数据中心如今面临着一个看起来几乎无法解决的挑战。虽然数据中心的运营从未如此繁忙,但作为企业碳减排目标的一部分,数据中心运营团队面临着减少能耗的压力。而且,急剧上涨的电价正在给数据中心运营商带来预算压力。
随着数据中心专注于支持人们越来越需要的工作和生活的基本技术服务,数据中心的运营如此繁重也就不足为奇了。在没有放缓迹象的推动下,人们看到与视频、存储、计算需求、智能物联网集成以及5G连接推出相关的数据使用量大幅增加。然而,尽管工作量不断增加,但不幸的是,当今许多数据中心设施的运行效率都不够高。
鉴于数据中心的平均工作寿命超过20年,这不足为奇。效率总是取决于数据中心设施的原始设计,并且基于早已被超越的预期IT负载。与此同时,变化是一个不变的因素,平台、设备设计、拓扑、功率密度和冷却要求都随着新的应用的不断发展而变化。其结果是经常发现全球各地的数据中心很难将当前和计划的IT负载与其关键基础设施相匹配。随着数据中心需求的增加,这种情况只会加剧。根据分析师的预测,从现在到2025年,数据中心的工作负载量将以每年20%左右的速度继续增长。
传统的数据中心技术和方法难以满足这些不断升级的需求。对可用性进行优先级排序在很大程度上是以牺牲效率为代价的,太多的工作仍然依赖于运营人员的经验,并且相信假设是正确的。不幸的是,有证据表明这种模式不再适用。远程传感器监控提供商EkkoSense公司的研究表明,数据中心中平均有15%的IT机架在ASHRAE的温度和湿度指南规定的范围之外运行,而由于效率低下甚至导致数据中心冷却能耗高达60%。这是一个主要问题,根据Uptime Institute估计,由于冷却和气流管理效率低下,全球数据中心浪费的能源损失约为180亿美元。这相当于浪费了大约1500亿度电。
数据中心基础设施使用的35%的能源用于冷却,很明显,传统的性能优化方法错过了实现效率提升的巨大机会。EkkoSense公司的调查表明,三分之一的计划外数据中心中断是由过热问题引发的。因此需要找到不同的方法来管理这个问题,可以为数据中心运营团队提供很好的方法来确保可用性和提高效率。
传统监控技术的局限性
不幸的是,目前只有大约5%的运维团队在每个机架上监控和报告他们的数据中心设备温度。此外,DCIM和传统监控解决方案可以提供趋势数据,并设置成在出现故障时提供警报,但这些措施还不够。它们缺乏分析能力,无法深入了解问题的原因,以及如何在未来解决和避免问题。
运营团队认识到这种传统监控技术有其局限性,但他们也知道根本没有资源和时间来获取他们拥有的数据,并从分析数据中获得有意义的见解。好消息是,现在可以使用技术解决方案来帮助数据中心解决这个问题。
现在是让数据中心与机器学习和人工智能相结合的时候了
机器学习和人工智能的应用在如何处理数据中心运营方面创造了一个新的模式。运营团队现在可以利用机器学习来收集更细粒度的数据,而不是被过多的性能数据淹没——这意味着他们可以开始实时访问数据中心的运行情况。关键是使其易于访问,使用智能3D可视化是一种很好的方法,可以让数据中心团队更轻松地在更深层次上解释性能和数据:例如显示更改和突出显示异常。
下一阶段是应用机器学习和人工智能分析来提供可行的见解。通过使用机器学习算法扩充测量数据集,数据中心团队可以立即受益于易于理解的见解,以帮助支持他们的实时优化决策。每五分钟进行一次实时粒度数据收集和人工智能/机器学习分析相结合,使运营人员不仅可以查看其数据中心设施中发生的情况,还可以找出原因,以及应该如何处理。
人工智能和机器学习支持的分析还可以揭示建议关键领域的可操作更改所需的洞察力,如最佳设定点、地板格栅布局、冷却设施操作以及风扇速度调整等。热量分析还将显示安装机架的最佳位置。而且,由于人工智能能够实现实时可视化,数据中心团队可以快速获得任何已经执行更改的即时性能反馈。
人工智能和机器学习为数据中心运营提供帮助
鉴于减少碳排放量和尽量减少电价上涨影响的压力,数据中心团队如果要实现其可靠性和效率目标,就需要新的优化支持。
利用最新的机器学习和人工智能驱动的数据中心优化方法当然可以通过减少冷却能源和使用来产生影响——在几周内即可获得立竿见影的结果。将细粒度数据置于优化计划的最前沿,数据中心团队不仅能够消除过热和电力故障风险,还能确保将冷却能耗成本和碳排放量平均降低30%。很难忽视这种成本节省可能产生的影响,尤其是在电价快速上涨的时期。如今为优化而权衡风险和可用性的日子已经一去不复返了,人工智能和机器学习技术将应用在数据中心运营的最前沿。
以上是人工智能和机器学习如何准备好改变数据中心运营的游戏规则?的详细内容。更多信息请关注PHP中文网其他相关文章!

科学家已经广泛研究了人类和更简单的神经网络(如秀丽隐杆线虫中的神经网络),以了解其功能。 但是,出现了一个关键问题:我们如何使自己的神经网络与新颖的AI一起有效地工作

Google的双子座高级:新的订阅层即将到来 目前,访问Gemini Advanced需要$ 19.99/月Google One AI高级计划。 但是,Android Authority报告暗示了即将发生的变化。 最新的Google P中的代码

尽管围绕高级AI功能炒作,但企业AI部署中潜伏的巨大挑战:数据处理瓶颈。首席执行官庆祝AI的进步时,工程师努力应对缓慢的查询时间,管道超载,一个

处理文档不再只是在您的AI项目中打开文件,而是将混乱变成清晰度。诸如PDF,PowerPoints和Word之类的文档以各种形状和大小淹没了我们的工作流程。检索结构化

利用Google的代理开发套件(ADK)的力量创建具有现实世界功能的智能代理!该教程通过使用ADK来构建对话代理,并支持Gemini和GPT等各种语言模型。 w

摘要: 小型语言模型 (SLM) 专为效率而设计。在资源匮乏、实时性和隐私敏感的环境中,它们比大型语言模型 (LLM) 更胜一筹。 最适合专注型任务,尤其是在领域特异性、控制性和可解释性比通用知识或创造力更重要的情况下。 SLM 并非 LLMs 的替代品,但在精度、速度和成本效益至关重要时,它们是理想之选。 技术帮助我们用更少的资源取得更多成就。它一直是推动者,而非驱动者。从蒸汽机时代到互联网泡沫时期,技术的威力在于它帮助我们解决问题的程度。人工智能 (AI) 以及最近的生成式 AI 也不例

利用Google双子座的力量用于计算机视觉:综合指南 领先的AI聊天机器人Google Gemini扩展了其功能,超越了对话,以涵盖强大的计算机视觉功能。 本指南详细说明了如何利用

2025年的AI景观正在充满活力,而Google的Gemini 2.0 Flash和Openai的O4-Mini的到来。 这些尖端的车型分开了几周,具有可比的高级功能和令人印象深刻的基准分数。这个深入的比较


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

Atom编辑器mac版下载
最流行的的开源编辑器

SecLists
SecLists是最终安全测试人员的伙伴。它是一个包含各种类型列表的集合,这些列表在安全评估过程中经常使用,都在一个地方。SecLists通过方便地提供安全测试人员可能需要的所有列表,帮助提高安全测试的效率和生产力。列表类型包括用户名、密码、URL、模糊测试有效载荷、敏感数据模式、Web shell等等。测试人员只需将此存储库拉到新的测试机上,他就可以访问到所需的每种类型的列表。

Dreamweaver CS6
视觉化网页开发工具

SublimeText3汉化版
中文版,非常好用

DVWA
Damn Vulnerable Web App (DVWA) 是一个PHP/MySQL的Web应用程序,非常容易受到攻击。它的主要目标是成为安全专业人员在合法环境中测试自己的技能和工具的辅助工具,帮助Web开发人员更好地理解保护Web应用程序的过程,并帮助教师/学生在课堂环境中教授/学习Web应用程序安全。DVWA的目标是通过简单直接的界面练习一些最常见的Web漏洞,难度各不相同。请注意,该软件中