人工智能如何使數(shù)據(jù)中心更高效和脫碳

　　據(jù)估計，數(shù)據(jù)中心和其他云計算業(yè)務(wù)目前占全球用電量的 1%。運行這些大型服務(wù)器群(尤其是冷卻服務(wù)器群)所消耗的碳排放量絕非微不足道。據(jù)認為，約 50% 的用電量與基本運營成本有關(guān)，而高達 40% 的用電量與冷卻成本有關(guān)。

　　數(shù)據(jù)中心正在四處尋找解決方案，從利用更多可再生能源到將數(shù)據(jù)中心置于海底以節(jié)省冷卻成本。

　　一些最節(jié)省和實用的解決方案涉及實施人工智能來定位和糾正效率低下的問題。Gartner的一份報告估計，未來兩年，人工智能將在一半的數(shù)據(jù)中心投入使用。IDC 2019年的一份報告顯示，這種情況可能已經(jīng)發(fā)生。工作量將同比增長20%，因此這是一個緊迫的問題。

　　Hitachi Vantara 數(shù)據(jù)平臺產(chǎn)品營銷總監(jiān) Ian Clatworthy 和 DataBank 工程副總裁 Eric Swartz 談到了數(shù)據(jù)中心人工智能解決方案的可能性和局限性。

　　收集適當(dāng)?shù)臄?shù)據(jù)

　　為了創(chuàng)建和校準(zhǔn)有用的 AI 儀器，數(shù)據(jù)中心必須收集和輸入適當(dāng)?shù)臄?shù)據(jù)。事實證明，這很有挑戰(zhàn)性，因為某些類型的數(shù)據(jù)在日常運營中過去沒有用處，因此被忽略了。有些數(shù)據(jù)可能被收集但未被使用。有些數(shù)據(jù)根本沒有被收集，這意味著操作員必須從頭開始或從現(xiàn)有數(shù)據(jù)中推斷。

　　必要的硬件數(shù)據(jù)包括：可用存儲空間、訪問便利性、特定時間運行的機器數(shù)量以及在任何特定情況下流量被導(dǎo)向的機器。與機器供電和冷卻所消耗的能量相關(guān)的數(shù)據(jù)也是必不可少的，與中心內(nèi)外環(huán)境條件相關(guān)的數(shù)據(jù)也是必不可少的。

　　“為了能夠構(gòu)建一個合適的機器學(xué)習(xí)人工智能系統(tǒng)，你需要所有這些來真正提高效率。所有這些都很重要，”Swartz 說?！懊恳粋€數(shù)據(jù)點都可能相互影響?！?/p>

　　事實上，人工智能在收集這些信息方面是有用的。在得到正確的指令后，數(shù)據(jù)挖掘可以提取隱藏在看似不相關(guān)的統(tǒng)計數(shù)據(jù)中的有用數(shù)據(jù)。根據(jù) Clatworthy 的說法，當(dāng)正確的數(shù)據(jù)排列好后，它可以“以一種有意義的方式呈現(xiàn)信息”。

　　如何利用人工智能提高效率

　　服務(wù)器的用電量是人工智能干預(yù)的主要目標(biāo)。未使用的服務(wù)器處于運行狀態(tài)，傳入流量在可用設(shè)備之間分配效率低下。調(diào)度控制引擎可以使用深度學(xué)習(xí)來適當(dāng)引導(dǎo)流量。它可以以最佳方式分布在可用的機器上，以充分利用其功能，但不會使其過載。

　　然后，可以關(guān)閉未使用的機器，直到需要它們?yōu)橹?。更好的是，Clatworthy 說，“我們可以關(guān)閉 CPU。通過關(guān)閉，你可以減少電力消耗?！彼J為，打開和關(guān)閉機器的電源也是低效的。

　　可以預(yù)測流量模式，從而更節(jié)約地使用設(shè)備。因此，電源使用效率 (PUE) 得到改善。隨著工作負載的增加，人工智能可以幫助擴展這些流程。

　　通過預(yù)測性維護可以提高效率?！巴ㄟ^了解組件問題或維護計劃的歷史數(shù)據(jù)，并將其與預(yù)算分配聯(lián)系起來，組織可以使用人工智能來提供預(yù)測模型，”Clatworthy 說。

　　通過利用數(shù)據(jù)確定何時可能發(fā)生停電，可以更輕松地建立適當(dāng)?shù)膫浞?。修補和升級既繁重又費力，但也可以在一定程度上實現(xiàn)自動化。故障機器可以在造成服務(wù)中斷之前進行更換或維修。

　　電源管理本身也可以從人工智能中受益。通過確定可再生能源何時最可用(風(fēng)力發(fā)電在刮風(fēng)的日子，太陽能發(fā)電在晴天)，數(shù)據(jù)中心可以確定何時從這些能源獲取電力，何時轉(zhuǎn)向不太理想的化石燃料電力。廢熱可以重新定向，在數(shù)據(jù)中心內(nèi)部或周圍設(shè)施內(nèi)使用。

　　“你不能總是使用可再生能源，”Swartz 聲稱?！巴ㄟ^使用人工智能來確定何時是使用它的最佳時間，你可以兩全其美。”

　　這也可以節(jié)省成本?！凹词?1% [的用電量] 也可能意味著數(shù)十萬美元的能源，”他補充道。“將其調(diào)到最有效的運行參數(shù)將非常有益。”

　　冷卻系統(tǒng)是人工智能效率計劃的另一個目標(biāo)。與電力一樣，它們在過去也是恒定的。也就是說，它們不會根據(jù)不斷變化的參數(shù)進行調(diào)整，而是以模糊的需求估計確定的穩(wěn)定速率運行。

　　冷卻非常昂貴——無論是在財務(wù)上還是在碳排放方面——即使對冷卻系統(tǒng)進行微小的調(diào)整也可以節(jié)省大量成本。熱管理必須考慮環(huán)境溫度、天氣、任何給定時間運行機器產(chǎn)生的熱量、建筑物建造的材料以及現(xiàn)有的 HVAC 系統(tǒng)等因素。

　　人工智能可以將冷卻活動引導(dǎo)到需要它的系統(tǒng)——直到特定的機器機架——并在不需要它的區(qū)域關(guān)閉它們。它甚至可以考慮滯后時間，預(yù)測某些區(qū)域何時恢復(fù)供電并提前將冷卻引導(dǎo)到它們。

　　數(shù)字孿生如何優(yōu)化數(shù)據(jù)中心系統(tǒng)

　　創(chuàng)建數(shù)字孿生或數(shù)據(jù)中心物理環(huán)境的虛擬表示有助于模擬其各個組件如何相互作用，而不會對系統(tǒng)本身造成中斷風(fēng)險。通過輸入有關(guān)能源、溫度、交通需求和天氣等因素的數(shù)據(jù)，AI 架構(gòu)師可以為數(shù)據(jù)中心設(shè)計最佳條件——至少在理論上是這樣。

　　“我們可以模擬不同的冷卻配置，”Clatworthy 舉例說?！盁o論是在新加坡、墨爾本、歐洲還是在雨中——我們都可以根據(jù)設(shè)備的位置確定最有效的冷卻布局?！?/p>

　　缺失數(shù)據(jù)——總是有缺失數(shù)據(jù)——當(dāng)然會扭曲這些數(shù)字模型。但即使是合理數(shù)量的歷史數(shù)據(jù)也可以創(chuàng)建數(shù)據(jù)中心實際運行和使用能源的現(xiàn)實模型。

　　然而，數(shù)字孿生并不是自我維持的。它們需要人類觀察員的調(diào)整，他們可以標(biāo)記超出物理世界中可能出現(xiàn)的參數(shù)。因此，模型會隨著時間的推移而完善。

　　數(shù)據(jù)中心部署 AI 面臨的挑戰(zhàn)

　　數(shù)據(jù)稀缺是數(shù)據(jù)中心實施 AI 面臨的最棘手的挑戰(zhàn)。雖然有些數(shù)據(jù)是為了其他目的而收集的，因此可以輸入到 AI 系統(tǒng)中，但一些對優(yōu)化 AI 性能至關(guān)重要的數(shù)據(jù)迄今為止一直漂浮在數(shù)字以太中。有些數(shù)據(jù)可以從其他來源追溯收集。但其他類型的數(shù)據(jù)需要新的方法——這意味著沒有歷史記錄。數(shù)據(jù)中心必須從頭開始。

　　例如，數(shù)據(jù)中心可以使用制造商指定的開箱即用機器的功耗。但隨著機器老化和性能下降，機器的功耗可能無法收集——因此無法用于 AI 解決方案。對正在使用的每臺設(shè)備的功能和漏洞的深入了解是必不可少的——而且通常很難獲得。

　　正如 Swartz 所指出的，多租戶數(shù)據(jù)中心在收集數(shù)據(jù)方面面臨著另一個困難，因為他們必須遵守與客戶達成的隱私協(xié)議?！拔覀冇胁煌愋偷目蛻?，他們有不同的需求和不同的風(fēng)險水平，”他表示。 “當(dāng)你試圖適應(yīng)所有這些時，你通常無法成為生活在邊緣的人?！?/p>

　　人工智能還需要新的復(fù)雜系統(tǒng)和設(shè)備來支持其實施——即所謂的人工智能稅。雖然前期成本不低，但后期成本節(jié)省似乎是可靠的。盡管如此，啟動和運行系統(tǒng)并非易事——必須收集、處理、輸入數(shù)據(jù)，然后重新分析。

　　確保數(shù)據(jù)中心能夠以可持續(xù)的方式相互通信是另一個挑戰(zhàn)?！拔覀冋谘芯咳绾问褂萌斯ぶ悄苘浖?shù)據(jù)從數(shù)據(jù)中心轉(zhuǎn)移，而不會對客戶產(chǎn)生任何影響，”Clatworthy 說。當(dāng)考慮到可再生能源時，這會帶來許多障礙?！疤栐谶@里落山了。這意味著我們不會使用可再生能源來移動這個數(shù)據(jù)集?！?/p>

　　即使人工智能系統(tǒng)越來越復(fù)雜，并且它們能夠做出這樣的決定，但在某些情況下，它們?nèi)匀粺o法與人類推理相提并論。

　　“人工智能還沒有能力及時做出復(fù)雜的戰(zhàn)略決策，”Clatworthy 觀察到。“我希望它告訴我我的長期能力會是多少，告訴我需要升級什么。我將讓我的團隊專注于不可預(yù)見的異常情況?！?/p>

　　隨著人工智能在數(shù)據(jù)中心運營中變得越來越不可或缺，其人工處理人員必須相應(yīng)地調(diào)整其職責(zé)。

　　作者：Richard Pallardy

　　來源：千家網(wǎng)