網絡數據中心IT設備人工智能化運維應用探究

本文先簡要分析了網絡數據中心IT設備的運維特點，然后詳細介紹了網絡數據中心IT設備人工智能化運維中所用的三種常見技術與算法，并對網絡數據中心IT設備人工智能化運維在異常數據剔除、故障預測與預警、自動化巡檢以及資源優化配置方面的應用做出深度研究，旨在提升網絡數據中心IT設備的運維效率與可靠性。

一、引言

隨著現代化信息技術的迅猛發展，網絡數據中心的重要性逐漸凸顯。作為其核心組成部分，IT設備的穩定運行對各類業務的順利開展具有重要意義和現實價值。

二、網絡數據中心IT設備的運維特點

（一）IT設備的復雜性和多樣性

網絡數據中心IT設備的種類較為多樣，包括服務器、路由器、存儲設備、網絡設備等，不同類型的IT設備在技術規格、性能特點和運維需求上各不相同，比如不同網絡設備所選用的連接方式和協議存在明顯區別。這種復雜性和多樣性就在一定程度上增加了運維難度，需要先進技術手段的應用。

（二）高可靠性與運維壓力

通常情況下，網絡數據中心承擔著各種關鍵業務的運行與數據信息傳輸，對所用IT設備的可靠性有著極高的要求，因此任何關聯設備在此過程中出現故障或異常問題都有可能導致關鍵業務中斷，并造成一定影響和損失。因此需要及時發現并采取相應手段對網絡數據中心IT設備進行定期運維，此種高可靠性要求給運維人員和技術人員帶來了一定壓力，需要人工智能技術的作用支撐與保障。

三、人工智能在IT設備運維中的技術基礎

（一）機器學習算法

機器學習算法是一門涉及概率論、復雜算法理論等多領域的交叉學科，通過計算機模擬方法模仿人類學習行為不斷獲取新知識與技能，不僅能夠按照網絡數據中心IT設備的性能標準規范采用分布式和并行計算方法，還能有效規避噪聲數據和冗余對最后學習結果的不利影響。

（二）深度學習技術

深度學習模型可以對網絡數據中心IT設備運行數控特征進行自動提取，并利用圖像識別技術對IT設備外觀進行圖像記錄與分析，檢測IT設備的物理損壞情況；還能夠利用自然語言處理技術對網絡數據中心IT設備運行日志進行分析并提取其中所存在的各類關鍵信息，幫助運維人員和技術人員快速定位故障原因。

（三）數據采集與處理技術

數據采集與處理技術是網絡數據中心IT設備實現人工智能化運維的基礎。通過傳感器、監測設備等手段，可以實時采集網絡數據中心IT設備的運行網絡流量、電壓電流數據等，并綜合利用數據清洗與整合技術對采集到的數據信息進行處理，去除噪聲和異常值，提高數據的質量和可用性。

四、人工智能化運維在網絡數據中心IT設備運維中的應用

（一）異常數據剔除

針對網絡數據中心IT設備異常數據的剔除，可以采用分層剪枝策略進行。首先需要使用數據挖掘算法對網絡數據中心IT設備中的現有數據元素和中心層數進行匯總計算，由此得出該網絡數據中心IT設備在網絡中心元素的高潛在層總量；其次需要對網絡中心元素高潛在層內所包含的數據元素進行分析判斷，若數據元素分數較高則可將該元素作為此次數據分析中的根本原因元素，并由此找出不存在于網絡中心數據集中的中心層數；最后要使用分層剪枝策略對其他數據集進行修剪，進一步縮小搜索與分析空間，并由此開展對網絡數據中心IT設備數據集中各種異常數據的定位、篩選和剔除。

其中，異常數據定位是此過程中最關鍵的步驟之一，定位精確程度將直接影響異常數據剔除程度，主要工作流程為：首先要對網絡數據中心IT設備在長時間運行中的各項平均指標數據進行多維度監測，在完成損失函數最小化處理與計算后構建基于該網絡數據中心IT設備的訓練模型；其次，利用訓練模型預估并計算出該網絡數據中心IT設備的重建概率；最后，將所得到的重建概率結果與預期設定閾值進行大小比較，若重建概率小于預期設定閾值，則說明此次計算所用的平均指標數據為異常數據，需要對其進行原因分析后再完全剔除；若重建概率大于預期設定閾值，則說明此次計算所用的平均指標數據為正常數據，不需做其他處理。

（二）故障預測與預警

基于機器學習算法的回歸分析，可對IT設備在運行中的各類關鍵指標和性能，如運行實時電壓、數據流量大小、硬盤讀取速度、設備運行溫度等進行建模，并實時檢測這些關鍵數據指標和性能的穩定性與變動趨勢，預測該IT設備在未來某一時刻可能會出現故障的概率以及類型。若預測結果顯示故障出現概率較高且風險較大，則系統會向運維人員發出預警，提醒運維人員提前做好準備。

與此同時，基于深度學習算法與技術的長短期記憶網絡能夠對IT設備在運行過程中所產生的時間序列數據進行處理，捕捉具有周期性變化特點的IT設備運行數據中的變化規律，同時結合人工智能技術與大數據分析技術，對其他同類IT設備的歷史故障和過往運維數據進行深入挖掘，由此得出該類IT設備所發生故障的潛在模式和關聯因素。其中，長短期記憶網絡中的遺忘門能夠對各類冗余數據信息進行篩選和消除，輸入門能夠將IT設備在運行過程中的實時數據進行引入并更新，輸出門則對這些現有數據信息進行輸出與傳遞控制，再加上自然語言處理與選擇性記憶和遺忘功能，能夠在確保信息流動準確性和長期保證的同時為IT設備的故障預測提供更全面的數據依據。

（三）自動化巡檢的實現方式

人工智能化運維對IT設備進行自動化巡檢的具體實現方式為：通過在IT設備內部安裝各類傳感器系統，如溫度傳感器、振動傳感器等，對基于網絡數據中心的IT設備所處當前運行環境和物理狀態數據進行采集。在這些數據經過預處理并傳輸到運維管理系統后，系統平臺會利用內置算法，如聚類算法等對其進行自動分析并進行組別劃分，由此確定故障問題。

基于聚類算法的劃分故障分析方法在網絡數據中心IT設備故障檢測與運行維護中的應用流程為：分裂法會根據系統所提供的多個元組或數據集進行分組構造，元組數量和構造分組數量分別用N和K來表示，每個分組都代表一個不同聚類且K

（四）資源優化配置

基于先進算法以及人工智能技術的智能化運維可以根據網絡數據中心IT設備的實際業務需求和運行負載情況，對數據資源進行動態優化配置，并利用強化學習手段不斷引進和調整資源分配策略，以達到最優的資源利用效果。

當業務量增加時，系統平臺會自動監測到網絡數據中心IT設備負載變動與上升幅度，同時及時分配更多計算資源和存儲資源給相應的IT設備，保證當前業務的順利進行和完成。另外還能夠對網絡數據中心IT設備的性能數據進行分析，識別出性能瓶頸以及矛盾問題，并進行更具針對性的資源優化。比如，若發現某平臺網絡寬帶利用率數值不正常，則系統平臺會自動調整當前網絡運輸流量的分配，或是采取適當增加網絡資源的方式提高整體系統的性能。另外還可以結合不同業務的優先級和時效性進行資源的合理分配。對于關鍵業務和高優先級業務，需要對其運行中的資源需求采取優先保證措施，以確保業務的穩定性和可靠性；對于一般業務和低優先級業務，則可以在資源緊張時首先對其進行適當的資源分配調整，以保證整體系統的平衡運行。

五、結束語

綜上所述，人工智能技術與算法在網絡數據中心IT設備運維中的應用能夠進一步提升設備運行穩定性和運維可靠性。因此相關技術人員應盡快在實際工作中根據IT設備性能與關鍵業務需求積極引入和完善智能運維系統平臺，為網絡數據中心的穩定運行提供有力保障。

作者單位：對外經濟貿易大學 國際商學院