对于一些杰出的思想家和企业来说，他们正在将机器学习付诸实践。尽管近半个世纪以来人们一直在理论上研究人工智能，但随着机器学习进入数据中心领域，最终将使计算机科学更加本土化。数据往往存储在复杂的环境中，为什么不利用计算的力量来提高计算能力呢？这似乎预示着概念时代的到来。“将机器学习应用于数据中心管理最终会为您带来回报，”ForresterResearch的高级分析师MicheleGoetz说。数据中心：一个理想的环境VantageDataCenters（加利福尼亚州一家数据中心服务提供商的首席运营官ChristopherYetman表示），数据中心是机器学习的理想环境，因为其中有大量可用数据。传感器数据存在于建筑层和物理层，在服务器和网络设备的配合下，会产生大量的运营信息。我们以前使用过这些数据，但还没有充分发挥其潜力。Yetman说，当然，还有一个传感器可以产生气压、温度、温度、电源电压等数据，最后将这些信息传送给可编程控制器。然后这些数据会触发一些特定的阈值。例如，当房间内的温度开始升高时，会触发温度阈值。然而，大多数情况需要一个反应过程，数据中心管理工具通常会参考处理器、存储阵列或网络中的一些活动来做出判断。如今，智能物理传感器是使用可以与以太网和控制器通信的经济实惠的RaspberryPi技术构建的。换句话说，可用数据越多，数据中心的机器学习用例就越多。“如果你向机器学习系统提供大量信息，它会自动获取服务器使用模式等信息，并可能将其与温度相关联，”耶特曼说，并补充说机器学习系统最终会记录湿度上升和西风等信息，这将导致温度升高并改变数据中心的预期行为。他说：“我想再分享一个例子。例如，一家社交媒体公司的用户前一天晚上比较活跃，机器学习会注意到这一点，并根据需求自动安排更多在线机器。响应时间短。”机器学习可以感知信息，例如机器可以产生多少热量，并根据合成感知提前增加冷却。数据中心有更多的机器学习案例。引入数据中心的机器学习系统并不理解数据之间的关系，但最终会通过一些操作过程知道关系。例如，位于加州的数据中心软件定义基础架构提供商VirtualPowerSystems（简称VPS）提供智能电源补充，并应用机器学习系统来确定其管理方式。该软件与服务器和电力系统通信，可以确定需求的变化。Yetman说：“为了将电力转移到另一个机架实现峰值运行，我们可以让一些机架靠电池运行。根据这个原理，VPS可以安排机架向另一个机架借电。”谷歌数据中心工程师兼研究员JimGao在他的研究报告《Machine Learning Applications for Data Center Optimization》中写道，数据中心是一个机械、电气和控制系统相互作用的复杂系统。“操作配置的相对数量和非线性关系使我们难以理解和优化能源效率，”他说。为了解决这个问题，谷歌构建了一个机器学习系统，以更好地调整操作并节省更多能源。同样，爱尔兰的研究人员也投资了机器学习系统，这些系统已直接应用于数据中心的管理和运营。“在分析和云计算方面，我们看到了两个技术领域，其中自我管理、自我配置、自我修复和自我保护系统在数据中心中表现非常出色，”技术总监ShaneNolan说，工业发展局的营销和营销。商务部工业发展署高级副署长是政府机构，主要从事对外开发和投资。诺兰补充说，Facebook、苹果、谷歌和亚马逊等领先企业使爱尔兰成为欧洲数据中心业务增长最快的地区之一。我们发现提高数据中心的设施和系统管理是非常必要和重要的。机器学习会取代其他技术系统吗？Yetman的理论是软件代替硬件，从这个角度来说，硬件本身支持的功能也可以用软件来实现。他认为，容错计算机硬件供应商的衰落源于虚拟化等新兴技术的兴起。该技术能够以更低的成本实现同样的功能效果。同样，他预测，机器学习系统将取代软件。“软件试图根据人类习惯和思维方式使每个解决方案适合一类问题，”Yetman说。然而，人类无法预测每一个解决方案，而且他们创建的软件是相对固定的。这就是为什么机器学习可以代替软件，它会找到最好的解决方案。“一个经典的机器学习用例是能够同时关联多个日志。也许我们对两个不同日志之间的关系了解不多。简单的查询或预先存在的报告格式不太可能有任何新东西.然而，当引入机器学习系统时，可以发现其中一些相关性，从而产生很好的见解。然而，除了展示的能力之外，数据中心管理中的机器学习案例仍处于发展阶段，与原创设计。耶特曼说：“最先进的技术最先出现在像谷歌这样的领先公司。他们乐于构建机器学习系统，因为投资回报相对较快。“
