機器學習有望為先進的數據中心管理開創新的紀元，但數據中心的許多基礎設施的管理仍然還有很長的路要走，這些基礎設施管理有必要從過去那種晦澀難懂基于電子表格管理管理逐漸發展演化到以自動化管理為主的方向上來。

　　數據中心基礎設施管理(DCIM)軟件的終極目標是最終實現自我管理或完全自動化的數據中心。

　　業界當前寄希望于人工智能驅動的管理軟件(可能是基于云計算的)將會監控和控制IT和設施基礎設施，以及應用程序。人工智能將實現無縫整體性地——可能是跨越多個站點——實施其監控管理。冷卻散熱、電源、計算、工作負載、存儲和網絡將動態化，以實現最高效率，生產力和可用性。

　　通過將基于云的分析應用于從數千個地點采集的傳感器數據，設施設備和IT也將在一定程度上得到自我修復，從而有助于企業數據中心得以運用其來指導和制定有針對性的預測性和預防性維護計劃。備用零件將可能是經由靈巧的機器人進行訂購、測試和安裝，以便在需要時精確匹配，以避免發生故障失效，同時避免不必要的維護和測試。

　　這種以人工智能驅動的管理模式在數據中心業界可能已經有十年甚至更長的歷史了，但是，整個數據中心行業目前也僅僅只是在部分的領域取得了一些進展。例如，谷歌公司在2014年透露，該公司一直在使用通過其收購英國AI專家DeepMind公司所獲得的技術來改善其部分數據中心站點的基礎設施管理。

　　正如谷歌在當時所指出的那樣：鑒于數據中心內部有太多的電力和冷卻設備相互作用，故而使得其基礎設施的管理無疑是太過復雜而人類員工是無法勝任的。該公司當時曾表示：

　　想象一處簡化的數據中心場景：一處數據中心只有10款設備，其中每款設備有10個設置，可能將會有10到100億款可能的電源配置，以及相關可能的其它配置，這就已經遠遠超出任何人工測試的真實能力的范疇了——但即使這樣，其也遠遠低于一處實際的數據中心可能的配置。

AI驅動的效率

總結

以上是生活随笔為你收集整理的数据中心管理中的人工智能：其对人员配置和流程意味着什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。