谷歌自称“天才男孩”吉姆·高(Jim Gao)开发了一个机器学习系统，谷歌表示，该系统可以计算电力使用效率PUE这是衡量能源效率的指标。谷歌在一篇博客文章中,乔·卡瓦根公司的数据中心的副总裁说,它不断地追踪诸如总负荷(服务器和网络设备的能量正在使用在任何时间),室外空气温2020欧洲杯预赛度(影响冷却塔的工作方式)和谷歌的水平集机械和冷却设备。
+更多关于网络世界足球竞猜app软件:美国国防部高级研究计划局(DARPA)想要一种独特的自动化工具，迅速使计算机变得更智能；DARPA系统融合了人工智能，机器学习理解堆积如山的文本+
“经过一些试验和错误，吉姆的模型现在预测PUE的准确率达到99.6%。这意味着他可以利用这些模型想出新的方法来提高我们的运营效率。例如，几个月前，我们不得不让一些服务器下线几天——这通常会降低数据中心的能源效率。2020欧洲杯预赛但是我们可以使用Jim的模型来暂时改变我们的冷却设置——减少这段时间内变化对PUE的影响。像这样的小调整，在持续的基础上，可以节省大量的能源和金钱，”卡瓦写道。
＂...一个全面的直流效率模型，使操作人员可以模拟直流运行配置，而无需进行物理改变。目前，操作人员很难在实施改变之前预测工厂配置变化对PUE的影响。这是由于现代DCs的复杂性，以及多个控制系统之间的相互作用。机器学习方法利用现有传感器数据的过剩，开发一个数学模型，了解运行参数和整体能源效率之间的关系。这种类型的模拟允许操作人员虚拟化数据中心，以确定最佳的工厂配置，同时减少围绕工厂变化的不确定性2020欧洲杯预赛谷歌白皮书概述他工作的细节
一个典型的大型数据中心每天会在数千个传感器上2020欧洲杯预赛生成数百万个数据点，但这些数据除了用于监控目的外很少用于应用程序。处理能力和监控能力的进步为机器学习高表示，数据驱动技术将指导最佳实践，并提高数据中心的效率。2020欧洲杯预赛
“机器学习应用受到数据输入的质量和数量的限制。因此，有一个完整的直流运行条件频谱是重要的，以准确训练数学模型。在数据较少的情况下，模型的准确性可能会降低。与所有经验曲线拟合一样，多个模型参数可以达到相同的预测精度。在评估模型预测时，分析师和DC运营商应该运用合理的判断力，”高写道。
看看其他热门故事: