作者 | CDA數(shù)據(jù)分析師

1、前言

大數(shù)據(jù)革命引發(fā)了數(shù)據(jù)中心的爆炸式增長，這些中心正在以越來越高的速率消耗能源。本文回顧了兩種提高數(shù)據(jù)中心效率的標(biāo)準(zhǔn)方法，并認(rèn)為第三種方法-機(jī)器學(xué)習(xí)-是最佳解決方案。

天網(wǎng)，VIKI和HAL 9000就是一些具有機(jī)器學(xué)習(xí)功能的AI的例子。創(chuàng)建它們的目的是解決對人類而言過于復(fù)雜的問題，并通過神經(jīng)網(wǎng)絡(luò)對其進(jìn)行控制，以提高效率，安全性和成功率。當(dāng)然，電影需要對立面，因此這些AI奇跡給了不利的黑暗面——但是這種復(fù)雜的機(jī)器學(xué)習(xí)是真實的并且已經(jīng)成功實現(xiàn)。

自2000年代以來，數(shù)據(jù)中心已經(jīng)激增。一個大型電子商務(wù)服務(wù)數(shù)據(jù)中心僅用幾個19英寸機(jī)架來部署所需的服務(wù)器，存儲器，以及網(wǎng)絡(luò)設(shè)備。如今，超大型數(shù)據(jù)中心成千上萬的硬件設(shè)備部署在數(shù)千個機(jī)架上。它們源自本地辦公室的小型服務(wù)器，現(xiàn)已發(fā)展成為超大型設(shè)施，以維護(hù)我們的物聯(lián)網(wǎng)和所有相關(guān)數(shù)據(jù)。美國人使用的數(shù)據(jù)，流程，連接性和存儲量需要大量電力，這意味著數(shù)據(jù)中心是主要的能源消耗者。占全國年用電量2%的行業(yè)和政府專家正致力于提高效率，因為預(yù)計數(shù)據(jù)中心的需求將會增加。

目前，解決此問題的方案主要有兩個方面：

• 他們必須使舊的數(shù)據(jù)中心盡可能高效
• 他們必須建立更高效，更大的數(shù)據(jù)中心

但是，它并沒有確定解決此困難的解決方案。而真正的解決方案在于實現(xiàn)機(jī)器學(xué)習(xí)系統(tǒng)。通過它們的過程，可以減少數(shù)據(jù)中心的能耗，并使其效率比以前更高。如今，部署依賴于機(jī)器學(xué)習(xí)的工具的數(shù)據(jù)中心運營商正在從效率和可靠性方面獲得最初的收益，但他們才剛剛開始摸索機(jī)器學(xué)習(xí)將對數(shù)據(jù)中心管理產(chǎn)生的全部影響。

機(jī)器學(xué)習(xí)是人工智能的子集，有望優(yōu)化未來數(shù)據(jù)中心運營的各個方面，包括計劃和設(shè)計，管理IT工作負(fù)載，確保正常運行時間以及控制成本。IDC預(yù)測，到2022年，由于具有嵌入式AI功能，數(shù)據(jù)中心中50％的IT資產(chǎn)將能夠自主運行。

2、數(shù)據(jù)中心能耗

容納大量服務(wù)器場的大型，不起眼的容納器慢慢地在美國興起。這是全球性現(xiàn)象，因為數(shù)據(jù)和信息都以數(shù)字方式存儲，因此需要空間。由于節(jié)省了大量資金，我們對人類的模式和趨勢有了更復(fù)雜的了解。不幸的是，將數(shù)據(jù)存儲在服務(wù)器中并不像一個庫。他們需要恒定的功率來產(chǎn)生熱量，并且熱量需要被冷卻，從而消耗更多的能量。

2014年，僅美國數(shù)據(jù)中心就使用了約700億度電，從這個角度來看，1 kWh將使智能手機(jī)充電一年。需要能源以保持?jǐn)?shù)據(jù)中心24/7全天候運行，使用大量的冷卻系統(tǒng)進(jìn)行冷卻以及在緊急情況下維持冗余電源。也就是說每年維護(hù)在大約七十億美元，能源成本影響著每一個人。消費者，數(shù)據(jù)庫提供者和環(huán)境都感受到了如此大量能源消耗的后果，但我們的利用率沒有絲毫放緩的跡象。因此，利用和能源效率是適應(yīng)的主要目標(biāo)。

圖1：數(shù)據(jù)中心的用電量（十億千瓦時/年）

美國至少有300萬個數(shù)據(jù)中心，足以容納該國每100個人中的一個。數(shù)據(jù)中心的增長非常復(fù)雜，大多數(shù)服務(wù)器和相關(guān)設(shè)備都是在2000年至2010年期間購買的。但是，隨著服務(wù)器空間使用效率的提高和對大型數(shù)據(jù)中心的依賴性增加，統(tǒng)計數(shù)據(jù)表明存儲量將適應(yīng)而不是增加。

3、能源效率，更好的建筑計劃和機(jī)器學(xué)習(xí)

有些人可能認(rèn)為辦公服務(wù)器比新的超大規(guī)模數(shù)據(jù)中心更有效率?；蛟谄仆羷庸げ⒉槐匾靥蕴鼈冎?，應(yīng)使用較舊的就地數(shù)據(jù)中心。這些想法有邏輯上的支持，獨立服務(wù)器由其所有者處理，并且回收而不是更換，但是它們實際上并不起作用?，F(xiàn)場服務(wù)器需要數(shù)據(jù)中心做的所有事情，因此公司在自己的服務(wù)器場上花費更多的錢，而不是使用遠(yuǎn)程中心所需的確切空間。而且，較舊的數(shù)據(jù)中心在構(gòu)建時就沒有考慮能源效率，因此，即使是看似新的數(shù)據(jù)中心也可能已過時。

圖2：數(shù)據(jù)中心總用電量（十億千瓦時/年）

美國能源部鼓勵大規(guī)模實施能源效率。他們的“更好的建筑”計劃邀請企業(yè)和數(shù)據(jù)中心減少能耗或使用可再生能源。諸如Google之類的大型科技公司率先采用了這種方式，通過機(jī)器學(xué)習(xí)系統(tǒng)來減少其數(shù)據(jù)中心的能耗。

4、DeepMind –面向數(shù)據(jù)中心和未來的機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是AI的過程，能夠從場景中學(xué)習(xí)并做出反應(yīng)，而不是通過編程的選項做出響應(yīng)。機(jī)器學(xué)習(xí)系統(tǒng)會獲得歷史數(shù)據(jù)，參數(shù)（目標(biāo)），并通過模仿我們自己大腦功能的神經(jīng)網(wǎng)絡(luò)進(jìn)行操作。它們非常適合數(shù)據(jù)中心，這些數(shù)據(jù)中心對于以前的系統(tǒng)和專業(yè)人員來說已經(jīng)變得復(fù)雜起來，無法有效地進(jìn)行管理。數(shù)據(jù)中心每天都會發(fā)生近十億次事件，只有通過直觀的系統(tǒng)才能處理這些事件，以實現(xiàn)最大的可操作性。例如：

• 設(shè)備-設(shè)備/人員-人員的交互對于每個中心和日常事件都是唯一的
• 傳統(tǒng)的系統(tǒng)和人員無法迅速適應(yīng)導(dǎo)致重大能量損失的內(nèi)部/外部微小環(huán)境變化

Google通過輸入DeepMind系統(tǒng)，希望將其能降低和保持40％的能源效率，這是一個通用系統(tǒng)，他們希望廣泛發(fā)布以減少能源使用。Google數(shù)據(jù)中心團(tuán)隊針對某些操作場景對DeepMind進(jìn)行了培訓(xùn)，創(chuàng)建了自適應(yīng)參數(shù)，輸入了歷史數(shù)據(jù)（例如溫度和泵速），并將目標(biāo)定位為未來的電源使用效率（PUE）。PUE實際上是建筑能耗與IT能耗之比；用于衡量能源效率。

當(dāng)部署在Google的數(shù)據(jù)中心時，它可以通過分析難以理解的數(shù)據(jù)集并建議采取的措施來成功地減少能耗。這聽起來與最初提到的AI所承擔(dān)的任務(wù)相差不遠(yuǎn)。幸運的是，科幻小說與科學(xué)之間有清晰的界線。諸如DeepMind之類的系統(tǒng)是一項優(yōu)勢，能夠以人類無法掌握的規(guī)模降低能耗。隨著時間的流逝，更多的系統(tǒng)將實施機(jī)器學(xué)習(xí)，以便它們可以最大限度地提高可操作性，從而為人們節(jié)省金錢，更重要的是，為環(huán)境節(jié)省了資金。

Uptime Institute研究副總裁Rhonda Ascierto說：“這是數(shù)據(jù)中心管理的未來，但我們?nèi)蕴幱谠缙陔A段?！盜DC Cloud to Edge數(shù)據(jù)中心趨勢服務(wù)研究總監(jiān)Jennifer Cooke表示，隨著越來越多的公司采用包含云，托管設(shè)施和內(nèi)部數(shù)據(jù)中心的混合環(huán)境，并且將越來越多地包括邊緣站點，創(chuàng)建更智能的數(shù)據(jù)中心變得越來越重要。

5、機(jī)器學(xué)習(xí)在數(shù)據(jù)中心的應(yīng)用

何為機(jī)器學(xué)習(xí)？簡單來說，機(jī)器學(xué)習(xí)是從例子和經(jīng)驗（即數(shù)據(jù)集）學(xué)習(xí)而不是依賴于硬編碼和預(yù)定義規(guī)則的算法。換句話說，不是開發(fā)者告訴程序如何區(qū)分蘋果和橙子，算法被數(shù)據(jù)“訓(xùn)練”并且自己學(xué)習(xí)如何區(qū)分蘋果和橙子。以下是當(dāng)今數(shù)據(jù)中心管理中機(jī)器學(xué)習(xí)的五個最大用例：

5.1 效率分析

Ascierto說，當(dāng)今的組織正在使用機(jī)器學(xué)習(xí)來提高能源效率，主要是通過監(jiān)視溫度和調(diào)整冷卻系統(tǒng)來實現(xiàn)的。

例如，谷歌在今年早些時候曾發(fā)布，它正在使用AI通過分析21個變量來自動管理和優(yōu)化其數(shù)據(jù)中心的冷卻，例如外部氣溫，數(shù)據(jù)中心的功率負(fù)載以及后方的氣壓。發(fā)出熱氣的服務(wù)器。該公司表示，Google的機(jī)器學(xué)習(xí)算法可實時自動連續(xù)不斷地調(diào)整冷卻裝置的設(shè)置，從而使冷卻每年的能源使用量減少30％。

此外，它可以就設(shè)計或配置數(shù)據(jù)中心的最有效方法（包括IT設(shè)備或工作負(fù)載的最佳物理位置）提出建議。

5.2 能力計劃

機(jī)器學(xué)習(xí)可以幫助IT組織預(yù)測需求，因此它們不會耗盡電力，冷卻，IT資源和空間。例如，如果一家公司正在整合數(shù)據(jù)中心并將應(yīng)用程序和數(shù)據(jù)遷移到中央數(shù)據(jù)中心，則算法可以幫助其確定此舉如何影響該設(shè)施的容量，Ascierto說。

DCIM軟件供應(yīng)商Nlyte Software的首席戰(zhàn)略官Enzo Greco說，容量規(guī)劃是組織建立新數(shù)據(jù)中心的一項重要服務(wù)，該公司最近推出了數(shù)據(jù)中心管理即服（DMaaS）產(chǎn)品，并與IBM Watson合作對其進(jìn)行了集成。將機(jī)器學(xué)習(xí)功能納入其產(chǎn)品。

“您需要使數(shù)據(jù)中心盡可能準(zhǔn)確。您需要多少臺服務(wù)器？您需要多少冷卻？您只需要與服務(wù)器數(shù)量一樣多的散熱?！彼f。“此外，您需要多少電量？這取決于散熱和服務(wù)器容量。”

5.3 風(fēng)險分析

在所有用例中，使用機(jī)器學(xué)習(xí)進(jìn)行風(fēng)險分析是最關(guān)鍵的，因為它可以識別異常并幫助防止停機(jī)?！皺C(jī)器可以檢測出異常，否則將無法發(fā)現(xiàn)，” Ascierto說。

例如，施耐德電氣的DMaaS可以分析來自關(guān)鍵數(shù)據(jù)中心設(shè)備（例如電源管理和冷卻系統(tǒng)）的性能數(shù)據(jù)，并預(yù)測何時可能出現(xiàn)故障。施耐德電氣數(shù)據(jù)中心解決方案架構(gòu)師副總裁Joe Reele說，當(dāng)算法檢測到異?，F(xiàn)象時，系統(tǒng)會警告客戶，以便他們能夠在設(shè)備出現(xiàn)故障之前進(jìn)行故障排除。

5.4 客戶流失分析

將來，Ascierto看到托管服務(wù)提供商使用機(jī)器學(xué)習(xí)來更好地了解他們的客戶并預(yù)測他們的行為-從購買或添加新服務(wù)到續(xù)訂合同甚至支付賬單的可能性。她說，這是客戶關(guān)系管理的擴(kuò)展，可以包括通過聊天框自動進(jìn)行客戶互動。

Maya HTT已經(jīng)分析了客戶情緒。Duquette說，它目前沒有數(shù)據(jù)中心客戶使用它，但是通過自然語言處理，該公司的軟件可以分析電子郵件并記錄支持電話以預(yù)測未來的客戶行為。

5.5 預(yù)算影響分析與建模

Ascierto說，這將數(shù)據(jù)中心的運營和性能數(shù)據(jù)與財務(wù)數(shù)據(jù)（甚至包括適用稅項在內(nèi)）混合在一起，以了解購買和維護(hù)IT設(shè)備的成本。她說：“它模擬了一件設(shè)備的總擁有成本和整個生命周期，例如一種冷卻系統(tǒng)與另一種冷卻系統(tǒng)相比?！?/span>

例如，Salesforce在2016年收購了一家名為Coolan的初創(chuàng)公司，該公司使用機(jī)器學(xué)習(xí)來分析IT設(shè)備的總體擁有成本，直至單個服務(wù)器組件。問題是越來越多的公司將使用機(jī)器學(xué)習(xí)進(jìn)行預(yù)算影響分析的時間。一些私人公司可能會自己做，但是這很復(fù)雜，因為它要求以計算機(jī)模型可以提取的格式容易獲得財務(wù)數(shù)據(jù)。

出于安全原因，DMaaS客戶不太可能希望與第三方共享其財務(wù)數(shù)據(jù)。她說：“對于DMaaS服務(wù)，在早期，讓客戶共享他們的財務(wù)數(shù)據(jù)是一個比較棘手的提議。”

這個領(lǐng)域還不成熟，但發(fā)展速度很快。人工智能系統(tǒng)正式交付使用還將需要一定的時間，就像數(shù)據(jù)中心招募的新的工作人員一樣，不過類似的機(jī)器學(xué)習(xí)工具終將可以真正的幫助您運營數(shù)據(jù)中心。