随着企业开始采用机器学习技术，人工智能将在数据中心运营中发挥更大的作用。大型数据中心运营商和托管提供商已经尝试和测试过这些技术。
今天的混合计算环境通常跨越内部地上数据中心，云和搭配站点以及边缘计算部署。2020欧洲杯预赛和企业正在发现，管理数据中心的传统方法并不是最佳的。2020欧洲杯预赛通过使用人工智能，正如通过机器学习的播放，简化了复杂计算设施管理的巨大潜力。
目前，数据中心的人工2020欧洲杯预赛智能围绕着使用机器学习来监控和自动化设施组件的管理，如电源和配电元件、冷却基础设施、机架系统和物理安全。
在数据中心设施内，越来越多的传感器正在从电源备份(UPS)、配电单元、开关柜和冷水机组等设备收集数据。关于这些设备及其环境的数据由机器学习算法进行分析，这些算法会筛选有关性能和容量的见解，然后决定适当的响应，比如改变设置或发送警报。当条件变化时，机器学习系统就会从变化中学习——它基本上被训练成自我调整，而不是依赖特定的编程指令来执行任务。
目标是使数据中心运营商能够提高设施的可靠性和效率，并且可能更自主地运行它们。但是，获取数据不是琐碎的任务。
基线要求是主要组成部分的实时数据，Schneider电气数据中心全球解决方案高级总监Steve Carlini表示。这意味着冷却器，冷却塔，空气处理工，粉丝等。在IT设备方面，意味着服务器利用率，温度和功耗等度量。
“计量一个数据中心不是一2020欧洲杯预赛件容易的事情，”Carlini说。“如果你想做人工智能，数据中心有大量的电源和冷却连接点，你需要从这些连接点获取数据。”2020欧洲杯预赛
IT专业人士习惯于设备监控和实时警报，但房屋的设施方面并非如此。“IT设备中通知的期望即时。在你的电力系统上，它并不立即，“Carlini说。“这是一个不同的世界。”
它只是在过去十年之内左右，使第一数据中心完全被仪表，以仪表监测电源和冷却。2020欧洲杯预赛And where metering exists, standardization is elusive: Data-center operators rely on building-management systems that utilize multiple communication protocols – from Modbus and BACnet to LONworks and Niagara – and have had to be content with devices that don’t share data or can’t be operated via remote control. “TCP/IP, Ethernet connections – those kinds of connections were unheard of on the powertrain side and cooling side,” Carlini says.
好消息是数据中心监控正在推向高级分析和机器学习所需的深度。“服务提供商和集电定位提供商一直非常擅长监控笼式或机架级别，并监控能源使用情况。Carlini说，企业正在开始部署它，取决于数据中心的大小。2020欧洲杯预赛
机器学习保留数据中心酷2020欧洲杯预赛
Delta Airlines数据中2020欧洲杯预赛心停用，归因于电气系统故障，在2016年为期三天的时间内完成了约2,000个航班，并花费了航空公司A报告了1.5亿美元。这正是基于机器学习的自动化可能避免的情景。由于数据中心计量的进步和云中的数据池的出现，2020欧洲杯预赛智能系统具有潜在的漏洞和驱动数据中心操作中的效率，以便手动进程不能。
机器学习驱动的智能的一个简单例子是基于条件的维护，它应用于数据中心的消耗品，例如冷却过滤器。2020欧洲杯预赛Carlini说，通过监测通过多个过滤器的空气流量，智能系统可以感知到某些过滤器比其他过滤器更堵塞，然后将空气导向堵塞程度较低的单元，直到更换所有过滤器的时候。
另一个例子是监测UPS系统中电池的温度和放电。智能系统可以识别在更热的环境中运行且可能比其他系统放电更频繁的UPS系统，然后将其指定为备份UPS，而不是主UPS。“它会给你一点思考。这是可以手工完成的，但机器也可以。这是最基本的东西，”Carlini说。
采取措施的级别是动态的冷却优化，这是今天数据中心的机器学习的更常见示例之一，特别是在较大的数据中心运营商和集电提供商中。2020欧洲杯预赛
通过动态冷却优化，数据中心管理人员可以根据环境条件监控和控制设施的冷却2020欧洲杯预赛基础设施。当设备移动或计算交通尖峰时，建筑物中的热负荷也可以改变。动态调整到移位热负荷的冷却输出可以帮助消除不必要的冷却能力并降低运营成本。
451 research的数据中心技术和生态高效IT通道研究总监朗达·阿瑟托(Rhonda Ascierto)说，托管提供商是动态冷却优化的主要采用者。“机器学习对数据中心来说并不新鲜，”Ascierto说。2020欧洲杯预赛“长期以来，人们一直试图根据容量和需求来更好地调整冷却规模，而机器学习可以让你实时做到这一点。”
vig是动态冷却优化的领导者。其技术有助于优化数据中心设施中的气流，自动发现和消除热点。2020欧洲杯预赛
2020欧洲杯预赛克里夫费德斯贫民（CTER）总裁兼康涅狄格州主席和首席技术官，数据中心运营商往往比他们需要更多的冷却设备。“它通常会产生半可接受的温度分布，但实际上是非常高的。”
如果有一个热点，典型的反应是增加更多的冷却能力。在现实中，较高的风速会产生压差，造成干扰