随着数据中心工作负载的螺旋式增长，越来越多的企业开始寻求采用人工智能技术来帮助他们减轻IT团队的管理负担并提高效率。同时，削减开支。人工智能有望为基础设施带来自动化、实时的工作负载管理，无论是在本地数据中心还是在由数据中心、云平台和边缘计算设备组成的混合云环境中。随着人工智能为工作负载管理带来的变革，未来的数据中心将与今天的数据中心设施大不相同。一种可能的情况是由远程管理员管理的小型互连边缘数据中心的集合。专注于数据中心业务和技术趋势的Infosys知识研究所负责人JeffKavanaugh表示，由于竞争加剧、通货膨胀和疫情导致的预算削减等各种因素，许多公司正在寻找减少数据中心业务的方法。运营成本。人工智能和自动化已被证明是工作负载管理中的强大工具，因为它可以将员工从耗时繁琐的任务中解放出来，让他们专注于实际需要人工处理的工作。满足需求大多数数据中心经理的首要任务是优化运营以满足高峰需求。然而，无论他们如何精心计划和准备，需求高峰和低谷往往是无法控制的。“AI可以带来独特改进的地方在于了解工作负载的模式并将这些需求与数据中心容量相匹配，”商业咨询公司Capgemini北美AI工程副总裁GouthamBelliappa说。人工智能管理它可以将数据中心团队从一系列平凡和重复的任务中解放出来，包括服务器管理、安全设置、计算、内存和存储优化、负载平衡以及电源和冷却分配。“这些工作负载都可以通过人工智能实现自动化或增强，”技术市场咨询公司ABIResearch的首席分析师LianJyeSu说。IT管理软件开发商ManageEngine的人工智能和机器学习产品总监RamprakashRamamoorthy表示，人工智能可以帮助分析从单个机器收集的数据，并发现监控参数中的异常情况。“人工智能还可以帮助更早地预测故障和中断，这可以帮助数据中心管理团队减少停机时间并保持集群正常运行，”他说。AI还可以实现更好的温度和电压管理，从而直接降低运营成本并帮助减少碳足迹。Ramamoorthy说，虽然可以使用各种人工智能方法，但工作负载管理工具应始终确保模型预测是完全可解释的。人工智能系统在数据中心工作负载管理中做出的决策通常由一个或多个团队共同执行。因此，人工智能模型决策应该是可解释的，让IT团队更好地理解模型决策的意图并采取相应的行动。他指出，“人工智能模型可以达到高达80%到85%的准确率，因此这也有助于人类团队通过正确解释AI模型的决策来关联明智的决策。如果AI模型可以为AI和机器学习开发商Tanjo的联合创始人兼首席执行官RichardBoyd表示，随着人工智能和机器学习工具变得越来越普遍，许多公司意识到，当人类智能和技术合作而不是竞争当取得最好的结果时，他说，“有很多领域机器根本无法取代人类，但也有某些领域机器肯定比人类好得多。一旦人工智能和机器学习变得流行并且员工适应了这种新的合作伙伴关系，他们的观点就会发生转变。戴尔科技公司人工智能战略负责人BronsLarson表示，数据中心可以使用人工智能/机器学习来提高性能并优化配置和部署。人工智能/机器学习支持资源和工作负载的动态协调，以优化资源利用率以更好地管理成本。所有AI解决方案，无论应用程序或供应商如何，都需要专业知识才能正确配置和优化价值。首先是正确捕获和评估用于训练和测试的数据，以及用于漂移和偏差管理的已部署模型。此外，基于规则的人工智能可以通过智能策略控制和预定义配置帮助自动化资源优化和合规性。Su指出：“使用从AI收集的数据可以进一步增强数据中心运营的其他方面，而这些方面以前需要深厚的领域专业知识。例如，可以通过自学习威胁检测和监控算法来加强数据中心的安全性。通过将所需资源引导到正确的方向，可以优化负载平衡、电力和冷却分配功能。“人工智能还可以简化数据管理，”卡瓦诺说。企业越来越多地发现自己被与关键利益相关者相关的大量数据所包围。使用人工智能，企业可以确保高效、准确地管理这些大量数据。“在人工智能的帮助下，企业IT团队可以执行数据质量分析或提取数据等任务，以比以往更快、更准确地创建预测。”这对企业来说至关重要，因为他们需要更准确的数据来做出明智的决策。”人工智能软件包随着人工智能的成熟，现在有一种软件驱动的方法，将不同的元素结合在一起，最少的人为干预。例如，在典型的数据库系统中，需要大量的配置才能使操作高效运行，例如索引表、跨服务器分区数据、为某些类型的查询分配内存以及调整优化器以适应计算Belliappa说：“有了人工智能，企业IT领导者和团队可以自由地专注于解决业务问题，而不必担心基础设施的细节。从人工智能的角度来看，我们使用的大多数模型都是自主的。”结合技术并在从他们管理的工作负载模式中学习时不断优化的集成模型。“规划和部署在AI开始发挥其管理魔力之前，IT和业务领导者需要接受将关键管理职责移交给软件的想法。取决于其规模和内部知识库，手动处理可能非常困难，”Shah说。“最终，企业如何处理从人到AI工作负载管理的过渡取决于其技术成熟度、运营规模以及它的数据中心，”Kavanaugh说。另一方面，越来越多的AI供应商为特定类型的企业提供工具，这增加了几乎任何类型和规模的企业能够顺利过渡的可能性。“作为企业以及他们的解决方案随着解决方案的成熟，配置和部署的便利性将不断提高。”如果人工智能有一个致命弱点，那就是该技术对数据中心系统和实践中相对微妙的变化的响应。Howe解释说，“大多数人工智能技术都是关于在固定环境的假设下找到稳定的模式。如果环境发生变化以模型看不到的方式，它会提供错误的答案。在部署更改之前仔细规划可以帮助缓解这种担忧。“AI得到更广泛的采用虽然AI驱动的数据中心工作负载管理已经被许多大型企业使用，尤其是谷歌、亚马逊和微软等超大规模企业，但较小的数据中心运营商现在才开始采用这项技术。Belliappa指出，之前长期以来，数据中心管理者将面临一个严峻的选择：要么继续依赖传统的数据中心管理技术和实践，要么大力投资人工智能驱动的业务以维持生计。从长远来看，人工智能驱动的管理是随着技术的改进、成本下降和采用者获得信心，有望成为主流。Shah预测，“在未来四到六年内，人们将看到AI驱动的数据中心工作负载管理技术成为标准选项。”我认为这一趋势正在迅速发展，随着数据中心自动化程度的不断提高，人工智能技术提供了一种更好的方式来利用提供商拥有的内容大量数据。”采用智能学习方法的自动化工作负载管理将很快变得司空见惯。“越来越多的行业观察家认为，人工智能将在未来三到四年的某个时候开始主导数据中心管理，尽管COVID-19驱动可能有助于推动这一时间表，”卡瓦诺说。很快就可以实现几乎所有操作的自动化，从网络安全到维护再到监控。然而，随着数据量呈指数级增长以及企业发现人工智能的新用途，数据中心经理及其管理人员的工作量将会减少。会继续增长。”
