论文部分内容阅读
摘要：如今，企业比以往更加意识到智能、互联和数据驱动型业务战略的益处。显而易见的是，大数据、物联网、自动化和机器学习正在改变人们的工作方式，人工智能则是这一趋势的下一个阶段。尽管人们对于人工智能的定义有着激烈的争议，但其含义是显而易见的，就是执行一些需要人类判断的过程和任务，能够根据以前发生的事情进行判断的机器来代替人类。然而要做到这一点，需要大量的计算能力。例如，远程跟踪汽车维护信息所需的基础设施，需要将数据传输到集中式系统，对本身可能位于云端的程序执行数据分析，然后允许人工智能系统提出维护建议或采取行动。
关键词：数据中心;人工智能;运维
前言
随着科技的发展，AI人工智能在各个行业应用中大放异彩，针对无人值守的数据中心也在逐步尝试与实践，由AI进行日常运维和管理。有数据显示，70%的企业希望在2018年部署AI技术，20%的企业表示将利用AI来做出决策。AI人工智能通过成熟的流程机制、广泛的培训和庞大的测试集，以及数据投入生产之前的多次验证，可以对数据中心日常的运维和管理进行实时高效的管控。目前AI人工智能在无人值守数据中心的应用还处于早期发展阶段，还需要在AI应用算法、算力、神经网络系统建设等方面不断优化和提升。如今，企业比以往更加意识到智能、互联和数据驱动型业务战略的益处。显而易见的是，大数据、物联网、自动化和机器学习正在改变人们的工作方式，人工智能则是这一趋势的下一个阶段。
一.数据中心人工智能管理的特点与优势
随着信息技术（IT）及其应用的不斷发展，数据中心成为了信息化社会的IT基础设施.作为信息系统的通信中心，运营中心，测试中心和灾备中心，承担着核心业务运营，信息资源服务，关键业务计算，数据存储和备份，确保业务连续性等重要任务.近年来，无论是芯片，架构，系统还是软件都取得了很大进步，刀片系统，多核技术，虚拟化应用，冷却技术，智能管理软件等新技术层出不穷，业务集中，数据集中化已经成为信息化建设的主流趋势，也是管理集约化的必然要求，是优化业务流程的必要手段.数据中心是整个信息化的核心.因此，数据中心运维管理问题越来越得到业内的广泛重视。
随着对数据中心管理与运维的要求越来越高，数据中心管理运维系统的集成与建设也变得越来越复杂。原有数据中心管理运维通常采用数据中心环境监测系统来辅助完成，一直以来环境监控系统只对检测设备的运行数据进行采集和集中显示，并不参与或少量参与设备的配置与自动控制工作。仅仅是为运维管理者提供编制配置策略的依据和数据支撑，配置策略的定制也停留在人工模式阶段。整个管理运维系统功能实现还停留在所谓的只监不控的阶段。
随着人工智能，神经网络的不断普及，人工智能作为探索寻找最优管理与运维策略的工具，将使得数据中心错综复杂的机电设备联动，协同变得更容易实现。
在实际工作运用中，人工智能对数据中心环境控制的场景这并不是很难做到的事情，据相关资料显示，前几年的谷歌数据中心就己经开始逐步部署基于人工智能和深度计算的一套智能环境推荐系统。通过对环境数据的采集，后台分析，自动配置各个设备的运行策略，从而优化数据中心的能效，使其节约能源，减少二氧化碳的排放，帮助缓解全球气候变化。
相对传统的环境监控系统，基于人工智能的数据中心管理与运维系统的优势在于可以实现自动控制数据中心各个机电设备，并可实现局部微调和精细化控制。而不是如传统系统一样，由数据中心的专家根据环境监控系统收集的信息与参数，人工指定调整策略，再由操作人员人工去执行一系列调整动作。人工智能系统可以基于云架构，从而可以实现对多个异地数据中心提供个性化的配置与服务。
二.数据中心人工智能控制的核心与手动机制
基于人工智能的数据中心管理与运维系统的核心通常是一套基于云平台架构的软硬件模组成，核心硬件设备包含多台高性能服务器，软件包括人工智能分析和神经网络计算等应用。系统通过定期的从前端传感器收集数据信息，并输入深层的神经网络系统中，预测潜在的不同策略组合，分析未来能源利用与消耗的趋势。人工智能应用从这策略路径中选择最小能耗，最优且安全的策略，并将相关操作流程发送回数据中心。由数据中心将相关操作流程下发到各个工作终端执行相关操作。所有操作在执行操作流程前，由各个执行模块的本地控制系统进行安全的系统验证，然后在实施与执行，这一切都是自动实现的。
整个人工智能管理系统也包括手动控制机制。由于神经网络系统计算出的每个策略都具有一定的不确定性，人工智能负责对每个策略进行评估，筛选出不确定性与风险性最小的策略路径。同时当核心云平台，将一系列指令发送到物理控制中心的时候，本地控制系统将会根据自己策略安全约束机制进行二次校验。从而保证策略执行不会导致突破本地安全约束，并且操作员通过各地的权限可以进行人工干预与审核。在需要退出人工智能控制模式条件下，控制系统将从人工智能控制无缝换到当前定义的传统自动化控制与人工控制状态。
系统建设初期，人工操作员会从事大量的审查和人工干预事件，这些干预与操作在传统系统的日常管理中没有太大差别。但随着时间的推移，样本学习数量不断的增加，改进与性能比逐步减少。人工干预的次数也越来越少，系统自动化机制的服务范围也越来越大。事实证明，人工智能与神经网络系统去实现类似人工智能的数据中心节能方式是可行的。
结束语：
从长远来看，直接由人工智能对机电设备进行控制尤其是能耗设备进行控制，可以不断的节约能源，让数据中心的运营成本逐渐降低。人工智能系统正在让数据中心成为智能的数据中心，一个会自我管理的自治数据中心，具备实施监控，自我优化和改善运营的能力。智能建筑中的人工智能系统，数据中心只是一个开端，大规模的建筑楼宇自控系统才是发挥它的舞台。
参考文献：
[1]郑佩洪.高速公路数据中心机房管理现状与展望[J].公路交通科技（应用技术版），2019，15（04）：316-318.
[2]赵佳钐，李坤伦，徐江，李院春.机房温湿度智能监测预警系统的实现[J].电子技术与软件工程，2019（13）：149-150.
关键词：数据中心;人工智能;运维
前言
随着科技的发展，AI人工智能在各个行业应用中大放异彩，针对无人值守的数据中心也在逐步尝试与实践，由AI进行日常运维和管理。有数据显示，70%的企业希望在2018年部署AI技术，20%的企业表示将利用AI来做出决策。AI人工智能通过成熟的流程机制、广泛的培训和庞大的测试集，以及数据投入生产之前的多次验证，可以对数据中心日常的运维和管理进行实时高效的管控。目前AI人工智能在无人值守数据中心的应用还处于早期发展阶段，还需要在AI应用算法、算力、神经网络系统建设等方面不断优化和提升。如今，企业比以往更加意识到智能、互联和数据驱动型业务战略的益处。显而易见的是，大数据、物联网、自动化和机器学习正在改变人们的工作方式，人工智能则是这一趋势的下一个阶段。
一.数据中心人工智能管理的特点与优势
随着信息技术（IT）及其应用的不斷发展，数据中心成为了信息化社会的IT基础设施.作为信息系统的通信中心，运营中心，测试中心和灾备中心，承担着核心业务运营，信息资源服务，关键业务计算，数据存储和备份，确保业务连续性等重要任务.近年来，无论是芯片，架构，系统还是软件都取得了很大进步，刀片系统，多核技术，虚拟化应用，冷却技术，智能管理软件等新技术层出不穷，业务集中，数据集中化已经成为信息化建设的主流趋势，也是管理集约化的必然要求，是优化业务流程的必要手段.数据中心是整个信息化的核心.因此，数据中心运维管理问题越来越得到业内的广泛重视。
随着对数据中心管理与运维的要求越来越高，数据中心管理运维系统的集成与建设也变得越来越复杂。原有数据中心管理运维通常采用数据中心环境监测系统来辅助完成，一直以来环境监控系统只对检测设备的运行数据进行采集和集中显示，并不参与或少量参与设备的配置与自动控制工作。仅仅是为运维管理者提供编制配置策略的依据和数据支撑，配置策略的定制也停留在人工模式阶段。整个管理运维系统功能实现还停留在所谓的只监不控的阶段。
随着人工智能，神经网络的不断普及，人工智能作为探索寻找最优管理与运维策略的工具，将使得数据中心错综复杂的机电设备联动，协同变得更容易实现。
在实际工作运用中，人工智能对数据中心环境控制的场景这并不是很难做到的事情，据相关资料显示，前几年的谷歌数据中心就己经开始逐步部署基于人工智能和深度计算的一套智能环境推荐系统。通过对环境数据的采集，后台分析，自动配置各个设备的运行策略，从而优化数据中心的能效，使其节约能源，减少二氧化碳的排放，帮助缓解全球气候变化。
相对传统的环境监控系统，基于人工智能的数据中心管理与运维系统的优势在于可以实现自动控制数据中心各个机电设备，并可实现局部微调和精细化控制。而不是如传统系统一样，由数据中心的专家根据环境监控系统收集的信息与参数，人工指定调整策略，再由操作人员人工去执行一系列调整动作。人工智能系统可以基于云架构，从而可以实现对多个异地数据中心提供个性化的配置与服务。
二.数据中心人工智能控制的核心与手动机制
基于人工智能的数据中心管理与运维系统的核心通常是一套基于云平台架构的软硬件模组成，核心硬件设备包含多台高性能服务器，软件包括人工智能分析和神经网络计算等应用。系统通过定期的从前端传感器收集数据信息，并输入深层的神经网络系统中，预测潜在的不同策略组合，分析未来能源利用与消耗的趋势。人工智能应用从这策略路径中选择最小能耗，最优且安全的策略，并将相关操作流程发送回数据中心。由数据中心将相关操作流程下发到各个工作终端执行相关操作。所有操作在执行操作流程前，由各个执行模块的本地控制系统进行安全的系统验证，然后在实施与执行，这一切都是自动实现的。
整个人工智能管理系统也包括手动控制机制。由于神经网络系统计算出的每个策略都具有一定的不确定性，人工智能负责对每个策略进行评估，筛选出不确定性与风险性最小的策略路径。同时当核心云平台，将一系列指令发送到物理控制中心的时候，本地控制系统将会根据自己策略安全约束机制进行二次校验。从而保证策略执行不会导致突破本地安全约束，并且操作员通过各地的权限可以进行人工干预与审核。在需要退出人工智能控制模式条件下，控制系统将从人工智能控制无缝换到当前定义的传统自动化控制与人工控制状态。
系统建设初期，人工操作员会从事大量的审查和人工干预事件，这些干预与操作在传统系统的日常管理中没有太大差别。但随着时间的推移，样本学习数量不断的增加，改进与性能比逐步减少。人工干预的次数也越来越少，系统自动化机制的服务范围也越来越大。事实证明，人工智能与神经网络系统去实现类似人工智能的数据中心节能方式是可行的。
结束语：
从长远来看，直接由人工智能对机电设备进行控制尤其是能耗设备进行控制，可以不断的节约能源，让数据中心的运营成本逐渐降低。人工智能系统正在让数据中心成为智能的数据中心，一个会自我管理的自治数据中心，具备实施监控，自我优化和改善运营的能力。智能建筑中的人工智能系统，数据中心只是一个开端，大规模的建筑楼宇自控系统才是发挥它的舞台。
参考文献：
[1]郑佩洪.高速公路数据中心机房管理现状与展望[J].公路交通科技（应用技术版），2019，15（04）：316-318.
[2]赵佳钐，李坤伦，徐江，李院春.机房温湿度智能监测预警系统的实现[J].电子技术与软件工程，2019（13）：149-150.