人工智能驅(qū)動(dòng)的健康監(jiān)控、配置管理監(jiān)督

數(shù)據(jù)中心充滿了需要定期維護(hù)的物理設(shè)備。人工智能系統(tǒng)可以超越定期維護(hù)，幫助收集和分析遙測數(shù)據(jù)，從而確定需要立即關(guān)注的特定區(qū)域�！比斯ぶ悄芄ぞ呖梢孕岢鏊�有這些數(shù)據(jù)和斑點(diǎn)模式，以及異常點(diǎn)，”Schulz說。

Bizo補(bǔ)充說：“健康監(jiān)測從檢查設(shè)備配置是否正確以及性能是否符合預(yù)期開始�！庇捎谟谐砂偕锨�個(gè)IT機(jī)柜和數(shù)萬個(gè)組件，這些平凡的任務(wù)可能是勞動(dòng)密集型的，因此并不總是能夠及時(shí)徹底地執(zhí)行�！�

他指出，基于大量感官數(shù)據(jù)日志的預(yù)測性設(shè)備故障模型可以“發(fā)現(xiàn)一個(gè)即將出現(xiàn)的組件或設(shè)備故障，并評(píng)估其是否需要立即維護(hù)，以避免任何可能導(dǎo)致服務(wù)中斷的容量損失。”

JuniperNetworks負(fù)責(zé)企業(yè)和云營銷的副總裁MichaelBushong認(rèn)為，企業(yè)數(shù)據(jù)中心運(yùn)營商應(yīng)該忽略一些與人工智能相關(guān)的過度宣傳和炒作，而專注于他所說的“無聊的創(chuàng)新”

是的，人工智能系統(tǒng)可能有一天會(huì)“告訴我問題出在哪里，并加以解決”，但是到了這一點(diǎn)，許多數(shù)據(jù)中心運(yùn)營商會(huì)接受“如果出了問題，請(qǐng)告訴我要去哪里看”，Bushong說

依賴關(guān)系映射也是AI有用的一個(gè)重要但不是特別令人興奮的領(lǐng)域。如果數(shù)據(jù)中心經(jīng)理正在對(duì)防火墻或其他設(shè)備進(jìn)行策略更改，可能會(huì)產(chǎn)生什么意外后果？”如果我提出一個(gè)改變，知道爆炸半徑范圍內(nèi)可能有什么是很有用的。

保持設(shè)備平穩(wěn)、安全運(yùn)行的另一個(gè)重要方面是控制所謂的配置漂移（configurationdrift），這是一個(gè)數(shù)據(jù)中心術(shù)語，指的是隨著時(shí)間的推移，臨時(shí)配置的變化會(huì)導(dǎo)致問題的產(chǎn)生。Bushong說，人工智能可以作為“額外的安全檢查”來識(shí)別即將發(fā)生的基于配置的數(shù)據(jù)中心問題。

人工智能與安全

Bizo認(rèn)為，人工智能和機(jī)器學(xué)習(xí)“可以通過對(duì)事件進(jìn)行快速分類和聚類來簡化事件處理（事件響應(yīng)），從而識(shí)別出重要事件并將其與噪聲分離開來。更快的根本原因分析有助于操作員做出明智的決定并采取行動(dòng)�！�

人工智能在實(shí)時(shí)入侵檢測中特別有用，Schulz補(bǔ)充道�；�于人工智能的系統(tǒng)可以檢測、阻止和隔離威脅，然后可以回去進(jìn)行法醫(yī)調(diào)查，以確定到底發(fā)生了什么，黑客能夠利用哪些漏洞。

在安全操作中心（SOC）工作的安全專業(yè)人員經(jīng)常會(huì)收到過多的警報(bào)，但基于人工智能的系統(tǒng)可以掃描大量的遙測數(shù)據(jù)和日志信息，從而清除日常任務(wù)，從而使安全專家能夠騰出時(shí)間來處理更深層次的調(diào)查。

基于人工智能的工作負(fù)載優(yōu)化

在應(yīng)用程序?qū)�，AI有可能自動(dòng)將工作負(fù)載移動(dòng)到適當(dāng)?shù)闹�陸點(diǎn)，無論是在內(nèi)部部署還是在云端�！盇I／ML將來應(yīng)該根據(jù)性能、成本、治理、安全、風(fēng)險(xiǎn)和可持續(xù)性的眾多規(guī)范，實(shí)時(shí)決定在哪里放置工作負(fù)載。

例如，工作負(fù)載可以自動(dòng)移動(dòng)到最省電的服務(wù)器，同時(shí)確保服務(wù)器以最高效率運(yùn)行，即70－80％的利用率。Bizo說，人工智能系統(tǒng)可以將性能數(shù)據(jù)整合到等式中，因此對(duì)時(shí)間敏感的應(yīng)用程序在高效服務(wù)器上運(yùn)行，同時(shí)確保不需要快速執(zhí)行的應(yīng)用程序不會(huì)消耗過多的能量。

基于人工智能的工作負(fù)載優(yōu)化引起了麻省理工學(xué)院研究人員的注意，他們?nèi)ツ晷�布他們開發(fā)了一個(gè)人工智能系統(tǒng)，可以自動(dòng)學(xué)習(xí)如何在數(shù)千臺(tái)服務(wù)器上調(diào)度數(shù)據(jù)處理操作。

但是，正如Bushong所指出的，現(xiàn)實(shí)情況是，如今的工作負(fù)載優(yōu)化是像亞馬遜、谷歌和Azure這樣的超大規(guī)模公司的專利，而不是一般的企業(yè)數(shù)據(jù)中心。原因有很多。

實(shí)施人工智能的挑戰(zhàn)

優(yōu)化和自動(dòng)化數(shù)據(jù)中心是正在進(jìn)行的數(shù)字化改造計(jì)劃的一個(gè)組成部分。戴爾的Tabet補(bǔ)充道，“借助COVID－19，許多公司現(xiàn)在都在尋求進(jìn)一步的自動(dòng)化，推動(dòng)人工智能驅(qū)動(dòng)、能夠自我修復(fù)的‘?dāng)?shù)字?jǐn)?shù)據(jù)中心’的理念�！�

谷歌在2018年宣布，已將其數(shù)個(gè)超規(guī)模數(shù)據(jù)中心的冷卻系統(tǒng)控制權(quán)轉(zhuǎn)為人工智能程序，該公司報(bào)告稱，人工智能算法提供的建議使能源使用量減少了40％。

但是，Bizo說，對(duì)于那些名字不是谷歌的公司來說，在數(shù)據(jù)中心使用人工智能“在很大程度上是一種理想”。一些AI／ML特性在事件處理、基礎(chǔ)設(shè)施運(yùn)行狀況和冷卻優(yōu)化中可用。但是，AI／ML模型要取得比目前標(biāo)準(zhǔn)數(shù)據(jù)中心基礎(chǔ)設(shè)施管理（DCIM）更明顯的突破還需要更多年的時(shí)間。與自主汽車開發(fā)非常相似，早期階段可能很有趣，但與它最終承諾的突破性經(jīng)濟(jì)／商業(yè)案例相去甚遠(yuǎn)�！�

Tabet認(rèn)為，一些障礙是“需要雇傭或培訓(xùn)合適的人員來管理系統(tǒng)。另一個(gè)需要注意的問題是數(shù)據(jù)標(biāo)準(zhǔn)和相關(guān)體系結(jié)構(gòu)的需要�！�

Gartner這樣說：“AIOps平臺(tái)成熟度、it技能和運(yùn)營成熟度是主要的阻礙因素。高級(jí)部署面臨的其他新挑戰(zhàn)包括數(shù)據(jù)質(zhì)量和“IT基礎(chǔ)設(shè)施和運(yùn)營團(tuán)隊(duì)”缺乏數(shù)據(jù)科學(xué)技能。

Bushong補(bǔ)充說，最大的障礙一直是人。他指出，外雇數(shù)據(jù)科學(xué)家對(duì)許多企業(yè)來說是一個(gè)挑戰(zhàn)，對(duì)現(xiàn)有員工的培訓(xùn)也是一個(gè)障礙。

另外，Bushong說，員工抵制技術(shù)的歷史由來已久。他指出，軟件定義網(wǎng)絡(luò)（SDN）已經(jīng)存在了十年，但仍有四分之三以上的IT運(yùn)營仍由CLI驅(qū)動(dòng)。

“我們必須相信，各種基礎(chǔ)設(shè)施的運(yùn)營商準(zhǔn)備把控制權(quán)讓給人工智能，”Bushong表示�！叭绻�一群人還不相信空管員能做出決定，那么你怎么訓(xùn)練、教育和安慰一群人，讓他們做出如此重大的轉(zhuǎn)變呢？業(yè)內(nèi)普遍的態(tài)度是，如果我這么做，我就會(huì)失業(yè)。”

這就是為什么Bushong建議企業(yè)在人工智能方面采取那些小而乏味的步驟，而不是陷入經(jīng)常圍繞一項(xiàng)新技術(shù)的炒作中。