隨著對數(shù)據(jù)處理和存儲(chǔ)的需求持續(xù)激增，數(shù)據(jù)中心正在努力應(yīng)對不斷發(fā)展和擴(kuò)展的挑戰(zhàn)。平臺(tái)、設(shè)備設(shè)計(jì)、拓?fù)浣Y(jié)構(gòu)、功率密度要求和冷卻需求的不斷變化都強(qiáng)調(diào)了對新結(jié)構(gòu)設(shè)計(jì)的迫切需求。

數(shù)據(jù)中心基礎(chǔ)設(shè)施通常難以將當(dāng)前和預(yù)計(jì)的IT負(fù)載與其關(guān)鍵基礎(chǔ)設(shè)施保持一致，從而導(dǎo)致不匹配，威脅到它們滿足不斷升級(jí)的需求的能力。在此背景下，必須修改傳統(tǒng)的數(shù)據(jù)中心方法。

數(shù)據(jù)中心現(xiàn)在正在將人工智能(AI)和機(jī)器學(xué)習(xí)(ML)技術(shù)集成到其基礎(chǔ)架構(gòu)中，以保持競爭力。通過在傳統(tǒng)數(shù)據(jù)中心架構(gòu)中實(shí)施人工智能驅(qū)動(dòng)層，企業(yè)可以創(chuàng)建自主數(shù)據(jù)中心，無需人工干預(yù)即可優(yōu)化和執(zhí)行通用數(shù)據(jù)工程任務(wù)。

使用AI推動(dòng)傳統(tǒng)架構(gòu)

近年來，數(shù)據(jù)中心內(nèi)AI和ML技術(shù)的激增引人注目。人工智能正在推動(dòng)各種用例的效率和性能。

Nisum執(zhí)行副總裁Sajid Mohamedy表示，人工智能驅(qū)動(dòng)的數(shù)據(jù)中心可以通過優(yōu)化應(yīng)用性能和可用性幫助組織獲得競爭優(yōu)勢，這反過來又有助于提高客戶滿意度和忠誠度。將AI添加到組合中有助于優(yōu)化資源分配，從而提高數(shù)據(jù)中心效率并降低成本?！?/p>

快速故障檢測和預(yù)測、根本原因分析、電力使用優(yōu)化和資源容量分配優(yōu)化，只是部署數(shù)據(jù)和算法驅(qū)動(dòng)技術(shù)，以最大限度提高數(shù)據(jù)中心效率的幾個(gè)例子。

隨著中斷變得越來越頻繁和昂貴，將人工智能整合到數(shù)據(jù)中心對于每個(gè)數(shù)據(jù)驅(qū)動(dòng)型企業(yè)來說變得越來越必要。人工智能驅(qū)動(dòng)的數(shù)據(jù)中心提供了一系列好處，其中最主要的是有可能減少停機(jī)時(shí)間，并提高整體系統(tǒng)可靠性，最終為組織節(jié)省大量成本。

提高故障檢測和預(yù)測能力

KPMG U.S.人工智能負(fù)責(zé)人Ellen Campana表示，人工智能歷來被用于增強(qiáng)數(shù)據(jù)存儲(chǔ)優(yōu)化、能源利用和可訪問性。然而，近年來，在將AI的效用擴(kuò)展到故障檢測和預(yù)測方面出現(xiàn)了明顯的趨勢，這可以觸發(fā)自我修復(fù)機(jī)制。

“簡化自動(dòng)檢測的關(guān)鍵是為AI提供一個(gè)了解硬件和軟件操作細(xì)節(jié)的窗口，包括網(wǎng)絡(luò)流量。如果某個(gè)節(jié)點(diǎn)內(nèi)的流量變慢，AI可以檢測到該模式并觸發(fā)進(jìn)程或整個(gè)節(jié)點(diǎn)的重啟?！?/p>

IBM Automation首席技術(shù)官Pratik Gupta認(rèn)為，AI具有跨越數(shù)據(jù)中心和混合云環(huán)境的變革潛力。通過增強(qiáng)應(yīng)用中的用戶體驗(yàn)、簡化操作并使CIO和業(yè)務(wù)決策者能夠從一系列數(shù)據(jù)中收集洞察力，人工智能促進(jìn)了創(chuàng)新和優(yōu)化。

清楚地了解應(yīng)用資源級(jí)別

Gupta表示，IBM預(yù)計(jì)到2030年數(shù)據(jù)中心的能源消耗將增加12%（或更多），這是由于摩爾定律的到期以及數(shù)據(jù)量、速度和能源密集型工作負(fù)載的爆炸式增長。

“簡單地說，人工智能可以減少購買、維護(hù)、管理和監(jiān)控的硬件數(shù)量?！?/p>

Gupta表示，數(shù)據(jù)中心管理人員必須清楚地了解其組織的應(yīng)用資源水平，以便靈活地?cái)U(kuò)展以滿足實(shí)時(shí)需求。人工智能驅(qū)動(dòng)的自動(dòng)化可以在此過程中發(fā)揮關(guān)鍵作用，降低資源擁塞和延遲的風(fēng)險(xiǎn)，同時(shí)確保硬件工作負(fù)載保持安全并維持性能標(biāo)準(zhǔn)。

例如，IBM的Turbonomic可以自動(dòng)優(yōu)化應(yīng)用資源級(jí)別并根據(jù)業(yè)務(wù)需求進(jìn)行擴(kuò)展。

Gupta表示：“這使IT管理人員能夠擁有一個(gè)單一的儀表板來監(jiān)督資源水平、實(shí)時(shí)做出決策并提高效率，因?yàn)檫@確保其應(yīng)用不會(huì)被過度配置?！?/p>

最大限度地發(fā)揮AI驅(qū)動(dòng)的數(shù)據(jù)中心的優(yōu)勢

數(shù)據(jù)中心的AI和ML用例持續(xù)增長，但組織在實(shí)施之前必須考慮一些關(guān)鍵因素。雖然預(yù)打包的AI和ML解決方案越來越多，但仍然需要超越單個(gè)點(diǎn)解決方案的集成。DIY AI部署是可能的，但需要對傳感器進(jìn)行投資以收集數(shù)據(jù)和專業(yè)知識(shí)，以將數(shù)據(jù)轉(zhuǎn)化為可用的見解。

Campana表示：“許多組織選擇實(shí)施自己的數(shù)據(jù)中心，正是因?yàn)槠淇梢源_保數(shù)據(jù)不會(huì)與其他人的數(shù)據(jù)匯集在一起，或以其無法控制的方式使用。雖然這是事實(shí)，但組織必須承擔(dān)維護(hù)安全和隱私的責(zé)任?！?/p>

有了合適的資源，數(shù)據(jù)中心可以變得更智能、更高效，但實(shí)現(xiàn)這一目標(biāo)需要優(yōu)化規(guī)劃。

Gupta表示：“規(guī)劃應(yīng)該是實(shí)施人工智能驅(qū)動(dòng)的數(shù)據(jù)中心的關(guān)鍵支柱。成功的部署不會(huì)在一夜之間發(fā)生，在推出之前需要大量的迭代和思考。IT領(lǐng)導(dǎo)者需要考慮一些因素，例如了解可以和應(yīng)該保留哪些硬件，以及需要將哪些工作負(fù)載遷移到云端?！?/p>

靈活性至關(guān)重要

人工智能驅(qū)動(dòng)的數(shù)據(jù)中心成功的關(guān)鍵是采取戰(zhàn)略方法。這意味著確定AI和ML的正確用例，投資必要的基礎(chǔ)設(shè)施和工具，并培養(yǎng)熟練的員工團(tuán)隊(duì)，以有效地管理和維護(hù)系統(tǒng)。

Gupta表示，企業(yè)經(jīng)常維護(hù)龐大的基礎(chǔ)設(shè)施，從分布式數(shù)據(jù)中心位置到各種云部署。IT領(lǐng)導(dǎo)者需要考慮是否需要為所有數(shù)據(jù)源構(gòu)建一個(gè)聚合湖……或者將數(shù)據(jù)準(zhǔn)備、ML和AI工具帶到每個(gè)位置。隨著企業(yè)轉(zhuǎn)變其IT基礎(chǔ)設(shè)施，不僅必須考慮交付的價(jià)值，還要考慮產(chǎn)生的漏洞?！?/p>

其補(bǔ)充道：”最好的計(jì)劃也可能會(huì)出錯(cuò)。技術(shù)推廣也是如此，能夠快速調(diào)整路線的靈活組織將更加成功?！?/p>

提高IT和數(shù)據(jù)中心性能的四種新興戰(zhàn)略

AIOps、MLOps、DevOps和SecOps各有其獨(dú)特的優(yōu)勢。當(dāng)結(jié)合后，可以優(yōu)化數(shù)據(jù)中心運(yùn)營和更廣泛的IT性能，降低成本并實(shí)現(xiàn)服務(wù)改進(jìn)。

· AIOps自動(dòng)化和擴(kuò)展企業(yè)范圍內(nèi)的數(shù)據(jù)中心和IT工作流程

AIOps正在成為企業(yè)在數(shù)據(jù)中心的可持續(xù)發(fā)展和碳減排工作的核心，并已被證明可以有效地識(shí)別出現(xiàn)性能差距的原因。該技術(shù)的核心是其能夠根據(jù)實(shí)時(shí)性能數(shù)據(jù)（因果分析）解釋和建議行動(dòng)。

例如，Walmart正在使用AIOps來簡化電子商務(wù)運(yùn)營。AIOps依靠ML模型和自然語言處理(NLP)的組合來發(fā)現(xiàn)可以提高數(shù)據(jù)中心運(yùn)營的準(zhǔn)確性、成本效益和效率的新流程工作流。零售商還使用AIOps實(shí)時(shí)檢測和解決低效和不連貫的流程，同時(shí)實(shí)現(xiàn)技術(shù)堆棧自動(dòng)化和更廣泛的基礎(chǔ)設(shè)施管理。

AIOps可在電子商務(wù)平臺(tái)內(nèi)實(shí)現(xiàn)更準(zhǔn)確的實(shí)時(shí)異常檢測。該技術(shù)還擅長關(guān)聯(lián)來自數(shù)據(jù)中心所有可用來源的數(shù)據(jù)，以提供360度的運(yùn)營視圖，并確定可以改進(jìn)可用性、成本控制和性能的地方。

· 零售商依靠DevOps來加速應(yīng)用開發(fā)

零售商依靠DevOps來保持競爭力，并縮短新應(yīng)用和功能的上市時(shí)間。DevOps基于強(qiáng)調(diào)軟件開發(fā)人員和IT運(yùn)營團(tuán)隊(duì)之間協(xié)作和溝通的軟件開發(fā)方法。其在簡化新移動(dòng)應(yīng)用、網(wǎng)站功能和基于客戶體驗(yàn)的增強(qiáng)的軟件交付和開發(fā)方面被證明是有效的。

Amazon、Target、Nordstrom、Walmart和其他領(lǐng)先的零售商都采用DevOps作為主要軟件開發(fā)流程。零售CIO表示，DevOps代碼庫的質(zhì)量越高，數(shù)據(jù)中心運(yùn)行的效率就越高，為全球客戶提供最新的應(yīng)用版本。

· MLOps提供了一種基于生命周期的方法

隨著零售商招募更多的數(shù)據(jù)科學(xué)家，MLOps變得與DevOps一樣重要，可以保持模型的最新性和可用性。MLOps將DevOps原則應(yīng)用于ML模型和算法。領(lǐng)先的零售商使用MLOps來設(shè)計(jì)、測試和發(fā)布新模型，以改進(jìn)客戶細(xì)分、需求預(yù)測和庫存管理。

從庫存管理和優(yōu)化開始，MLOps被證明可以有效解決零售業(yè)中成本最高、最具挑戰(zhàn)性的問題。供應(yīng)鏈的不確定性、長期的勞動(dòng)力短缺和不斷攀升的通貨膨脹成本，使庫存管理成為零售商成敗的關(guān)鍵。

Macy、Walmart和其他企業(yè)正在使用MLOps來優(yōu)化定價(jià)和庫存管理，幫助零售商做出降低成本的決策，并保護(hù)自己免受持有過多庫存的下行風(fēng)險(xiǎn)。

· SecOps依靠AI和ML來保護(hù)每個(gè)身份和威脅面

SecOps確保數(shù)據(jù)中心和更廣泛的IT基礎(chǔ)設(shè)施保持安全和投訴。零信任安全假設(shè)任何用戶或設(shè)備都不可信任，并且每個(gè)身份都必須經(jīng)過驗(yàn)證，這是任何成功實(shí)施SecOps的基礎(chǔ)。目標(biāo)是減少日益復(fù)雜的網(wǎng)絡(luò)攻擊的攻擊面和風(fēng)險(xiǎn)。

SecOps通過結(jié)合最成熟的技術(shù)來減少入侵和破壞，從而優(yōu)化數(shù)據(jù)中心的安全性。采用零信任安全措施有助于零售商保護(hù)其客戶、員工和供應(yīng)商的身份，而微細(xì)分可以限制任何攻擊的爆炸半徑。

人工智能和數(shù)據(jù)中心技術(shù)的未來

邊緣計(jì)算正在成為開發(fā)人工智能驅(qū)動(dòng)的數(shù)據(jù)中心最有前途的技術(shù)之一。通過處理更靠近源頭的數(shù)據(jù)，邊緣計(jì)算減少了延遲，并提高了整體性能。當(dāng)與人工智能結(jié)合時(shí)，該技術(shù)提供了實(shí)現(xiàn)實(shí)時(shí)分析和決策能力的潛力，使數(shù)據(jù)中心能夠處理未來的關(guān)鍵任務(wù)程序。

Campana表示：“向5G的轉(zhuǎn)變是這一轉(zhuǎn)型的重要一步，并且正在推動(dòng)基于人工智能的軟件基礎(chǔ)設(shè)施的創(chuàng)新浪潮。對于開始新數(shù)據(jù)中心的企業(yè)來說，值得考慮其采用5G和對終端用戶硬件進(jìn)行其他更新的時(shí)間表。”

而Gupta以為，數(shù)據(jù)智能自動(dòng)化是繼續(xù)進(jìn)入嚴(yán)格監(jiān)管行業(yè)的一種方式，因?yàn)槿斯ぶ悄芎蛿?shù)據(jù)中心工具將被設(shè)計(jì)成自動(dòng)滿足合規(guī)要求。

“隨著人工智能和自動(dòng)化進(jìn)一步嵌入數(shù)據(jù)中心，它們將能夠滿足最嚴(yán)格的合規(guī)協(xié)議?！?/p>