无论是维护自身内部的数据中心,还是依赖异地数据中心运营,其实都需要确保服务器具备应对新型技术、适应日益增长需求、对抗大环境变化的能力。从大数据、云计算,再到人工智能,未来几年的科技发展有很大概率重塑数据中心行业格局,意味着数据中心面临革命性整合。
机器学习的结果是通过执行数据驱动来完成任务,从客观的角度,保障精确度、专业性与速度,譬如象棋机器人、机器人面试官等等,能够利用完整数据集做出有效合理的动作和决策。但是现实情况是,大环境中的数据其实是非常分散的,在构建数据集的时候需要将数据集中化,再以业务目标出发,进行分析、建模,实现AI的自主决策,这个时候如何保障数据的质量就十分重要。
数据中心就像一个数据“配送中心”,进行数据的管理、存储、传输等等流程,依靠AI希望能够做到将数字化运营的效率提至最高水平,首先便是希望借助人工智能,实现预测分析优化工作负载。
数据中心需要维护物理服务器和存储设备,基于AI的预测分析,可以帮助数据中心在服务器之间分配工作负载,更易于管理,能够更好地追踪服务器性能、磁盘利用率、网络堵塞,快速查找故障端点,缩短处理时间,减少风险因素,促进服务器的最大程度优化。譬如当机器开始发出异常声音,AI能够自动辨别入侵者,并直接采取解决方案,有效监控网络。再或者,AI平台能够自动进行系统更新、安全补丁、文件备份等例行工作,亦有助缓解劳动力资源。
数据中心的费用开支很大一部分是能源消耗,来自数据中心的冷却系统,而保持服务器的持续散热是保证服务器正常运行的必要条件。为了追求更好的数据中心能源效率,希望AI的机器算法优化散热系统。据悉,Google的部分数据中心采用DeepMind机器算法,成功将冷却能源节省近40%,而且完全不会影响服务器的性能。
应该幸运AI能够在数据中心担任更多角色,将人与机器的优势共同放大,致力提高数据中心的运营效率。
责任编辑:zl
-
数据中心
+关注
关注
16文章
4673浏览量
71943 -
AI
+关注
关注
87文章
30095浏览量
268357 -
机器学习
+关注
关注
66文章
8375浏览量
132397
发布评论请先 登录
相关推荐
评论