人工智能将成为数据中心管理的覆性的技术

作者: 佚名 2017-11-21 14:16:22

数据中心与其他以技术为基础的行业一样,只有不断创新才能取得成功,而那些传统架构的数据中心很快就会过时,就像CRT显示器和拨号电话一样,根本无法满足外部(客户)和内部(成本和投资回报率)日益复杂的需求。而颠覆性技术是变革的引擎,各行业也迫切需要变革。

网络、服务器、存储,以及虚拟化设备通常由不同管理团队使用各种工具进行管理,这就是为什么大部分管理成本往往用在部署,监控,更新和故障排除方面的原因。而企业的IT预算有限,还要考虑应用程序的增加,而实现自动化能够让机器人帮助人工完成重复性任务。

自动化允许IT管理人员将人工完成的流程迁移到机器运行。这就意味着,人们可以在***限度的人力监督下执行关键的数据中心任务和工作流:

  • 维护:自动处理更新,修补程序和其他正在进行的功能。
  • 监控:不间断地扫描和跟踪数据中心组件,以识别问题并立即做出反应。
  • 计划:计划和执行备份,下载/上传,复制,应用程序事件和其他常规实际流程,无需人工干预。
  • 应用程序服务交付:快速自动完成用户请求。
  • 配置和供应:开发,测试和部署新的应用程序,包括物理,虚拟和云服务器。
  • 优化的工作负载交付:自动加速网络流量,更有效地平衡负载,并提供更多应用的按需交付。
  • 安全性:提供完全自动化的事件响应,快速检测并处理威胁,限制损害。

解决密集型任务的问题已经促使许多数据中心寻求自动化解决方案。这有助于识别传统系统并节省DCIM的投资成本(实现投资回报率目标)。根据DCIM解决方案的部署调查,一半的受访者表示DCIM可以节省25%或更多的预算,大型企业可以节省近65%的预算。可以理解的是,大型企业对减少能源消耗更感兴趣,这促使许多大型数据中心将DCIM视为实施自动化解决方案的关键因素。

为了解决当今数据中心所面临的挑战,采用新工具必须成为重中之重。DCIM等工具可以帮助数据中心运营商改进运营,基础设施规划和设计。

Michael L. Ross是一位数据中心管理顾问,他在降低大型数据中心总体拥有成本方面具有10多年的丰富经验。他表示,当今数据中心迫切需要优良的管理工具。他指出,“新一代DCIM软件及其自动发现工具显著降低了实施时间和成本。一旦部署到位,管理软件可以帮助确定数据中心或云计算基础设施快速识别工作负载及其成本。”

人工智能:有待观察的颠覆性趋势

自动化工具可以管理在数据中心和云端运行的微服务。基础设施已成为应用程序的一部分,这极大地影响了数据中心管理,使电力和冷却系统也成为管理所需的一小部分。现在必须对环境控制,物理设备,虚拟机和公共云进行全天候监控和管理。

如今的企业收集、监控以及分析来自不断扩展的传感器,应用程序,门禁系统,配电装置,UPS,发电机和太阳能电池板的数据库。还有应用程序漏洞信息,电价,以及天气预报等外部数据源。需要利用人工智能(AI)的DCIM工具来存储,学习并快速处理这些数据,从而更有效地管理基础设施。

Tuangru公司***技术官RamiJebara指出人工智能在数据中心管理中的重要性,“人工智能将会对企业管理数据中心的方式产生巨大的影响。”

人工智能 数据中心 技术
上一篇:深度学习的异构加速技术(一):AI 需要一个多大的“心脏”? 下一篇:机器学习与HPC碰撞出的火花 有点不一样
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载