|
|
51CTO旗下网站
|
|
移步端
  • 机器学习如何推动数据中心发展?

    大数量革命引发了数据中心的爆裂式增长,该署中心正在以越来越高的准确率消耗能源。本文回顾了两种提高数据中心效率的正式方法,并认为第三种办法-机器学习-是不错的解决方案。

    笔者:CDA数据分析师 来源:当日第一| 2020-01-15 16:58

     1、前言

    大数量革命引发了数据中心的爆裂式增长,该署中心正在以越来越高的准确率消耗能源。本文回顾了两种提高数据中心效率的正式方法,并认为第三种办法-机器学习-是不错的解决方案。

    天网,VIKI和HAL 9000就是部分具有机器学习功能的AI的例证。创造它们的目的是消灭对人类而言过于复杂的题材,并通过神经网络对他进行控制,以增进效率,竞争性和存活率。当然,影视需要对立面,故此这些AI奇迹给了不利的黑暗面——但是这种复杂的机器学习是实际的并且已经成功实现。

    自2000年代以来,数据中心已经激增。一度巨型电子商务服务数据中心仅用几个19英寸机架来部署所需的蒸发器,玉器,以及网络设备。现行,特型数据中心成千上万的软件设备部署在数千个机架上。它们源自本地办公室的微型服务器,现已发展成为超大型设施,以保护我们的物联网和一切相关数据。犹太人使用的多寡,流程,联网性和存储量需要大量环保,这意味着数据中心是首要的辐射源耗费者。占全国年消费量2%的行当和内阁专家正致力于提高效率,因为预计数据中心的急需将会增加。

    脚下,消灭此问题的提案主要有两个地方:

  • 她们必须使旧的数据中心尽可能高效
  • 她们必须树立更便捷,更大的数据中心
  • 但是,他并没有确定解决此困难之解决方案。而真实的解决方案在于贯彻机器学习系统。交通过它们的经过,可以减少数据中心的能耗,并行使他效率比原先更高。现行,布局依赖于机器学习的工具的数据中心运营商正在下效率和可靠性方面获得最初的收入,但他们才刚刚开始寻找机器学习将对数据中心管理产生之全套影响。

    机器学习是必发娱乐手机版的散文集,开展优化未来数据中心运营的各国地方,包括计划和计划,管理IT上班负载,确保正常运行时间以及控制成本。IDC展望,到2022年,出于具有嵌入式AI效益,数据中心中50%的IT基金将能够自主运行。

    2、数据中心能耗

    容纳大量服务器场的特大型,不起眼的容纳器慢慢地在塞尔维亚兴起。这是全国性现象,因为数据和信息都以数字方式存储,故此需要空间。出于节省了大量资产,咱们对人类的全封闭式和动向有了更复杂的询问。倒霉的是,名将数据存储在新石器中并不像一个库。她们要求一定的直径来产生热量,并且热量需要把冷却,故而消耗更多的功效。

    2014年,仅美国数据中心就利用了约700亿度电,副这个角度来看,1 kWh名将使智能手机充电一年。要求能源以保持数据中心24/7全天候运行,采用大量之制冷系统开展冷却以及在紧急情况下维持冗余电源。具体地说每年维护在大约七十亿港币,水资源成本影响着每一个人口。顾客,必发娱乐登录提供者和条件都感受到了如此大量能源耗费的结果,但我们的兑换率没有丝毫放缓的迹象。故此,采取和自然资源效率是适应的首要对象。

    机器学习如何推动数据中心发展?

    希冀1:数据中心的容量(十亿大卡/小时/年)

    尼日尔至少有300万个数据中心,可以容纳该国每100个体中的一个。数据中心的增强特别复杂,绝大多数服务器和相关设备都是在2000年至2010年之内购买的。但是,随着服务器空间使用效率的增长和对大型数据中心的依赖性增加,统计数据表明存储量将适应而不是充实。

    3、水资源效率,更好的建造计划和机器学习

    局部人可能认为办公服务器比新的超大规模数据中心更有效率。或在破土动工并不必要地淘汰它们之前,应采取较旧的前后数据中心。该署想法有逻辑上的支持,独立服务器由他所有者处理,并且回收而不是更换,但是它们实际上并不帮作用。现场服务器需要数据中心做的一切工作,故此公司在协调之蒸发器场上花费更多的钱,而不是采取远程中心所需的适合空间。而且,较旧的数据中心在构建时就没有考虑能源效率,故此,即使是看似新的数据中心也可能已过时。

    机器学习如何推动数据中心发展?

    希冀2:数据中心总销量(十亿大卡/小时/年)

    尼日尔能源部鼓励广大实施能源效率。她们的“更好的建造”精算邀请企业和数据中心减少耗电或利用可再生能源。诸如Google等等的特大型科技企业率先采用了这种办法,穿过机器学习系统来减少其数据中心的能耗。

    4、DeepMind –面向数据中心和前途的机器学习

    机器学习是AI的经过,能够从场景中学习并作出反应,而不是通过编程的挑选做出响应。机器学习系统会获得历史数据,数(目标),并通过模仿我们团结大脑功能的神经网络进行操作。它们非常方便数据中心,该署数据中心对于以前的体系和标准人员来说已经变得复杂起来,无法有效地进行管理。数据中心每天都会发生近十亿次事件,只有通过直观的体系才能处理这些事件,以促成比较大的可操作性。例如:

  • 装备-装备/人口-人口的交互对于每个中心和一般事件都是绝无仅有的
  • 风的体系和人口无法迅速适应导致重大能量损失的里间/表面微小环境变化
  • Google穿过输入DeepMind系统,瞩望名将他能降低和保持40%的辐射源效率,这是一番通用系统,她们期望广大发布以调减能源使用。Google数据中心团队针对少数操作场景对DeepMind拓展了陶铸,创造了自适应参数,步入了历史数据(例如温度和泵速),并将目标一定为前途的水资源使用效率(PUE)。PUE实际上是构筑能耗与IT耗资之比;用于衡量能源效率。

    机器学习如何推动数据中心发展?

    顶部署在Google的数据中心时,他可以通过分析难以理解的多寡集并提议使用的主意来成功地减少耗电。这听起来与早期提到的AI所负责的天职相差不远。侥幸的是,科幻小说与科学之间有鲜明的界限。诸如DeepMind等等的体系是一项优势,能够以人类无法控制的局面降低能耗。随着岁月之流逝,更多的体系将实行机器学习,以便它们可以很大限度地增进可操作性,故而为人们节省资金,更主要的是,为环境节省了本。

    Uptime Institute研讨副总裁Rhonda Ascierto说:“这是数据中心管理的前途,但我们仍处于早期阶段。”IDC Cloud to Edge数据中心趋势服务研究总监Jennifer Cooke表示,随着越来越多之合作社采取包含云,监管设施和其中数据中心的混合环境,并且将越来越多步包括边缘站点,创造更智能的数据中心变得越来越重要。

    5、机器学习在数据中心的使用

    何为机器学习?大概来说,机器学习是副例子和经验(即数据集)读书而不是依赖于硬编码和预定义规则的作法。扭亏增盈,不是开发者告诉程序如何区分苹果和橙子,书法被数据“训练”并且自己学习如何区分苹果和橙子。以下是今天数据中心管理中机器学习的五个最大用例:

    5.1 效率分析

    Ascierto说,现行的团队正在利用机器学习来提高资源效率,重点是通过监视温度和调剂冷却系统来促成的。

    例如,谷歌在当年早些时候曾颁发,他正在采取AI穿过分析21个变量来自动管理和多元化其数据中心的制冷,例如外部气温,数据中心的直径负载以及后方的液压。发出热气的蒸发器。该企业表示,Google的机器学习算法可实时自动连续不断地调动冷却装置的安装,故而使冷却每年的辐射源使用量减少30%。

    另外,他可以就设计或配置数据中心的最有效措施(包括IT装备或工作负载的可以物理位置)谈起建议。

    5.2 能力计划

    机器学习可以协助IT集团预测需求,故此它们不会耗尽电力,冷却,IT能源和空中。例如,如果一家企业正在整合数据中心并将采用程序和数据迁移到地方数据中心,则算法可以协助他确定此举如何影响该设备的增量,Ascierto说。

    DCIM硬件厂商Nlyte Software的首席战略官Enzo Greco说,增量规划是集团成立新数据中心的一项关键服务,该企业日前生产了数据中心管理即服(DMaaS)产品,并与IBM Watson合作对他进行了集成。名将机器学习功能纳入其产品。

    “您需要使数据中心尽可能准确。您需要多少台服务器?您需要多少冷却?您只要求与服务器数量一样多之散热。”她说。“另外,您需要多少水量?这取决于散热和推进器容量。”

    5.3 风险分析

    在一切用例中,采用机器学习进行风险分析是最主要的,因为他可以识别异常并协助防止停机。“机械可以检测出独特,否则将无法发现,” Ascierto说。

    例如,施耐德电气的DMaaS可以分析来自关键数据中心设备(例如电源管理和发冷系统)的性质数据,并预测何时可能出现故障。施耐德电气数据中心解决方案架构师副总裁Joe Reele说,顶算法检测到独特现象时,系统会警告客户,以便他们能够在设备出现故障之前进行故障排除。

    5.4 我家流失分析

    未来,Ascierto观看托管服务提供商使用机器学习来更好地询问他们的用户并预测他们的所作所为-副购买或补新服务到续订合同甚至支付账单的可能。他说,这是我家关系管理的壮大,可以包括通过聊天框自动进行客户互动。

    Maya HTT已经分析了他家情绪。Duquette说,他目前没有数据中心客户使用它,但是通过自然语言处理,该企业的硬件可以分析电子邮件并记录支持电话以预测未来的用户行为。

    5.5 预算影响分析与建模

    Ascierto说,这将数据中心的营业和总体性数据与财务数据(甚至包括适用税项在内)混合在总共,以了解购买和保护IT装备的资金。他说:“他模拟了一件设备的总拥有资产和万事生命周期,例如一种冷却系统与另一种冷却系统相比。”

    例如,Salesforce在2016年收购了一家名为Coolan的首创公司,该企业采取机器学习来分析IT装备的完全拥有资产,直至单个服务器组件。题材是越来越多之合作社将采用机器学习进行预算影响分析的年华。一部分私人企业可能会自己做,但是这很复杂,因为他要求以计算机模型可以提取的公式容易获得财务数据。

    由于安全原因,DMaaS我家不太可能希望与程序三方共享其财务数据。他说:“对于DMaaS劳务,在最初,让用户共享他们的商务数据是一番比较难的建议。”

    其一世界还不成熟,但前进速度很快。必发娱乐手机版系统规范交付使用还将急需一定的年华,就像数据中心招募的新的工作人员一样,不过类似之机器学习工具终将可以真正的协助您运营数据中心。

    【编纂推荐】

    1. 聚焦必发娱乐手机版创新,曙光受邀参加2019中华图灵大会
    2. MathWorks Jim Tung:助力破解开发困局,为必发娱乐手机版应用落地赋能
    3. 如何允许远程连接到MySQL必发娱乐登录服务器?
    【义务编辑: 华轩 TEL:(010)68476606】


    点赞 0
  • 机器学习  必发娱乐登录  必发娱乐手机版
  • 分享:
    大家都在看
    猜你喜欢
  • 订阅专栏+更多

    Python使用场景实战手册

    Python使用场景实战手册

    Python使用场景实战手册
    共3章 | KaliArch

    118人口订阅学习

    一步到位玩儿透Ansible

    一步到位玩儿透Ansible

    Ansible
    共17章 | 骏马金龙1

    186人口订阅学习

    云架构师修炼手册

    云架构师修炼手册

    云架构师之必不可少技能
    共3章 | Allen在路上

    132人口订阅学习

    读 书 +更多

    网络服务器配置与使用(先后3版)

    该书是由长期从事网络管理工作和网络工程人员培训工作之轻微网管人员和教学人员密切编辑,副实际的技艺进步角度和现实利用的力度,穿过大量...

    订阅51CTO邮刊

    点击这里查看样刊

    订阅51CTO邮刊

    51CTO劳务号

    51CTO官微


    <pre id="a29fde75"></pre>