机器学习走入数据中心管理 两者将擦出什么样的火花?

日期: 2016-06-11 作者:Alan R. Earls翻译:邹雅玲 来源:TechTarget中国 英文

对于一些出色的思考者和企业来说,他们正在将机器学习运用到实际应用中。尽管人们对人工智能的相关理论研究的时间已经有近半个世纪,但是,随着机器学习进入数据中心领域,最终会让计算机科学变得更加本土化。 复杂的环境中往往存放了数据资料,为什么不运用计算的力量来提升计算能力呢?这似乎预示着概念时代即将到来。 Forrester研究公司首席分析师Michele Goetz说:“将机器学习运用到数据中心管理中,最终一定会为您带来可喜的成果。

” 数据中心:一种理想的环境 Vantage Data Centers(加利福尼亚州的一家数据中心服务供应商)的首席运营官Christopher Yetman认为,对于机……

我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。

我原创,你原创,我们的内容世界才会更加精彩!

【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

电子邮件地址不会被公开。 必填项已用*标注

敬请读者发表评论,本站保留删除与本文无关和不雅评论的权力。

对于一些出色的思考者和企业来说,他们正在将机器学习运用到实际应用中。尽管人们对人工智能的相关理论研究的时间已经有近半个世纪,但是,随着机器学习进入数据中心领域,最终会让计算机科学变得更加本土化。

复杂的环境中往往存放了数据资料,为什么不运用计算的力量来提升计算能力呢?这似乎预示着概念时代即将到来。

Forrester研究公司首席分析师Michele Goetz说:“将机器学习运用到数据中心管理中,最终一定会为您带来可喜的成果。”

数据中心:一种理想的环境

Vantage Data Centers(加利福尼亚州的一家数据中心服务供应商)的首席运营官Christopher Yetman认为,对于机器学习来说,数据中心是种非常理想的环境,因为在其中可以获取到许多数据。在建筑层和物理层中存在传感器数据,在服务器和网络设备的配合下会产生大量操作信息。我们曾经使用过这些数据,但是却没有挖掘到其最大的潜能。

Yetman说,当然还有一种传感器可以产生关于气压、适度、温度、电源电压等数据,最终将这些信息传递到可编程控制器中。然后这些数据会触发一些特定阀值。例如,当一间屋子温度开始上升时就会触发温度阀值。然而,大多数情况下还需要一个反应的过程,数据中心管理工具往往会参考处理器、存储序列或者网络中的一些活动再作判断。

如今,人们建立了智能物理传感器,应用价格合理的Raspberry Pi技术,可以与以太网和控制器进行沟通对话。换句话说,获得的可用数据越多,数据中心就会拥有越多的机器学习案例。

Yetman说:“如果你向机器学习系统中传入许多信息,那么它会自动截取一些东西,例如服务器使用模式,或许还会将其与温度联系到一起。”他补充说道,机器学习系统最终会注意到湿度上升和西风等信息,而这些将会导致温度的上升,还会改变数据中心预期行为。

他说:“我想跟大家分享另外一个案例。例如一家社交媒体公司的用户在前一天晚上表现更加活跃,机器学习便会注意到这些,会自动根据需求安排更多的在线机器,以便保持较短的响应时间。”机器学习能够根据综合感应一些信息,如了解机器可以产生多少热量以及提前加大冷却。

数据中心中有更多机器学习案例

引入数据中心的机器学习系统并不了解数据间的连带关系,但是最终通过一些运作流程便会知晓其中关联。例如,Virtual Power Systems(简称VPS)是一家坐落于加利福尼亚州的数据中心软件定义基础设施供应商,可以提供智能电力补给,并应用机器学习系统来决定其管理方式。该软件可以与服务器以及电力系统进行沟通交流,还可以判断需求的变动。

Yetman说:“为了将电源转移到另外一个机架从而达到运行峰值,我们可以使部分机架运行在电池中,根据这个原理,VPS可以安排机架从另外一个机架中借用电源。”

谷歌的数据中心工程师兼研究员Jim Gao在其研究报告《Machine Learning Applications for Data Center Optimization》中这样写道,数据中心是一个多种机械、电气和控制系统产生相互作用的复杂系统。

“操作配置和非线性关系的相对数量使得我们很难理解和优化能源效率,”他说。为了解决这个问题,谷歌建立了一种机器学习系统以更好地调整操作、节约更多能源。

同样地,Ireland的研究员们也曾在机器学习系统中投入精力,并直接将该系统应用到数据中心管理和操作中。Shane Nolan说:“在分析和云计算中,我们看到了两大技术领域自我管理、自我配置、自我修复以及自我保护系统在数据中心中的出色表现。”Shane Nolan是Industrial Development Agency技术、营销和商务部的高级副总裁,Industrial Development Agency属于政府机构,主要从事对外开发投资工作。

Nolan补充道,Facebook、苹果、谷歌和亚马逊这样的领军企业使爱尔兰变成欧洲数据中心业务发展最快的地区之一。我们发现,数据中心的设施和系统管理的提升是非常有必要和重要的。

机器学习会取代其他技术系统吗?

Yetman的理论是,软件取代了硬件,从这种观点来看,单独硬件上支持的功能都可以通过软件实现。他认为,容错计算机硬件供应商的衰落源于新兴技术的崛起,例如虚拟化技术。该技术花费较低的成本就可以实现相同的功能效果。他预测,同样地,机器学习系统也会取代软件。

Yetman说:“软件根据人类习惯和思维方式,试图使每套解决方案都能够解决一类问题。但是,人类是无法预测到每一个解决方案的,并且他们所创建的软件也是相对固定的。这就是机器学习可以取代软件的原因,它会寻找到最佳的解决方式。”

其中一类经典机器学习案例的功能就是可以同时关联多个日志。或许我们不会太了解两个不同日志之间的关系,简单查询或者先前存在的报告格式是不可能有什么新的内容了。然而,引入机器学习系统后会发现其中某些关联性,能够产生前所未有的洞察力。

但是,除了所表现出来的特殊功能外,数据中心管理中的机器学习案例还处在发展阶段,与最初的设计还是有许多不同之处。

Yetman说:“多数先进的技术都先出现在谷歌这样的领军企业。因为投资回报比较快,因此他们才乐意创建机器学习系统。”

作者

Alan R. Earls
Alan R. Earls

TechTarget资深作者

相关推荐