機器學習將顯著地改變數(shù)據(jù)中心經(jīng)濟，并為改善未來鋪平道路。隨著機架開始裝滿ASIC、GPU、FPGA和超級計算機，機器學習和人工智能已經(jīng)進入數(shù)據(jù)中心，并正在改變超大規(guī)模服務(wù)器場的外觀。

   這些技術(shù)提高了可用于訓練機器學習系統(tǒng)的計算機能力，這是一項以前需要大量數(shù)據(jù)處理的任務(wù)。最終目標是構(gòu)建更智能的應用程序并增強企業(yè)已經(jīng)每天使用的服務(wù)。僅僅依靠人類判斷和常識將遠遠達不到所需的精確度和有效性標準。滿足大規(guī)模IT服務(wù)需求的唯一可持續(xù)方法是完全轉(zhuǎn)向數(shù)據(jù)驅(qū)動的決策，并使用所有數(shù)據(jù)來改善結(jié)果。由于行業(yè)廠商提供數(shù)據(jù)中心管理軟件或利用該技術(shù)的基于云的服務(wù)的供應商的可用性，一些企業(yè)或托管服務(wù)提供商沒有相同規(guī)?；?qū)I(yè)知識已成為機器學習的早期采用者。
　　
　　根據(jù)IDC公司的數(shù)據(jù)，到2022年，由于嵌入式人工智能技術(shù)，數(shù)據(jù)中心50%的IT資產(chǎn)將獨立運行。許多整體運營，包括規(guī)劃和設(shè)計、工作負載、正常運行時間和成本管理，都可以使用機器學習在數(shù)據(jù)中心進行優(yōu)化。

數(shù)據(jù)中心管理中機器學習用例

企業(yè)可以使用機器學習來自主管理其數(shù)據(jù)中心的物理環(huán)境，而不是依賴軟件警報。這將涉及軟件實時更改數(shù)據(jù)中心的架構(gòu)和物理布局。 

數(shù)據(jù)中心的機器學習可以幫助IT公司預測需求，這樣他們就不會耗盡空間、電力、冷卻或IT資源。算法可以幫助公司確定轉(zhuǎn)移如何影響設(shè)施的容量，例如，如果它正在整合數(shù)據(jù)中心并將應用程序和數(shù)據(jù)移動到中央數(shù)據(jù)中心。

防止停機是數(shù)據(jù)中心運營商的一項關(guān)鍵任務(wù)，機器學習可以更容易地預測和預防。數(shù)據(jù)中心管理中的機器學習軟件跟蹤關(guān)鍵組件的性能數(shù)據(jù)，如冷卻和電源管理系統(tǒng)，并預測設(shè)備何時可能出現(xiàn)故障。因此，可以對這些系統(tǒng)進行預防性維護并避免代價高昂的停機。

公司可以在數(shù)據(jù)中心使用機器學習來更好地了解他們的客戶，并可能預測客戶行為。通過將機器學習軟件與客戶關(guān)系管理(CRM)系統(tǒng)集成，人工智能驅(qū)動的數(shù)據(jù)中心可能能夠從歷史數(shù)據(jù)庫中搜索和檢索通常不用于CRM的數(shù)據(jù)，這將使CRM系統(tǒng)能夠開發(fā)新的潛在客戶或客戶成功策略。

該技術(shù)將來自數(shù)據(jù)中心的運營和性能數(shù)據(jù)與財務(wù)數(shù)據(jù)（尤其是適用稅收信息）相結(jié)合，以幫助確定購買和維護IT設(shè)備的價格。

    機器學習可以檢查數(shù)TB的歷史數(shù)據(jù)，并在幾分之一秒內(nèi)將參數(shù)應用于其決策，因為它的行動速度比任何人都快。當您跟蹤數(shù)據(jù)中心中的所有活動時，這很有幫助。供應商和數(shù)據(jù)中心運營商利用機器學習解決的兩個主要問題是提高效率和降低風險。 

　　例如，擁有200多個數(shù)據(jù)中心的全球最大托管服務(wù)提供商DigitalRealtyTrust最近開始測試機器學習技術(shù)。人類消耗和處理維持基礎(chǔ)設(shè)施所需的大量底層系統(tǒng)、設(shè)備和數(shù)據(jù)的能力很快就會耗盡。由于其卓越的實時處理、反應、溝通和決策能力，Digital Realty公司將從中受益。  

　　基本結(jié)論是，數(shù)據(jù)中心運營商在利用人工智能和機器學習方面有很多選擇，而且隨著技術(shù)變得更加實惠和先進，將會有更多選擇。美好的未來就在眼前。

(本文來源于網(wǎng)絡(luò))