人工智能推動全球業務的數據中心管理業務

李榮

業內人士認為目前正在進行一場革命性的變革浪潮，而且正在改變企業向客戶提供服務的方式。然而，諸如此類的報告并不總是準確的。例如，人工智能（AI）和機器學習（ML）正在推動數據中心的變革。

調研機構Gartner公司發布的名為《數據中心即將消亡，數字基礎設施出現》的調查報告表明，到2025年，80 %的企業將關閉其傳統的數據中心、而目前僅有10 %的企業關閉。該報告表示傳統的數據中心將專用于其他地方無法支持的非常具體的服務，或支持那些經濟效益最高的本地系統。

報告還指出，隨著互連服務、云計算、物聯網、邊緣計算和SaaS產品繼續激增，企業保留傳統數據中心拓撲結構的優勢有限。

這份報告表明，人們認為目前正在進行一場革命性的變革浪潮，而且正在改變企業向客戶和企業提供服務的方式。然而，諸如此類的報告并不總是準確的。例如，人工智能和機器學習正在推動數據中心的變革。那么，他們不僅會推動數據中心管理，而且還會將數據中心從將會消亡的預測中拯救出來。

1.時尚行業和計算機行業的相似之處

在人們看來，很容易在時尚行業和計算機行業之間劃清界限。雖然每年都會推出一些新事物，并從根本上改變一切（或者他們希望如此），這至少是供應商想要發生的事情。如果不符合當前的趨勢，它們會增加失敗的可能性。然而，許多企業卻陷入了困境。

很多行業專家對行業和技術發展進行預測，并得出結論：雖然大多數預測都已經實現，但它們發生的時間比預期的要晚得多。同時，它們也產生了比預期更大的影響。同樣，客戶經常被告知一些技術已經消亡，這有點像預測磁帶已經消亡，或者無紙辦公室即將到來一樣。

業內專家認為，IT行業似乎從來沒有擺脫過極端的激情，那么，人們該如何看待Gartner公司的預測呢？盡管看起來完全不切實際，但數據中心仍繼續存在。而在專家看來，數據中心將永遠存在，因為在整個行業所見證的所有變化中，它們一直是計算技術的基石：如計算、客戶機一服務器拓撲、互聯網、個人電腦革命以及業務向云端的遷移，還有其他的技術，其中包括磁帶。

因此從表面上看，Gartner公司的報告很容易被駁回。但是，考慮到一些嚴重依賴IT功能的技術，以及用戶對IT的期望，IT行業傾向于關注速度和饋送開發，以滿足不斷增加的縮短響應時間的需求：采用更快的CPU、更快的緊密耦合內存和I/O、固態磁盤，而自動駕駛車輛、物聯網、人工智能和機器學習將成為數據海嘯。

2.數據重點

對數據的重視將在未來定義IT基礎設施。傳統上，人們使用數據作為達到目的的手段進行計算和處理，然后得到結果。數據將被分類為訪問和保留成本層。

第一層用于緊密耦合的高速、高成本、低延遲存儲，存檔數據可能位于完全不同的低成本解決方案中。然而，在行業中，人們看到了數據是如何被感知和使用的。在某些情況下，數據作為一種商品出售，其交付方式非常類似于傳統的制造過程。流媒體播放和音樂公司就是一個很好的例子。

在后期制作和數字化之后，Netflix、亞馬遜和Spotify就像傳統的產品制造商一樣，將他們的數據和產品存儲在云端，然后將它們運送到客戶的邊緣。對于Netflix公司，邊緣在本地互聯網服務提供商（ISP）購買后即可使用。因此，這相當于為數據交付優化的簡單“即付即用”體系結構。

3.不同的要求

物聯網、自主駕駛車輛提供了另一個例子。企業也可以投入到智慧城市，以獲得良好的衡量。它們有非常不同的數據和計算要求，這些設備發出的數據以狀態信息的形式存在，在許多情況下，例如控制工業過程，其中一些狀態數據是可操作的。根據數據的即時性，對如何以及何時處理該數據的考慮因素有所不同。

這就引出了這樣的問題：在云中可以做到這一點嗎？或者延遲和緊迫性是否需要邊緣附近的小型計算功能，例如大型煉油廠。當必須跨多個物聯網設備做出決定，以及當有阻塞的通信鏈接返回到云端時。事情很容易失控。同樣重要的是，所有的歷史數據都需要流回一個點，在這個點上它可以采用人工智能和機器學習進行處理。

考慮聯網車輛和智能城市共同管理交通流量和阻塞。他們需要一些強大的計算能力和存儲能力來收集潛在的數萬臺設備的所有數據，如汽車、攝像頭、交通流量監視器以及與應急服務的互動，加之信息和娛樂數據會被傳遞到車輛，這些將需要雙向的流量，如果人們能將應急服務車輛和交通管理系統連接起來，那么在擁擠的城市中就能更快地通行。

4.定義基礎設施

那么，這些需求是如何定義基礎設施的呢？傳統上，需要一個龐大的數據中心來處理，而這需要一種更為動態的方法，在這種方法中，可以根據需要自動增加或減少額外的資源，例如在緊急情況下。

另一個變化很大的方面是不斷增長的計算功能。幾年前，手機只能存儲電話號碼和短信。如今，每個智能手機都擁有令人難以置信的存儲和計算功能。

然而，人們正在構建越來越多的應用程序，客戶將要求他們的設備具有更高的復雜性，例如測量員將平板電腦用于監測土壤結構，或者醫護人員在救護車中掃描患者，并使用人工智能診斷癥狀或評估他們的傷害。為了滿足這種額外的計算需求，用邊緣或云計算的一種補充計算功能的形式連接到用戶的輔助計算功能。將來，每個人都將擁有自己的個人小型計算和存儲設備，隨時隨地跟隨他們自動遷移到最近的訪問點。

5.數據方程

人們所做的一切都創造了越來越多的數據。反過來，作為企業和消費者，人們將消耗越來越多的數據。無論是進出云平臺、數據中心還是邊緣計算，移動這些不斷增長的數據都是非常痛苦的。這種痛苦來自于網絡對于正在移動的數據量來說并不夠快的事實。無論在這個問題上投入多少帶寬，一旦達到兩位數毫秒的延遲，在沒有使用廣域網（WAN）數據加速解決方案來減輕延遲和數據包丟失影響的情況下，廣域網性能將幾乎沒有改善。

那么，數據中心的未來是什么？一切業務都會遷移到云，是因為它更便宜嗎？情況并非總是如此。當企業明智地使用云平臺時，采用云計算將會非常經濟有效，但它不是解決數據中心所有問題的靈丹妙藥。毫無疑問，人們使用、操縱和存儲數據的方式發生了巨大變化。然而，數據中心的作用將隨著IT其他方面的發展而發展。以磁帶為例，從在線存儲到近線存儲、備份到歸檔，數據中心技術也將隨之發展。

數據中心將保留一些關鍵功能，其中一個功能將包含延遲關鍵數據庫。有一些公司在云計算中查找數據庫時遇到了不良響應（以及最終用戶投訴），迫使他們遷移回數據中心。由于未來需要高度靈活的分布式數據和計算需求，數據中心將轉變為以指揮和控制功能為主。

6.實現靈活性

為了達到這種靈活性，必須擺脫現有的人工操作方法。現在是使用人工智能和機器學習來提供高水平的自動化抽象來創建靈活的動態基礎設施的時候了。

移動數據對于在需要時將數據放在所需位置的能力至關重要。傳統上，廣域網優化被用來提高遠距離的數據吞吐量，但這種技術具有嚴格的帶寬限制。為了在高速網絡上最大化數據的功能，需要使用人工智能和機器學習的廣域網數據加速解決方案，如PORTrockIT。

Dell EMC公司人工智能戰略技術專家Tabet表示，他認為數據中心管理人員應采用人工智能來找到優化數據中心基礎設施的更好方法。

Aera科技公司創始人兼首席技術官Shariq Mansoor補充道：“沒有人工智能，幾乎不可能運營有利可圖的數據中心。因此可以說，人工智能和機器學習是推動數據中心向前發展所必需的技術。”他說，有了它們，就可以管理數據流，并提高數據速度———即使使用原有架構也是如此。有鑒于此，全球業務數據中心可能會發生變化，但它仍有發展的未來。