隨著數據中心工作負載量呈螺旋式增長，越來越多的企業(yè)開始尋求采用人工智能技術幫助他們減輕IT團隊的管理負擔，同時提高效率，并削減開支。

人工智能承諾將工作負載自動實時管理功能應用在基礎設施，無論是在內部部署數據中心還是在由數據中心、云平臺和邊緣計算設備組成的混合云環(huán)境中。隨著人工智能為工作負載管理帶來的轉變，未來的數據中心將與現在的數據中心設施大不相同。一種可能的方案是由遠程管理員管理的小型互連邊緣數據中心的集合。

[[407676]]

專注于數據中心業(yè)務和技術趨勢分析的Infosys Knowledge Institute負責人Jeff Kavanaugh表示，由于競爭加劇、通貨膨脹以及疫情導致的預算削減各種因素，許多企業(yè)正在尋求降低數據中心運營成本的方法。人工智能和自動化已經被證明是工作量管理中的強大工具，因為它可以將企業(yè)的員工從耗時且乏味的任務中解放出來，并使他們能夠專注于真正需要人工處理的工作。

滿足需求

大多數數據中心管理人員的首要任務是優(yōu)化運營以滿足高峰需求。然而，無論他們如何仔細地計劃和準備，需求高峰和低谷往往無法控制。商業(yè)咨詢機構Capgemini公司北美地區(qū)人工智能工程副總裁Goutham Belliappa說：“人工智能可以帶來獨特改進的地方在于它可以理解工作負載的模式，并將這些需求與數據中心容量相匹配。”

人工智能管理可以使數據中心團隊從一系列平凡而重復的任務中解脫出來，其中包括服務器管理、安全設定、計算、內存和存儲優(yōu)化、負載均衡，以及電力和冷卻分配等。科技市場咨詢機構ABI Research公司首席分析師Lian Jye Su說，“這些工作負載都可以通過人工智能實現自動化或增強。”

IT管理軟件開發(fā)商Manage Engine公司人工智能和機器學習產品總監(jiān)Ramprakash Ramamoorthy表示，人工智能可以幫助分析從單個機器收集的數據，并發(fā)現被監(jiān)控參數中的異常情況。他說，“人工智能還可以幫助更早地預測故障和中斷，這可以幫助數據中心管理團隊減少停機時間，并保持集群正常運行。人工智能還可以實現更好的溫度和電壓管理，從而直接降低運營成本，并幫助減少碳足跡。”

Ramamoorthy表示，雖然可以使用各種人工智能方法，但工作負載管理工具應始終確保模型預測是完全可解釋的。與其他領域相比，人工智能系統在數據中心工作負載管理中做出的決定通常會由一個或多個協同工作的團隊來執(zhí)行。因此，人工智能模型決策應該是可解釋的，讓IT團隊能夠更好地理解模型決策的意圖，并采取相應的行動。

他指出，“人工智能模型最多可以達到80%到85%的準確度，因此這也有助于人類團隊通過正確解釋人工智能模型的決策來關聯明智的決策。如果人工智能模型可以為其呈現的決策提供置信度評分，那么它也將有助于有效的工作負載管理。”

人工智能和機器學習開發(fā)商Tanjo公司聯合創(chuàng)始人兼首席執(zhí)行官Richard Boyd表示，隨著人工智能和機器學習工具變得越來越普遍，很多企業(yè)認識到，當人類智能與技術合作而不是競爭時，可以實現最佳結果。他說，“機器在許多方面根本無法取代人類，但機器在某些領域的應用肯定比人類好得多。一旦人工智能和機器學習變得流行，并且企業(yè)員工適應這種新的合作關系，那么他們的觀點就會發(fā)生轉變。”

Dell科技公司的人工智能戰(zhàn)略負責人Brons Larson表示，數據中心可以利用人工智能/機器學習來提高性能以及優(yōu)化配置和部署。人工智能/機器學習支持動態(tài)協調資源與工作負載，以優(yōu)化資源利用率以更好地管理成本。所有人工智能解決方案，無論是何種應用程序或供應商，都需要專業(yè)知識來正確配置和優(yōu)化價值。這首先要正確捕獲和評估用于訓練和測試的數據，以及針對漂移和偏差管理部署的模型。

此外，基于規(guī)則的人工智能可以通過智能策略控制和預定義配置幫助自動化資源優(yōu)化和合規(guī)性。Su指出，“使用從日常運營中收集的數據，基于機器學習的人工智能可以進一步增強數據中心運營的其他方面，這些方面以前需要深入的領域專業(yè)知識。例如，可以通過自學威脅檢測和監(jiān)控算法來加強數據中心的安全性。通過將所需資源引導到正確的方向，可以優(yōu)化負載均衡、電源和冷卻分配功能。”

Kavanaugh說，“人工智能還可以簡化數據管理。企業(yè)越來越發(fā)現自己被與關鍵利益相關者有關的大量數據所包圍。使用人工智能，企業(yè)可以確保有效、準確地管理這些大量數據。”在人工智能的幫助下，企業(yè)的IT團隊可以比以往更快、更準確地執(zhí)行數據質量分析或提取數據以創(chuàng)建預測等任務。他說，“這對企業(yè)來說至關重要，因為他們需要更準確的數據來做出明智的決策。”

人工智能軟件包

隨著人工智能的成熟，現在出現了一種軟件驅動的方法，可以將不同的元素結合在一起，并將人工干預降至最低。例如，在典型的數據庫系統中，需要大量配置才能使操作高效運行，例如索引表、跨服務器對數據進行分區(qū)、為某些類型的查詢分配內存以及調整優(yōu)化器以適應計算平臺和預期的工作量。Howe指出，“人工智能可以通過從大量歷史數據中學習規(guī)則和程序來提供幫助，關于哪些日程安排對哪些任務有效，而不是讓我們試圖弄清楚所有事情。”

有了人工智能，企業(yè)IT領導者和團隊可以自由地專注于解決業(yè)務問題，而不必擔心基礎設施的細節(jié)。Belliappa說，“從人工智能的角度來看，我們使用的大多數模型都是自學習集成模型，它們結合使用各種技術，并在從它們管理的工作負載模式中學習時不斷優(yōu)化。”

規(guī)劃和部署

在人工智能開始發(fā)揮其管理魔力之前，IT和業(yè)務領導者需要接受將關鍵管理職責移交給軟件的想法。Shah說，“根據其規(guī)模和內部知識庫，人工處理可能非常困難。”

最終，企業(yè)如何處理從人工到人工智能工作負載管理的過渡取決于其技術成熟度、運營規(guī)模和數據中心的活力。Kavanaugh說，“缺乏現代基礎設施來有效利用其數據的孤立企業(yè)將陷入困境。”另一方面，越來越多的人工智能供應商提供針對特定類型企業(yè)的工具，這增加了幾乎任何類型和規(guī)模的企業(yè)能夠平穩(wěn)過渡的可能性。他預測說，“隨著企業(yè)及其解決方案的成熟，配置和部署的便利性將會繼續(xù)提高，”

如果說人工智能有致命弱點的話，那就是該技術對數據中心系統和實踐中甚至相對微妙變化的反應。Howe解釋道，“大多數人工智能技術都是在假設固定環(huán)境的情況下尋找穩(wěn)定的模式。如果以模型無法看到的方式改變環(huán)境，它會提供錯誤的答案。而在部署更改之前仔細規(guī)劃可以幫助減輕這種擔憂。”

人工智能得到更廣泛的應用

雖然人工智能驅動的數據中心工作負載管理已經被許多大型企業(yè)使用，特別是谷歌、亞馬遜和微軟等超大規(guī)模企業(yè)，但規(guī)模較小的數據中心運營商直到現在才開始采用這項技術。Belliappa指出，用不了多久，數據中心管理人員將面臨一個嚴峻的選擇：或者繼續(xù)依賴傳統的數據中心管理技術和實踐，或者大量投資于人工智能驅動的業(yè)務以保持活力。

從長遠來看，隨著技術的進步、成本的下降以及采用者信心的增強，人工智能驅動的管理有望成為主流。Shah預測說，“在接下來的四到六年內，人們將看到人工智能數據中心工作負載管理技術成為標準選項。”

Howe說，““我認為這種趨勢正在迅速發(fā)展，隨著數據中心自動化程度的提高，人工智能技術提供了一種更好的方法來利用提供商擁有大量數據的內容。”他預計使用人工智能學習方法的自動化工作負載管理將很快變得司空見慣。

Kavanaugh說，“越來越多的行業(yè)觀察家認為人工智能將在未來三四年內的某個時候開始主導數據中心管理，盡管疫情的驅動可能有助于推動這一時間表向前推進。數據中心很快將能夠實現幾乎所有操作的自動化，從網絡安全到維護再到監(jiān)控。但是，隨著數據量呈指數級增長，以及企業(yè)發(fā)現人工智能的新用途，數據中心管理人員的工作量及其管理將會繼續(xù)增長。”