冷模式優化。制冷系統運行效率受制冷方式、機房布局及熱量流動方向等多方面因素影響，同時要考慮各種輔助設備的整體能耗控制要求[3,4]。傳統控制方式中，主要是以線性規劃為基礎的自動化控制為主，系統監測效率較為低下，在某些運行環境出現變化時，還會出現誤操作現象，由此對系統運行安全產生影響。基于人工智能技術的應用全面采集所有設備運行數據，利用深度學習搭建人工智能控制系統，優化控制策略，能夠根據設備運行功率及外部環境變化數據，由系統自行選擇最為優化的控制方式，避免服務器運行出現溫度超閾值現象，合理控制設備運行功耗，實現機房能量的管理優化。

2.1.2 在IT設備能量管理與優化中的應用

云計算數據中心運行需要服務器、安全設備及網絡設備等多種類型設備為支撐，設備運行需要消耗大量的電力能源，尤其是服務器設備，占到總體能耗的60%以上，因此需做好互聯網技術（Internet Technology，IT）設備能量管理與優化，達到良好的節能降耗效果。利用人工智能技術分析IT設備的運行特征，結合動態電壓頻率調整技術和動態功率開關技術，根據網絡設備運行流量的變動特征和設備處理性能等參數合理分配系統流量，對于較為活躍的端口，及時進行流量優化分配，對于不活躍的設備，則及時調整至休眠狀態，以此能夠達到系統運行優化的目的。同時，在相關技術應用和管理中，已經開始提出基于中央處理器（Central Processing Unit，CPU）和新型硬件的聯合優化思路，通過人工智能的高效介入，能夠更好地對單服務器資源進行分隔優化，提升數據中心運行效能。

2.2 在云計算資源分配中的應用

2.2.1 算法選擇與云計算資源模型構建

云計算在工業生產管理和商業管理體系中具有較為廣泛的應用。在云計算系統運行中，資源調度是系統運行效率的關鍵性因素，利用人工智能技術創建以成本和時間為共同約束條件的資源調度模型，能夠確保資源調度達到最優化狀況。以蝙蝠算法（Bat Algorithm，BA）應用為例，該算法能夠實現對生產和商業運行體系中障礙物的有效探測，以可行解適應度函數值優劣衡量個體位置的優劣度，從而選擇最為優化的解決方案。資源模型構建的基礎是設定BA算法運行所需要的蝙蝠頻率、范圍、對應波長、蝙蝠響應時長以及脈沖頻率等，先在局部實現最優解，進而實現每只蝙蝠全新位置的產生。在進行資源調度時，云計算系統根據虛擬節點的完成時間、網絡費用等要求，在多重解中尋找到最小值。

2.2.2 云計算資源分配的實現

以谷歌公司的MapReduce調度機制為例，該調度機制將大規模并行任務分解為多個子任務，依照最大化并行、任務關聯小的原則實現資源的合理分配。蝙蝠算法任務調度處理首先需要對任務進行劃分，對蝙蝠個體進行編碼，實現蝙蝠個體與任務分配策略的對應。資源調度框架的設置是在對目標對象行為信息收集和上傳后，利用用戶提交任務和行為結果進行歷史數據的統計分析，通過分析結果得出規律，并對不同行為類別進行單獨編碼，由云計算綜合控制中心得出最優化策略，實現資源的動態分配。

在具體的計算過程中，系統在接收任務后，先生成蝙蝠種群子任務，在數據庫中搜索相關的參數和系數，計算當前任務的優先權，對優先權進行降序排列，分別賦予對應編碼。選擇局部最優解后，利用隨機飛行產生全新解，直至蝙蝠尋找到最優解為止。

2.2.3 資源分配應用的實現

利用仿真平臺對云計算資源分配模型進行驗證，所有服務器都被賦予不同的CPU頻率，并能夠在頻率資源上下限范圍內變化。通過分析模擬結果可以看出，在虛擬主機數量不斷增加的情形下，系統動態能耗曲線呈平穩上升的趨勢（見圖2），表明人工智能系統作用下，云計算復雜問題解決過程中能夠實現對動態能量的有效控制[5,6]。

圖2 虛擬主機系統動態能耗曲線

將人工智能技術應用云計算資源分配管理，能夠在確保系統運行性能的基礎上提升高耗能虛擬機資源的分配效率，進而降低整體能耗水平。

3 人工智能在云計算中的應用問題及發展

3.1 人工智能在云計算中的應用問題

人工智能技術對云計算發展具有明顯的促進作用，但是受技術發展水平和應用場景限制，在實際應用中還存在多方面問題。首先是人工智能算法水平還有待提升，當前多數人工智能算法設計依然是以模仿人類智能為主，機器學習對算法結果依然會產生明顯影響，同一數據庫在選擇不同算法時，所得出的結果存在明顯偏差，這對人工智能應用推廣會產生明顯影響[7]。其次是云計算系統數據處理方式優化不足，無法有效剔除冗余數據會對人工智能技術的應用效果產生影響，如何有效實現人工智能與云計算的高效融合依然是實際應用過程中需要關注的重點問題[8]。最后是人工智能技術在部分應用場景應用不能夠也不允許突破法律和倫理規制，尤其是在涉及個人隱私、社會公眾事件等問題時，需要綜合考慮規制限制，不得出現違法違規行為[9]。

3.2 人工智能與云計算的融合發展

云計算的發展應用對經濟社會的發展具有多方面的促進作用，為生產力發展起到積極促進作用。在云計算系統運行中，離不開人工智能技術的多元支撐[10]。未來，人工智能技術還需要在智能識別和智能處理方面實現優化，依托大數據支撐，實現高效、可靠、精準的識別處理，推動云計算應用形式全方位優化。只有在實現人工智能技術深度發展，真正與人類思考模式相適應的情形下，才能夠實現信息的優化處理，切實體現出云計算效能。此外，在人工智能技術研究中，應當注重符號處理，實現數據與符號的執行，實現信息的精準處理，實現人工智能與云計算的深度融合。

4 結 論

人工智能技術在云計算系統中具有廣泛應用，在未來發展中必然會實現深層次融合。但是這一發展過程需要經歷較為漫長的時間，需要循序漸進、逐步推進。對于相關技術人員，必須要認識到人工智能技術的發展趨勢，以信息資源整合和形式融合為突破點，進一步強化跨領域研究，在智慧工廠、智慧工程以及智慧城市等各個方面實現融合，為經濟社會的發展起到強有力的推動作用。