AI在云數據中心的運用

伴隨著數字經濟時代的到來，大數據中心做為關鍵基礎設施建設發(fā)展趨勢尤其迅速。但伴隨而來是指耗能難題日趨比較嚴重。這不但促使大數據中心自身的經營成本持續(xù)飆升，更為增加了社會發(fā)展電力網的負載工作壓力。在這種新時代背景下，客戶針對大數據中心要求的迅速上升和大數據中心的高耗能就產生了比較嚴重分歧，如何才能讓二者互相融洽？早已變成了行業(yè)內積極關注的話題討論。針對運用創(chuàng)新技術和新方法進而更改這類現況的心聲也日趨明顯。

AI針對大數據中心降低成本人非圣賢

據有關匯報強調，2018年我國大數據中心總耗電量1608.89億千瓦，占我國全社會用電量的2.35%，超出上海2018年全社會用電量。照此預估，2023年我國大數據中心總耗電量將做到2667.92億千瓦，將來5年將提高66%，年平均增長率將達10.64%。

2019年至今，北京市，上海市，深圳和廣州等地陸續(xù)新政策出臺以管控數據中心建設。此外，國家工信部以前也早已密文規(guī)定，到2022年新創(chuàng)建大中型、特大型大數據中心PUE務必做到1.4下列?？墒莻鹘y(tǒng)式減少PUE的辦法其發(fā)展?jié)摿σ堰_極限值，如何運用新技術應用、新構架減少資源消耗，完成大數據中心的綠色發(fā)展理念成為了領域了解的聚焦點。

在耗能之中，大數據中心IT機器設備自身因測算造成的耗能當之無愧的排位賽第一，而為了確保這種機器設備平穩(wěn)運作，冷卻造成的能耗則位列第二位。據有關調研資料顯示，致冷均值占大數據中心電力能源成本費已達40％；2017年DCD在東南亞的一項研究發(fā)現，假如PUE從1.80（貼近全世界平均）降低到1.30，則電力工程成本費能夠遞減。雖然這類大幅度改善不大可能完成，但即使是中等水平水平的改善也將合理減少經營成本。

在這種新時代背景下，借助人工智能技術（AI）技術性，根據深度神經網絡，動態(tài)性認知不一樣IT機器設備在當今自然環(huán)境下的測算情況，網絡空間，及其能耗等領域的因素進而作出適應能力調節(jié)的辦法已經被許多大型的大數據中心所選用。

因為AI是根據基礎設施建設管理技術和鱗次櫛比的智能傳感器技術工作中，并利用人工神經網絡來研究和處理工作命令，因此相較于傳統(tǒng)式的人力營銷團隊，其對常見故障或者威協(xié)的解決基本上能夠實現即時反應的水平，進而協(xié)助大數據中心管理人員合理預測分析或降低毀滅性常見故障。

高成本費及優(yōu)秀人才不夠限定大數據中心AI普及化

盡管AI針對大數據中心可以產生眾多益處，但并非所有大數據中心都可以像Google一樣有充足的資產試著最新技術。此外，這種益處還需要放到一個比較長的經營周期時間才可以反映，而布署AI的成本費，則讓許多大數據中心營運商望而生畏。依據DCD的科學研究表明，現階段AI不論是在多租戶大數據中心（MTDC）或是公司大數據中心之中的占有率都還比較低。特別是對這些年久主機房來講，盡管有效布署AI能夠在能源消耗和經營層面并對造成幫助，但因為其機房建設方案較早，并無規(guī)范可談，許多設計方案里的缺陷不僅僅會造成AI技術應用的競爭優(yōu)勢無法充分發(fā)揮，乃至還會繼續(xù)反方向危害其正常運轉。

此外，針對許多主機房來講，相應優(yōu)秀人才的缺少都是制約因素。簡單來說，AI學習培訓算法是借助必需水準的數據信息同化作用、學習培訓和應用能力，來提升總體特性。但這類優(yōu)化算法的產生，一定要借助很多的主機房運營數據才可以創(chuàng)建。針對許多年久大數據中心來講，空有有關數據信息，可是怎樣產生優(yōu)化算法并最后創(chuàng)建AI實體模型，乃是無法逾越的阻礙。

AI新技術能不能真真正正普慧大數據中心降低成本？

盡管現階段還有一些約束性要素，但AI新技術能不能真真正正普慧大數據中心降低成本的難題，其回答顯而易見是毫無疑問的，讓王謝堂前燕飛入尋常百姓家并不是絕對沒有很有可能。實際上，現階段早已有許多大數據中心解決方法經銷商在做有關試著，并贏得了非常好的作用。

華為公司的iCooling@AI能耗等級提升解決方法就是一個很好的實踐活動。該計劃方案在2018年早已在自己家廊坊市大數據中心的1500個聲卡機架上布署結束。通過真實運作，示范點地區(qū)（1500個聲卡機架）的年平均PUE已從1.4提升到1.3下列，節(jié)約了8％的電力工程耗費。

此外，在2019年11月建成投產的中國移動通信甘肅大數據中心（張掖）也一樣應用了華為iCooling@AI能耗等級提升解決方法。該方法包括了AI環(huán)保節(jié)能開發(fā)技術及配套設施的云計算技術、邊沿AI邏輯推理等。在第一階段自然冷卻情景下評測資料顯示，iCooling@AI解決方法已合理減少中國移動通信甘肅大數據中心PUE標值達3.5%。在第二階段中高負載及機械設備致冷情景下，隨PUE實體模型精密度的不斷提高，環(huán)保節(jié)能實際效果預估可做到5%-8%。

所說iCooling，是根據AI的大數據中心能耗等級提升解決方法，還可以不錯的處理大數據中心致冷高效率的發(fā)展瓶頸。從總體上，該解決方法是通過設備深度神經網絡，可以對大量的歷史記錄開展業(yè)務分析，找到在其中危害耗能的主要因素，并籍此獲得PUE的預測模型。隨后根據該模型計算出PUE的比較敏感矩陣的特征值，再完成相應業(yè)務流程練習。當練習結束后，會生成詳細的業(yè)務流程實體模型。最終以PUE預測模型，業(yè)務流程實體模型做為參考，運用粒子群優(yōu)化算法，獲得優(yōu)化主要參數組，下達到自動控制系統(tǒng)，完成制冷機組的操縱。iCooling可利用標準化的實踐活動正確引導和目標導向測評，持續(xù)調節(jié)提升，獲得平衡PUE，并從而協(xié)助大數據中心降低能耗。

續(xù)篇：

由以上數據信息不會太難發(fā)覺，AI針對大數據中心未來發(fā)展來講，將具有十分充分的功效。雖說現階段的占有率還比較低，但華為iCooling在這些方面的示范作用十分明顯。在云數據中心基礎設施建設行業(yè)，iCooling解決了數據信息、優(yōu)化算法、算率的難題，將本來覺得高不可攀的AI技術性帶到到具體運維工作之中。

實際上，除開降低能耗之外，AI在云數據中心的別的行業(yè)也是有主要表現。當在運維管理方面，根據圖象、響聲的數據分析，能夠完成自動化的安全巡檢，防范于未然；在經營方面，能夠創(chuàng)建財產實體模型，鑒別閑置設備，完成網絡資源高效率運用。在安全領域，協(xié)助檢驗惡意程序和垃圾短信，剖析正常的和異常情況的活動模式，鑒別缺點并增強對潛在性威協(xié)的安全防護。甚至有，AI還可以根據優(yōu)化算法，將故意侵入數據信息“圈禁”以執(zhí)行監(jiān)管，并籍此跟蹤侵略者。“前途似海,來日方長”，大家有原因堅信，AI技術性在中國的大數據中心領域一定大有作為。（由來互聯網）