人工智能提高数据中心的可用性和效率,缓慢而稳定发展的数据中心创新技术

下一步:向DCIM混合软件添加外部数据。这就是机器学习发挥关键作用的地方。

图片 1

这些技术创新将以不同的方式,以不同的速度,应用在不同的地域市场和市场部门。例如,在所谓的新兴市场,数据中心行业厂商都会推出与成熟市场的不同的新技术,有时会跨越”传统市场,推出其早期阶段产生新的想法。例如,新兴市场已经采用不断发展的模块化技术和外包服务模式,而在数据中心增长的早期阶段,则通过传统的内部模式主导更加成熟的市场。

施耐德电气公司数据中心全球解决方案高级主管Steve Carlini说,基本需求是获取来自主要组件的实时数据。也就是那些冷水机组、冷却塔、通风机、风扇等组件的实时数据。在IT设备方面,它意味着服务器利用率、温度和功耗等指标。

通常,托管数据中心为客户提供空间,制冷,电力,带宽和物理安全保障,以及提供服务器和存储。托管数据中心产品的应用也反映了市场的脉搏,调研机构451 Research公司对2020年全球数据中心空间增长的研究结果表明,托管数据中心市场表现优于其他类型的数据中心,年增长率将达到8%。

如今的应用和设备占用了大量带宽的网络流量,如高清视频和3D视频,以及更复杂的连接设备。而大数据和物联网的发展趋势正在推动创新进程,数据中心设施和IT负责管理的资源有限并且昂贵,例如空间、电源和技能等。尽管如此,数据中心的创新却出奇的缓慢,渐进和零碎的。

Vigilent基于机器学习的技术知道哪些空气流设置能够优化每一客户的热环境。该公司称,在需要散热的地方提供适量的散热,通常能够把能源费用减少40%。

与第三方整合

人工智能(AI)和“机器学习”越来越多地被应用于提高数据中心的运营工作中。谷歌现在使用机器学习的专有系统,收集数据进行管理和优化其IT系统,并调节电力和冷却设备。例如,其Vigilent的动态散热管理系统,可以智能地响应来自无线传感器收集的温度数据。

人工智能让现有的流程更好

图片 2

企业往往倾向于通过应用一个新的理念或技术来创造价值,因此创新是与增长相关的。数据中心的创新可以为企业的业务运营提供更高的可靠性和更大的弹性,与此同时,日益复杂的数据量也在不断增长。

通过动态散热优化,数据中心管理人员可以根据环境条件监测并控制机房的散热基础设施。当设备移动或者计算流量出现激增时,建筑物内的热负荷也会发生变化。动态调节散热输出,以转移热负荷,这有助于避免不必要的散热能力并降低运行成本。

如今,随着托管数据中心的不断普及,收并购活动将重塑多租户数据中心市场。同时,数据中心行业需要更高水平的运营效率,服务水平协议,透明度和报告支持。数据中心基础设施管理(DCIM)为托管数据中心的运营提供了可视化的实时监控,数据收集和性能监测。

数据中心运营商投资于自动化,一直以来都在实现其数据中心基础设施管理(DCIM)技术的承诺。同时,软件定义网络(SDN)帮助自动化网络提高水平,在数据中心之间,开放的贸易交流可以自动的方式购买和出售资源,更灵活地提供计算,云计算和数据中心容量的方式。

利用机器学习,数据中心运营商能够更好地处理散热、功耗和性能等问题。

实际计费功能

技术创新是缓慢而稳定的,而伴随着新的技术的发展,传统的设备和工艺仍有很大的应用空间。但尽管如此,大多数的数据中心运营商都相信创新的好处,认识到创新可以降低总体拥有成本,并提高敏捷性和灵活性,同时更好地满足客户。

好消息是数据中心监测正朝着高级分析和机器学习所需的深度发展。Carlini说:服务提供商和托管提供商一直非常擅长在子架级或者机架级进行监测,以及对能源使用情况的监测。企业开始部署它,这取决于数据中心的规模。

通过DCIM,托管数据中心获得了可实时操作的数据,可立即响应并更好地控制基础设施以及客户的IT资产。

•自动化

同时,对于初创企业,他强调了设施部门和IT部门加强合作的重要性。

对于托管数据中心来说,DCIM是设施管理和IT运营之间的桥梁,DCIM能够监测IT相关设备和设施基础设施组件的使用情况以及电能消耗情况,并为这两个领域提供全面的信息指导。托管数据中心决定采用DCIM工具标志着企业态度的重大转变。三五年前,使托管数据中心普遍使用DCIM是比较困难的,因为其工具本身被中小型企业认为是一种奢侈品。

为什么是这样?是有限的运营成本和资本支出(OPEX和CAPEX)预算限制和阻碍了创新,管理人员推迟了投资,否则可以加快数据中心创新的速度。其他创新的障碍包括由企业自身的文化或组织因素产生的体制惯性。新的许多障碍都反映在数据中心运营商预测的外部因素会影响他们的运作。

Ascierto说:机器学习对数据中心来说并不陌生。长期以来,人们一直想根据容量和需求来更好地进行适当的散热,而机器学习使您能够实时地完成这项工作。

许多托管数据中心已经根据客户需求扩展了其产品组合,其中就包括DCIM. DCIM提供资产管理和数据中心管理,可以延长数据中心生命周期。对于托管数据中心来说,采用DCIM可以实时的可视化的跟踪和监控其资产的性能。

数据中心产业的传统结构和文化意味着创新仍然可能保持零星和渐进的进化。大多数新技术和商业模式将逐步全面采用于一系列的基础设施和业务领域中。

IT专业人员习惯于设备监测和实时报警,但在机房设施方面并非如此。Carlini说:IT设备对信息的要求是即时的,而在电力系统中,不是即时的,其环境不同。

如今,DCIM将为托管数据中心和客户带来双赢。对于客户来说,通过托管数据中心提供商使用DCIM,可以定制数据中心,以满足特定的需求。这样可以确保DCIM解决方案能够发挥最大的作用,使客户获得最大的效益,并降低数据访问和使用中的故障风险。DCIM工具将使企业提高灵活性以便快速调整操作,从而使企业可以根据需要大幅增加分析和工作流程,也可以使企业在不需要最佳分析能力的情况下降低运营成本。

【编辑推荐】

Carlini说:最重要的是要全面考虑数据中心的所有领域供电、散热和IT机房。业界正在努力确保不同领域技术之间的互操作性。企业在人员配备方面也需要这样做。

DCIM系统还有另一个重要优点:实时计费。实时计费提高了客户的透明度,这是进行准确计费和预算的一个重要优势。通过实时跟踪客户使用情况,运营商会根据客户实际使用情况收取费用。这可能听起来与传统计费的方法不同,但是更加直观。对于客户来说,它提供了新的数据级别,从而可以改进规划,或扩展使用。最重要的是,提高了客户满意度。

鉴于此,这或许并不令人意外,根据DCD的全球调查,产业变革的步伐继续是一个逐步渐进的过程。例如,服务器虚拟化和外包是创新的主要形式,推出也经经有好几年了,现在行业追求的是使用一段时间。然而,这些领域的增长仍然缓慢却稳定。

Vigilent是动态散热优化领域的领导者,其技术用于优化数据中心设施中的空气流,自动发现并消除热点。

设施管理和IT之间的桥梁

2015年全球数据中心17%的机架在企业内部部署的数据中心中,但被作为虚拟化或私有云的一部分来管理。这个数字是从2014年15.6%上升到2015年的17%,只增加了1.4%。与此同时,占全球总量10.4%的机架外包给基于云的服务提供商。这个数字是从2014年9.6%上升到2015年的10.4,只增加0.8%。

Vigilent的创始人、总裁兼首席技术官Cliff Federspiel说,数据中心运营商运行的散热设备往往比实际需要的多。它产生的温度分布通常还是能接受的,但代价很高。

DCIM确保透明度

•电源和冷却节能策略

其目的是使数据中心运营商能够提高设施的可靠性和效率,并有可能更自主地运行这些设施。然而,获取数据并不是一项简单的任务。

【编辑推荐】

但是,当这一切发生的时候,很多人会质疑数据中心所有者和运营商是否对外部压力有足够快的反应,包括那些与大数据和物联网相关的数据。有些组织会比其他人更成功地迈出创新的正确步伐。

451 Research公司的数据中心技术和生态效率IT渠道研究总监Rhonda Ascierto评论说,托管服务提供商是动态散热优化技术的主要采用者。

随着数据中心市场的整合,多个业务系统的融合是普遍的选择,随着DCIM与第三方供应商的不断整合。拥有开放的协议接口来促进这种整合是重要的,因为数据中心管理人员越来越认识到这样的整合可以增强竞争能力。正如数据中心运营商和客户所看到的那样,如今很多托管数据中心采用DCIM工具,DCIM是数据中心设施基础设施所需的最重要的工具之一。它是一种全面的可视的实时监控数据中心状况的以便根据实际情况发布决策命令的中心软件。

•新架构

未来,机器学习在数据中心的广泛应用将使得企业拥有更强的深度分析能力,更好地决定在哪里运行哪些工作负载。Ascierto说:这对企业来说是非常有价值的,尤其是如果他们围绕最佳执行场所做决定的时候。这一应用程序应该运行在这个数据中心吗?或者我们应该使用托管数据中心?

整合多个业务系统是收并购的一个常见要求,也意味着托管数据中心必须有能力在全球范围内进行可扩展和有效的管理以及交付。关键功能(如机架空间,电源,冷却和网络连接)需要通过基于关键绩效指标(KPI)的客户端仪表板实现紧密的监督。然而,资产移动,增加和变更可能会造成数据中心容量利用率的不平衡,并可能导致资产滞留,例如某些服务器资源和能力未充分利用,而某些服务器上的资源在需求超过其他服务器。如果不能对可用能力进行明确洞察,那么数据中心运营商可能会在现有资源的利用率不足的情况下还进行不必要的资产投资。

需要规模经济的云计算和托管提供商正在推动大型数据中心新的架构的建设。云服务可以从多个数据中心提供,这将使服务和应用程序移动到云成为一个趋势。同时,大型企业可能寻找更好的方法来连接多个数据中心设施,尝试选择一些新技术,例如思科的覆盖传输虚拟化(OTV)技术。

风险分析和风险缓解计划也将受益于更深入的分析。Ascierto说:数据中心现在实在太复杂了,而且规模如此庞大,以至于人类很难找到模式,但对于机器来说这非常简单。

图片 3

包括采用低能耗的服务器,或是依赖于低功耗中央处理器单元(CPU)的微型服务器。其他的还包括利用自然空气冷却准备,它利用外部空气来冷却数据中心设施,而不是那些耗电的机械制冷或空调机组。同时,计算流体动力学(CFD)承诺了一个科学的方法,采用数值分析模型模拟流体流动。

在数据中心设施内部,有越来越多的传感器收集来自包括电源备份、配电装置、开关设备和冷水机组在内的设备的数据。关于这些设备及其环境的数据由机器学习算法进行解读,这些算法深度分析性能和容量,并确定适当的响应,例如更改设置或者发送警报等。随着条件的变化,机器学习系统从变化中学习它实际上是被训练为自我调整,而不是依赖于具体的编程指令来执行其任务。

为了更好地管理这些容量问题,托管数据中心运营商可以利用DCIM工具来降低成本,并提高产能利用率。通过复杂的跟踪和报告功能,DCIM可以为托管数据中心提供准确评估所有资产的能力。IT经理可以更好地使容量得到最大限度地利用,设施管理人员可以最大限度地根据环境条件来预防宕机事故的发生。

数据中心的创新可以解决很多问题,包括数据中心设施的设计和建设,利用虚拟化,自动化、监控IT商业模式,如外包的采用,以及人力技能的应用。

数据中心管理即服务,也就是DMaaS,是基于DCIM软件的服务。但它不是DCIM软件简单的SaaS交付版本。DMaaS进一步收集数据,汇集多个数据中心的设备和设施数据。然后,使用机器学习对数据进行匿名化和汇总处理,并进行大规模分析。

虽然DCIM系统的成本在不同托管数据中心有所不同,但DCIM检测提供的附加价值才是更重要。通过DCIM监控功耗或采集实时数据,托管数据中心可以为客户访问数据中心提供不同的的访问级别和透明度。DCIM作为一种工具不会独自创建业务流程。托管数据中心希望在两到三年甚至更少的时间内能够完全收回对DCIM系统的投入。

•机器学习

层次更高的应用是动态散热优化,这是当今数据中心机器学习更常见的例子之一,尤其是对于数据中心大运营商和托管提供商。

随着竞争的加剧,市场不断整合,数据中心管理人员越来越认识到DCIM等工具对自身组织的重要性以及对客户带来的好处。DCIM现在被许多人认为是一种不仅可以远程管理和评估多个托管数据中心,还可以提高这些数据中心安全性的关键业务。

数据中心的能源效率

Ascierto说:企业不仅可以使用自己的数据来理解和解决这些问题,而且还可以使用数千个其他设施的数据,包括许多与你的企业非常相似的设施的数据。这就是最大的不同。

良好的DCIM软件可以提供资产属性和工具的实时可视化,以确定最有效的数据中心配置。数据中心资产的实时监控是DCIM产品的重要功能,传感器和数据采集器可以在整个数据中心进行操作并获得环境数据。通过获得的数据,可以确保尽可能高效地使用能源,设备和空间。

数据中心的创新来源

当然,企业现在也有监测工具。长期可用的数据中心基础设施管理软件能够让人们深入了解数据中心资产、相互依赖性、性能和容量。DCIM软件处理的功能包括远程设备监测、供电和环境监测、IT资产管理、数据管理和报告等。企业使用DCIM软件来简化容量规划和资源分配,并确保尽可能有效地使用电源、设备和机房空间。

阻碍数据中心技术创新

随着企业开始采用经过数据中心大运营商和托管服务提供商试用和测试过的机器学习技术,人工智能将在数据中心运营中扮演更重要的角色。

IT系统和数据中心能源效率的节能措施,已经不再得到发达国家政府和数据中心的保护,已经开始广泛应用在全球任何一个国家和地区。

场景规划是另一种能够从机器学习受益的流程。例如,企业现在进行场景规划,估算设备移动对功耗的影响。Ascierto说:没有机器学习也能做这项工作。但是,把机器学习数据和历史数据应用到具体的配置和不同的设计中能够确定某一配置或者设计结果的能力会大幅度提升。

•模块化数据中心

例如,预测性和预防性维护受益于深度智能。Ascierto说:基于其他机器这些机器运行在类似的使用环境中,有类似的使用情况、类似的寿命,以及类似的组件,人工智能能够预测哪里会出现问题。

尽管有地域差异,数据中心行业的技术与市场将趋同一致,而成熟市场和新兴市场之间的差距已经越来越小。这部分是由于国际间技术的发展和战略的转移,这有助于促进数据中心创新的稳步全球化。

过去不到十年的时间里,第一个数据中心已经完全仪表化了,用仪表来监测供电和散热。在仪表存在的地方,很难进行标准化:数据中心运营商依赖于采用多种通信协议的楼宇管理系统从Modbus和BACnet到LONworks和Niagara,并且必须兼容不共享数据或者不能通过远程控制进行操作的设备。Carlini说:TCP/IP、以太网连接这类连接在传动系统和散热领域是前所未闻的。

允许正在改变数据中心的虚拟化进行整合。虚拟化技术已被应用于服务器和应用程序,并可以得到更快的发展,更好的备份和快速部署。新的虚拟化技术可以进一步提高数据中心的性能,包括桌面虚拟化、网络功能虚拟化(NFV),以及虚拟存储区域网络(VSAN),VSAN是一个软件定义的存储解决方案,将有助于提高灵活性和自动化。

责任编辑:周星如

•虚拟化

目前,人工智能在数据中心的应用主要是围绕使用机器学习来监测设施组件,并进行自动管理,例如电源和配电单元、散热基础设施、机架系统和物理安全等。

媒体曝光的新技术有时给人的印象是,大家都做X或Y,但实际上DCD的调查表明,无论什么新技术,三分之一的数据中心运营商在某一年中投资于技术的时间不超过一个季度。其次,考虑到数据中心的投资周期性,需要在昂贵的技术上花费更长的时间和更多的资金,因此厂商的积极性受到影响。

Ascierto说:如果你有基本的监测和资产管理机制,那么你的容量预测能力会大幅度提高。人们现在正在使用自己的数据开展这方面的工作。

新技术将与传统的基础设施和流程一同存在,产生一种混合的文化。而数据中心所有者和经营者将会采取措施,以确保他们的员工技能和工具是最新而有效的。

展望未来,数据中心运营商正在把成功的动态散热优化技术扩展应用到其他领域。一般来说,在注入机器学习已经成熟的领域中,人们也比较熟悉其需要重复性任务的流程。

模块化和预制的数据中心看起来像是这些棘手问题给出的答案:冗长的数据中心生命周期,需要持续不断的升级。数据中心预制承诺加快项目的时间,提高了可扩展性,可移植性和标准化。标准化的数据中心可能更加有利于调试和员工培训。模块化数据中心解决方案也正在通过企业希望提高他们的绿色IT证书。

机器学习让数据中心保持凉爽

每个公司都在这样做吗?

机器学习推动的智能应用的一个简单例子是基于状态的维护,它应用于数据中心中的消耗品,例如,冷却过滤器等。Carlini说,通过监测流过多个过滤器的空气流量,智能系统可以检测到一些过滤器是否比其他过滤器更容易堵塞,然后把空气引导到不容易堵塞的单元中,直到需要更换所有过滤器为止。

传统的数据中心设计一般为10至15年的生命周期。这造成在扩大或升级数据中心的费用和难度有了实际的挑战,另外,这还具有文化内涵,传统的技能和思维方式的传统可支配决策。

他说:从技术上说,这变得越来越简单,但在部门间,还是有孤岛。

Carlini说:很难对数据中心进行评价。数据中心与配电和散热有关的连接点是非常多的,如果企业想尝试人工智能,就需要获得这些连接点的数据。

Ascierto说:数据中心新的基于机器学习的方法最有可能应用于现有的业务流程,因为机器学习在全面理解业务问题和规则时是最有效的。

DMaaS市场的两家早期参与者是施耐德和伊顿公司。这两家供应商利用其数据中心多年的经验挖掘出大量数据,其中包括设计和建造数据中心、楼宇管理、配电,以及供电和散热服务等。

Ascierto说:施耐德和伊顿正在从事的工作将带来巨大的变化,也就是拥有大量客户数据的数据湖。这对数据中心部门来说非常有趣。

除了自动散热系统外,Vigilent的软件还为客户提供了分析功能,用来对其设施做出操作决策。

展望未来,智能系统可以承担更复杂的任务,使数据中心能够根据在哪里运行最有效或者最可靠来动态地调整工作负载。Carlini说:复杂的人工智能对未来还是有一些影响的。

如果有一个热点,典型的反应是进一步提高散热能力。在现实中,如果空气流速过快会产生压力差,干扰设备上的空气流,或者阻碍热空气返回到散热设备。尽管这与我们的直觉不符,但能更有效地降低风扇速度。

Federspiel说:我们的客户对使用这些数据来帮助管理他们的资本支出、他们的容量规划以及可靠性计划越来越感兴趣。这为数据中心很多新的依赖于数据的决策带来了机会。

另一个例子是监测UPS系统中电池的温度和放电情况。智能系统能够发现一个UPS系统运行的环境更热一些,并且可能比其他系统更频繁地放电,然后会将其指定为备份UPS,而不是主用UPS。Carlini说:它站在你的角度为你思考。这可以手动完成,但机器也可以做到。这是最基本的。

2016年,德尔塔航空公司由于电力系统故障导致数据中心停电,三天时间内停飞了大约2000次航班,使该航空公司损失了1.5亿美元。这正是基于机器学习的自动管理功能可以避免的应用场景。由于数据中心性能的进步以及云中数据池的出现,智能系统有可能发现数据中心运营中的漏洞,从而提高效率,而这是手动过程做不到的。

目前的混合计算环境通常涉及到本地数据中心、云和托管站点,以及边缘计算部署。企业发现管理数据中心的传统方法并不是最优的。通过使用人工智能,正如机器学习所展示的那样,极有可能简化复杂计算设施的管理。

这些数据来自各种客户的各种操作环境,因此获得这些数据后,企业能够把自己数据中心的性能与全球基准性能进行比较。例如,施耐德被称为EcoStruxure IT的DMaaS产品,与含有500多名客户和220万个传感器的基准数据的数据湖相关联。

本文由澳门威斯尼人平台登录发布于办公软件,转载请注明出处:人工智能提高数据中心的可用性和效率,缓慢而稳定发展的数据中心创新技术

相关阅读