前方高能:人工智能“进军”互联网市场,企业该如何接招?

  • 时间:
  • 浏览:18
  • 来源:大发快3_快3app二维码_大发快3app二维码

2018-06-14 15:41     新天域互联  

帮我评论(

)

字号:T|T

对.我.我而言,人工智能不再只是 有有一个 未来概念,它正比较慢、成功地部署在无数行业中,以优化业务的不同方面。而伴随着AI技术的不断普及,太多地企业将.我.我的网络和计算需求转移到云端,以及从智能手机到机器人的联网智能设备激增,整个计算行业对数据中心资源的需求呈指数级增长,这对于作为存储人工智能所需数据的数据中心是个不小的挑战,特别是可能在高容量工作的数据中心设备。这迫使数据中心不得不打上去更多的服务器和硬件,那先 服务器和硬件的管理变得没人冗杂,能源消耗成为了数据中心最急待处理的大问题。

就在前不久,亦庄某地区数据中心的柴油发电机起火,北京全是几家数据中心因使用柴油发电机发电原因分析起火。其主要原因分析是数据中心忽略了政府“限电令”的颁布,数据中心就让以为使用柴油发电机发电可能足够给予服务器的用电,原因分析起火事故的相继指在,数据中心无法运营更多的服务器和硬件,只有用过柴油发电机发电,不仅仅增大了能源消耗,还将数据中心危险指数升级。

面对AI技术的加入对数据中心有了更高的设施要求,你这种 公司可能就让开始 致力于消减数据中心的碳足迹的电力处理方案中。前不久,微软进行了有有一个 大胆而又疯狂的实验,利用潜艇技术,并与海洋能开拓者合作者,建立了有有一个 水下数据中心,目前正在试运行阶段。一旦运行成功,就还可不还可否 轻松实现在很短的距离内将数据传输到沿海城市,因此.我.我享受到快速流畅的上网、视频直播、游戏以及你这种 基于人工智能技术的体验的一同,减少对碳能源的消耗,处理了数据中心用电困难局面,并减少了数据中心的安全风险指数,可谓是一举数得。

人工智能来袭,实现能源实时监控

太多太多太多太多有数据中心尝试使用人工智能,没人数据的获取就显得极为重要,但你这种 获得数据的过程却固然简单。在过去的十多年时间里,数据中心IT专业人员习惯于设备监控和实时警报,但可能数据中心连接着用于供电和散热的不同设备,数据的计量的标准化变得因此你难以捉摸。

机器学习计算的基准要求是来自数据中心主要组件的实时数据,其中包括了冷水机组,冷却塔,空气处理机,风机等,也包括了服务器利用率,温度和功耗等指标。机器学习对那先 设备及其环境数据产生的数据进行实几点几分析,完整篇 了解其性能和容量,并选取适当的响应。随着数据中心条件的不断变化,机器学习系统就让开始 从变化中分析,不依靠特定的编程指令来执行其任务,具有极强的灵活性。

目前,数据中心设施内内外部太多的传感器正在从设备架构设计 数据,其中包括备用电源(UPS),配电设备,开关设备和冷却器等。与此一同,太多的企业也就让开始 采用高级分析和机器学习来淬硬层 监控数据中心能源使用状态。

自动化处理故障指在

机器学习对于数据中心而言固然陌生,很长一段时间,当.我.我还在试图根据容量和需求改善机器正确尺寸的散热时,机器学习就可不还可否 快速帮.我.我做到你这种 点,它可不还可否 通过使用现有数据和实时监控为数据中心处理事故的指在,减少固然要的损失,最大限度地提高生产力,让数据中心时刻保持冷静。

机器学习的自动化能有效处理因系统故障而原因分析的事故的指在,这主要基于数据中心计量技术的进步以及云中数据池的总出 ,智能系统在提高强度的一同,还能发现手动流程无法发现的数据中心运行中的漏洞。这类于2016年,达美航空数据中心因电力系统故障停运半个月时间事件,约60 0次航班,造成航空公司损失1.5亿美元。

而在大型数据中心运营商和主机托管提供商中,动态散热优化是数据中心机器学习最常见的,通过动态冷却优化,数据中心管理人员还可不还可否 根据环境条件监控和控制设施的冷却基础设施。当设备移动或计算流量激增时,建筑物内的热负荷也会指在变化。动态调整冷却输出以转移热负荷可帮助消除固然要的制冷量并降低运营成本。目前,数据中心运营商正在努力将动态制冷优化的成功扩展到你这种 领域。

人工智能时代,数据中心就让开始 寻找发展新方向

目前,数据中心的AI技术主要围绕着机器学习监控和自动化设施组件的管理来展开的,如电力和配电元件,冷却基础设施,机架系统和物理安全。企业发现传统的数据中心管理最好的措施并全是最优的,通过使用人工智能,通过机器学习,还可不还可否 有效冗杂冗杂计算设施的管理。

随着互联网的不断发展,人工智能技术的不断革新,企业就让开始 采用机器学习技术,人工智能将在数据中心运营中扮演更重要的角色。一方面AI需求是未来数据中心需求增长的主要驱动力,被委托人面AI技术将帮助数据中心提升运营强度。

人工智能时代,数据中心运营强度大幅提升

将机器学习用于数据中心,为少许新型数据相关决策创造了可能,可不还可否 大大提高预测能力。数据中心现有的监控工具是基础设施管理(DCIM)软件,还可不还可否 提供对数据中心资产,相互依赖性,性能和容量的可视性。而当.我.我将内外部少许汇总数据打上去到数据中心DCIM软件中,机器学习便会发挥关键作用。机器学习对大规模数据进行进行实时数据分析,使企业可不还可否 将被委托人的数据中心性能与全球基准进行比较,使数据中心能更得到更淬硬层 次的预测性和预防性维护。

未来,机器学习在数据中心的广泛应用将为企业在决定运行你这种 工作负载的位置时提供更多建树性意见,这对数据中心而言无疑是非常有价值的,特别是可能企业正在围绕最佳执行场所做决定。而AI技术的加入,智能系统可承担更冗杂的任务,使数据中心可不还可否 根据运行强度最高或最可靠的位置动态调整工作负载。