智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
隨著數(shù)據(jù)中心的工作量螺旋式上升，越來越多的企業(yè)開始關(guān)注人工智能(AI)，希望通過技術(shù)幫助它們減輕IT團(tuán)隊(duì)的管理負(fù)擔(dān)，同時(shí)提高效率和削減開支。
人工智能承諾將工作負(fù)載實(shí)時(shí)自動(dòng)移動(dòng)到最高效的基礎(chǔ)設(shè)施，既包括數(shù)據(jù)中心內(nèi)部，也包括由on-prem、云和邊緣環(huán)境組成的混合云設(shè)置。隨著人工智能對(duì)工作負(fù)載管理的轉(zhuǎn)變，未來的數(shù)據(jù)中心可能會(huì)與今天的設(shè)施有很大的不同。一個(gè)可能的場景是由遠(yuǎn)程管理員管理的小型、互聯(lián)的邊緣數(shù)據(jù)中心集合。
InfosysKnowledgeInstitute是一家專注于商業(yè)和技術(shù)趨勢(shì)分析的機(jī)構(gòu)，其負(fù)責(zé)人JeffKavanaugh表示，由于各種因素，包括更激烈的競爭、通貨膨脹和大規(guī)模的預(yù)算削減，許多組織都在尋找降低數(shù)據(jù)中心運(yùn)營成本的方法。他說：“人工智能和自動(dòng)化已被證明是工作量管理的強(qiáng)大工具，因?yàn)樗鼘T工從耗時(shí)和平凡的任務(wù)中解放出來，讓他們專注于實(shí)際上需要人類來完成的工作。”
大多數(shù)數(shù)據(jù)中心管理人員已經(jīng)使用各種傳統(tǒng)的非人工智能工具來協(xié)助和優(yōu)化工作負(fù)載管理。然而，專業(yè)服務(wù)公司畢馬威(KPMG)咨詢總監(jiān)肖恩•肯尼(SeanKenney)表示，這些工具往往是被動(dòng)的，而不是主動(dòng)的。“他們對(duì)數(shù)據(jù)中心的問題做出反應(yīng)，但他們不收集數(shù)據(jù)來確定減少問題行為的任何遠(yuǎn)見，”他指出。
芝加哥伊利諾伊大學(xué)(UniversityofIllinois)生物醫(yī)學(xué)和健康信息科學(xué)臨床助理教授桑ketShah認(rèn)為，人工智能現(xiàn)在正準(zhǔn)備幫助那些發(fā)現(xiàn)自己沒有可靠方法來預(yù)測或規(guī)劃未來需求的數(shù)據(jù)中心管理者。他解釋道：“有了人工智能，能力和馬力可以以一種更有效的方式分配，允許組織擴(kuò)大規(guī)模，變得更靈活。”“對(duì)于那些數(shù)據(jù)需求快速變化的（管理人員）來說，將某些流程自動(dòng)化并在必要時(shí)轉(zhuǎn)移權(quán)力，最終將降低成本。”
利用人工智能技術(shù)管理數(shù)據(jù)中心的想法并不新鮮。例如，谷歌曾在2014年披露，它正在利用收購英國人工智能專家DeepMind所獲得的技術(shù)，加強(qiáng)其幾個(gè)站點(diǎn)的數(shù)據(jù)中心設(shè)施和設(shè)備管理。今天，人工智能工作負(fù)荷管理領(lǐng)域已經(jīng)大大擴(kuò)展到包括許多初創(chuàng)公司，如DLabs、digitate、RedwoodSoftware和TidalSoftware。思科(Cisco)、IBM和VMware等規(guī)模較大的公司也已開始進(jìn)入該市場。
與人工智能的大多數(shù)事物一樣，工作量管理技術(shù)正在迅速發(fā)展。華盛頓大學(xué)信息學(xué)院副教授BillHowe指出:“有很多選擇和限制，但通常都有辦法減輕這些限制。”“我不認(rèn)為選擇正確的方法和工程解決方案有什么問題……與其他任何復(fù)雜的人工智能應(yīng)用程序相比，工作量管理的挑戰(zhàn)性更大或更小。”
滿足需要
對(duì)于大多數(shù)數(shù)據(jù)中心管理者來說，最優(yōu)先考慮的是優(yōu)化運(yùn)營以滿足峰值需求。然而，無論他們計(jì)劃和準(zhǔn)備得多么仔細(xì)，需求的高峰和低谷往往仍在他們的控制之外。商業(yè)咨詢和咨詢公司凱捷北美公司(CapgeminiNorthAmerica)的人工智能工程副總裁古瑟姆·貝利亞帕(Gouthambelliaappa)表示：“人工智能能帶來的獨(dú)特改進(jìn)在于，它能理解工作量模式，并將這些需求與數(shù)據(jù)中心的容量匹配起來。”
人工智能管理承諾將數(shù)據(jù)中心團(tuán)隊(duì)從一系列平凡、重復(fù)的任務(wù)中解放出來，包括服務(wù)器管理；安全設(shè)置；計(jì)算、內(nèi)存和存儲(chǔ)優(yōu)化；負(fù)載平衡；還有電力和冷卻分配?？萍际袌鲎稍児続BIResearch分析師LianJyeSu表示：“所有這些工作都可以通過人工智能實(shí)現(xiàn)自動(dòng)化或增強(qiáng)。”
IT管理軟件開發(fā)公司ManageEngine的人工智能和機(jī)器學(xué)習(xí)產(chǎn)品總監(jiān)RamprakashRamamoorthy表示，人工智能可以幫助分析從單個(gè)機(jī)器收集的數(shù)據(jù)，并發(fā)現(xiàn)被監(jiān)控參數(shù)中的異常。他補(bǔ)充說：“人工智能還可以幫助更早地預(yù)測故障和中斷，這可以幫助數(shù)據(jù)中心管理團(tuán)隊(duì)減少停機(jī)時(shí)間，并使集群保持良好的運(yùn)行狀態(tài)。”“人工智能還可以實(shí)現(xiàn)更好的溫度和電壓管理，從而直接降低運(yùn)營成本，并有助于減少碳足跡。”
Ramamoorthy說，雖然可以使用各種人工智能方法，但工作負(fù)荷管理工具應(yīng)該始終確保模型預(yù)測是完全可解釋的。他解釋說：“與其他領(lǐng)域相比，數(shù)據(jù)中心工作量管理中的人工智能系統(tǒng)做出的決定往往由一個(gè)或多個(gè)團(tuán)隊(duì)共同作出。”因此，AI模型決策應(yīng)該是可解釋的，允許IT團(tuán)隊(duì)更好地理解模型決策的意圖并相應(yīng)地采取行動(dòng)。他指出：“人工智能模型的準(zhǔn)確率最多可以達(dá)到80%到85%，所以這也有助于人類團(tuán)隊(duì)通過正確解釋人工智能模型的決策來做出明智的決策。”如果人工智能模型能夠給它所給出的決策一個(gè)信心評(píng)分，那么它對(duì)于有效的工作量管理也將是有用的。
人工智能和機(jī)器學(xué)習(xí)開發(fā)公司Tanjo的聯(lián)合創(chuàng)始人兼執(zhí)行官理查德•博伊德(RichardBoyd)表示，隨著人工智能和機(jī)器學(xué)習(xí)工具的普及，各組織都認(rèn)識(shí)到，只有當(dāng)人類智能與這些技術(shù)合作而不是競爭時(shí)，才能取得最好的結(jié)果。他表示：“機(jī)器在很多方面都無法取代人類，但在某些領(lǐng)域，機(jī)器肯定比人類好得多。”“一旦人工智能和機(jī)器學(xué)習(xí)流行起來，工人們適應(yīng)了這種新的合作關(guān)系，人們的看法就會(huì)改變。”
DellTechnologies的AI戰(zhàn)略主管BronsLarson表示，數(shù)據(jù)中心可以利用AI/ML來提高性能，并優(yōu)化配置和部署。“AI/ML支持動(dòng)態(tài)編排資源與工作負(fù)載，以優(yōu)化資源利用，更好地管理成本，”他說。拉爾森補(bǔ)充說，所有的人工智能解決方案，無論是應(yīng)用程序還是供應(yīng)商，都需要專業(yè)知識(shí)來正確配置和優(yōu)化價(jià)值。“首先要正確捕獲和評(píng)估數(shù)據(jù)，以便訓(xùn)練和測試，并管理部署的模型，防止漂移和偏差。”
此外，基于規(guī)則的AI可以通過智能策略控制和預(yù)定義配置幫助自動(dòng)化資源優(yōu)化和遵從。Su指出：“通過從日常運(yùn)營中收集的數(shù)據(jù)，基于機(jī)器學(xué)習(xí)的人工智能可以進(jìn)一步增強(qiáng)數(shù)據(jù)中心運(yùn)營的其他方面，這些方面以前需要深入的領(lǐng)域?qū)I(yè)知識(shí)。”他說：“例如，數(shù)據(jù)中心的安全可以通過自我學(xué)習(xí)的威脅檢測和監(jiān)控算法來加強(qiáng)。”“通過將所需資源引導(dǎo)到正確的方向，可以優(yōu)化負(fù)載平衡、電力和冷卻分配功能。”
人工智能還可以簡化數(shù)據(jù)管理?？ㄍ咧Z說：“企業(yè)越來越多地發(fā)現(xiàn)自己被與關(guān)鍵利益相關(guān)者有關(guān)的大量數(shù)據(jù)所包圍。”“使用人工智能，組織可以確保這些大量數(shù)據(jù)得到有效和準(zhǔn)確的管理。”在人工智能的幫助下，團(tuán)隊(duì)可以比以往任何時(shí)候都更快、更準(zhǔn)確地執(zhí)行任務(wù)，比如數(shù)據(jù)質(zhì)量分析或提取數(shù)據(jù)以進(jìn)行預(yù)測?？ㄍ咧Z說：“這對(duì)組織來說至關(guān)重要，因?yàn)樗麄冃枰顪?zhǔn)確的數(shù)據(jù)來做出明智的決定。”
人工智能包
隨著人工智能的成熟，現(xiàn)在出現(xiàn)的是一種軟件驅(qū)動(dòng)的方法，將不同的元素結(jié)合在一起，以最小的人為干預(yù)。例如，Howe指出，在一個(gè)典型的數(shù)據(jù)庫系統(tǒng)中，需要進(jìn)行大量的配置才能使操作有效地運(yùn)行，例如索引表、跨服務(wù)器對(duì)數(shù)據(jù)進(jìn)行分區(qū)、為某些類型的查詢分配內(nèi)存，以及調(diào)優(yōu)優(yōu)化器以“適應(yīng)”您的計(jì)算平臺(tái)和預(yù)期的工作負(fù)載。他解釋說：“人工智能可以幫助我們從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)則和程序，這些數(shù)據(jù)涉及哪些時(shí)間表對(duì)哪些任務(wù)有效，而不是讓我們?cè)噲D弄清楚所有事情。”
有了人工智能，人類IT領(lǐng)導(dǎo)者和團(tuán)隊(duì)就可以自由地關(guān)注業(yè)務(wù)問題，而不必?fù)?dān)心基礎(chǔ)設(shè)施的細(xì)枝大落。Belliappa表示：“從人工智能的角度來看，我們使用的大多數(shù)模型都是自學(xué)習(xí)集成模型，它們結(jié)合了各種技術(shù)，并在從它們管理的工作量模式中學(xué)習(xí)時(shí)不斷優(yōu)化。
計(jì)劃和部署
在人工智能開始發(fā)揮其管理魔力之前，IT和商業(yè)領(lǐng)袖需要習(xí)慣于將關(guān)鍵的管理職責(zé)移交給一款軟件。Shah承認(rèn)：“根據(jù)規(guī)模和內(nèi)部知識(shí)庫的不同，這可能相當(dāng)困難。
最終，一個(gè)組織如何處理從人類到人工負(fù)載管理的轉(zhuǎn)變?nèi)Q于它的技術(shù)成熟度、運(yùn)營規(guī)模和數(shù)據(jù)中心的動(dòng)態(tài)性?？ㄍ咧Z說：“缺乏有效利用數(shù)據(jù)的現(xiàn)代基礎(chǔ)設(shè)施的孤立企業(yè)將會(huì)舉步維艱。”另一方面，越來越多的人工智能供應(yīng)商提供針對(duì)特定類型企業(yè)的工具，增加了幾乎任何類型和規(guī)模的組織能夠順利過渡的可能性。他預(yù)測：“隨著公司及其解決方案的成熟，配置和部署的便利性將繼續(xù)提高。”
如果人工智能有致命弱點(diǎn)，那就是該技術(shù)對(duì)數(shù)據(jù)中心系統(tǒng)和實(shí)踐中相對(duì)微妙的變化的反應(yīng)。Howe解釋道：“大多數(shù)AI技術(shù)都是關(guān)于尋找穩(wěn)定模式，假設(shè)環(huán)境是固定的。“如果你以模型無法看到的方式改變了環(huán)境，它會(huì)很高興地告訴你錯(cuò)誤的答案。”在部署變更之前進(jìn)行仔細(xì)的計(jì)劃可以幫助減輕這種擔(dān)憂。
即將到來的
雖然人工智能支持的數(shù)據(jù)中心工作負(fù)載管理已經(jīng)被許多大型企業(yè)，特別是谷歌、亞馬遜和微軟等超大規(guī)模企業(yè)經(jīng)常使用，但這項(xiàng)技術(shù)現(xiàn)在才開始滲透到較小的數(shù)據(jù)中心運(yùn)營商。Belliappa認(rèn)為，數(shù)據(jù)中心的管理者不久就會(huì)面臨艱難的選擇：繼續(xù)依賴傳統(tǒng)的數(shù)據(jù)中心管理技術(shù)和實(shí)踐，還是“大量投資人工智能驅(qū)動(dòng)的改造以保持可行性”。
從長遠(yuǎn)來看，隨著技術(shù)的進(jìn)步、成本的下降和采用者信心的增強(qiáng)，人工智能驅(qū)動(dòng)的管理有望成為主流。“在未來4到6年，你將看到人工智能數(shù)據(jù)中心工作量管理技術(shù)作為一個(gè)標(biāo)準(zhǔn)選擇，”Shah預(yù)測道。
“我認(rèn)為這個(gè)趨勢(shì)發(fā)展得很快，”Howe說。“長期以來，數(shù)據(jù)中心一直存在大量自動(dòng)化，這些(人工智能)技術(shù)為利用提供商擁有的大量數(shù)據(jù)提供了更好的方式。”他預(yù)計(jì)，使用人工智能學(xué)習(xí)方法進(jìn)行自動(dòng)化工作量管理將“很快普及”。
Kavanaugh說，行業(yè)觀察家越來越期望人工智能將在未來三四年內(nèi)的某個(gè)時(shí)候開始主導(dǎo)數(shù)據(jù)中心管理，盡管大流行驅(qū)動(dòng)的加速可能有助于推動(dòng)這一時(shí)間表向前推進(jìn)。“很快，數(shù)據(jù)中心將能夠?qū)崿F(xiàn)幾乎所有操作的自動(dòng)化，從網(wǎng)絡(luò)安全到維護(hù)再到監(jiān)控，”他預(yù)測道。“但是，隨著數(shù)據(jù)量呈指數(shù)級(jí)增長，并且隨著我們?cè)谄髽I(yè)中發(fā)現(xiàn)AI的新用途，我們的工作量及其管理將繼續(xù)發(fā)展。”
(原標(biāo)題：AI解決數(shù)據(jù)中心的工作負(fù)載管理挑戰(zhàn))
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
