机器学习和人工智能是当今IT专业人员的热门话题，它们在企业数据中心中具有真正的前景。机器学习软件可以比您或您的团队更快地预测情况，甚至可能更快地解决问题。这些系统是当今混合数据中心环境的逻辑扩展，并且是数据中心基础设施中不断增长的一部分。IDC预测，到2022年，数据中心50%的IT资产将使用嵌入式AI功能自主运行。数据中心的机器学习可以优化大部分整体运营，包括规划和设计、工作负载、正常运行时间和成本管理。数据中心机器学习用例机器学习能够从场景和数据集中学习，并且可以在不需要人工干预或依赖一组有限的预编程操作的情况下构建即时响应。该技术可以帮助您更好地了解您的数据中心系统，更有效地管理它们并防止意外停机。创建更高效??的数据中心。企业可以使用机器学习来自动管理其数据中心的物理环境，软件可以实时修改物理设施和数据中心架构，而不是发出警报。谷歌使用其人工智能系统自动管理其数据中心的冷却，持续分析21个变量，如气温、电力负载和内部气压。2018年，该公司使用机器学习将冷却所需的能源减少了40%，并实现了1.06个百分点的电源使用效率。降低运营风险。对于数据中心运营而言，防止停机是关键任务，而机器学习可以帮助您更轻松地预测和防止停机。数据中心机器学习软件监控关键设备的实时性能数据，例如电源管理和冷却系统，并预测硬件何时会出现故障。这使您可以对这些系统执行预防性维护并防止代价高昂的停机时间。基于机器学习的风险分析通过构建不同的配置来提高弹性来提高数据中心的正常运行时间；确定预防性维护的机会；甚至在潜在的网络安全风险出现之前就识别它们。通过智能数据减少客户流失。企业可以利用数据中心的机器学习来更好地了解客户并预测消费者行为。作为客户成功计划的延伸，机器学习可以分析数据中心收集的大量未使用信息。当机器学习软件与客户关系管理(CRM)系统连接时，这个基于AI的数据中心可以从存储的历史数据库（传统上不用于CRM）中搜索和检索数据，并允许CRM系统制定不同的策略以发现潜在的或实现客户成功。从以下软件选项开始。由于机器学习可以比人类运行得更快，它可以在几秒钟内分析数TB的历史数据并将参数应用于其决策。当您跟踪数据中心的所有活动时，这非常有用。如果您想将机器学习部署到数据中心，可以从以下几个用例和软件产品入手。电源和能源管理。能源管理是企业在数据中心实施机器学习最容易的领域之一，具有立竿见影的显着效益。谷歌使用DeepMind实现了约30%的能源节约，降低了相关成本。MayaHTT的数据中心基础设施管理软件DatacenterClarityLC使用基于AI的工具来分析各个服务器以检测异常并确定优化机会。例如，它可以识别并将工作负载从效率较低的服务器重新路由到能源和工作效率较高但利用率较低的服务器；虽然您会看到有关更换旧服务器的通知，但您可以在升级之前在它成为Issue时更改它。日志管理。大多数数据中心系统都会生成日志，但如果不利用这些日志，它们就没有任何价值。而企业使用的任何边缘或外围设备，这里都会涉及到大量的日志。机器学习可以集中和分析这些日志，并创建对您的团队有价值的易于使用的报告。Elasticsearch等开源技术以及Splunk的付费选项可以帮助分析和提取机器学习例程收集的任何数据。根本原因分析。当您遇到任何性能问题时，您必须能够快速找出根本原因并加以修复。HewlettPackardEnterprise的InfoSight产品中的AI预测引擎可帮助您近乎实时地发现并修复本地数据中心和云部署中的问题。根据参数，InfoSight将识别受影响的用户并开发自己的一套解决方案。但真正的价值在于它的预防措施；当软件制定规则来解决问题时，它会通过系统，将流量重新路由到未受影响的系统，以防止它们出现同样的问题。
