机器学习如何推动数据中心发展?( 八 )

5.1 效率分析

Ascierto说 , 当今的组织正在使用机器学习来提高能源效率 , 主要是通过监视温度和调整冷却系统来实现的 。

例如 , 谷歌在今年早些时候曾发布 , 它正在使用AI通过分析21个变量来自动管理和优化其数据中心的冷却 , 例如外部气温 , 数据中心的功率负载以及后方的气压 。 发出热气的服务器 。 该公司表示 , Google的机器学习算法可实时自动连续不断地调整冷却装置的设置 , 从而使冷却每年的能源使用量减少30% 。

此外 , 它可以就设计或配置数据中心的最有效方法(包括IT设备或工作负载的最佳物理位置)提出建议 。

5.2 能力计划

机器学习可以帮助IT组织预测需求 , 因此它们不会耗尽电力 , 冷却 , IT资源和空间 。 例如 , 如果一家公司正在整合数据中心并将应用程序和数据迁移到中央数据中心 , 则算法可以帮助其确定此举如何影响该设施的容量 , Ascierto说 。

DCIM软件供应商Nlyte Software的首席战略官Enzo Greco说 , 容量规划是组织建立新数据中心的一项重要服务 , 该公司最近推出了数据中心管理即服(DMaaS)产品 , 并与IBM Watson合作对其进行了集成 。 将机器学习功能纳入其产品 。

推荐阅读