根據世界經濟論壇的(de)估計(jì)，到(dào)2025年(nián)，全球每<δ ₹天将産生(shēng)463EB的(de)數(shù)據。為(wèi)了(δε±le)應對(duì)不(bù)斷增加的(de)數(s♦ σhù)據洪流，數(shù)據中心運營商正在尋找新方法來(lái)實現(xiàn)四個(gè♠€↑)關鍵目标：最大(dà)限度地(dì)延長(cháng)正常₹✔•σ運行(xíng)時(shí)間(jiān)、優化(huà)能(néng)源使用(yònπ₩ ♦g)、檢測潛在風(fēng)險以及防禦網絡攻擊。利用(yòng)機(jī)器(qì)學習 ♣(xí)(ML)技(jì)術(shù)是(shì)一(yī)個(gè)重要(yào)的£ε↕(de)潛在解決方案。

采用(yòng)機(jī)器(qì)學習(xí)和(hé)人(rén)工(gōn♥σ&±g)智能(néng)可(kě)能(néng)看(kàn)起來(lái)很(hě₽​₩n)簡單，但(dàn)企業(yè)高(gāo)管σΩ≤₽有(yǒu)理(lǐ)由謹慎行(xíng)事(shì)。其面臨的(de)挑戰包括投資<↑φ¶回報(bào)的(de)不(bù)确定性、圍繞數(shù)據共享的(de)複雜(zá)政策以及缺乏↕≤↕高(gāo)層管理(lǐ)人(rén)員(yuán)的(de)意識和(h∑∞é)支持。然而，考慮到(dào)企業(yè)對(duì)數(shù)據的(de)依賴程度，技(j​₽ì)術(shù)領導者不(bù)能(néng)忽視(shì)機(jī)器(qì)學習(xí)π¥©和(hé)其他(tā)人(rén)工(gōng)♥←↔÷智能(néng)應用(yòng)程序的(de)重要(yào)性​©，尤其是(shì)在保持正常運行(xíng)時(shí)間(jiān)方面。↔₹φπ

企業(yè)為(wèi)停機(jī)時(shí)間(jiān)付出高(gāo)昂的(de)代價

數(shù)據中心計(jì)劃外(wài)停機(jī)帶來(lái☆♥)的(de)損失範圍很(hěn)廣，從(có↕φng)每小(xiǎo)時(shí)14萬美(měi)∞×→元到(dào)54萬美(měi)元不(bù↑☆≠Ω)等，這(zhè)取決于企業(yè)的(de)規模α ™和(hé)所在的(de)行(xíng)業(yè)。英國(guó)航空(kō'♣ng)公司在2017年(nián)遭遇一(yī)次重大(dà)數(shù)據中心故障，導緻該公司損失7500多(duō)萬美(měi)元。由于機(jī)器(qì)學習(xí→★☆)和(hé)更智能(néng)的(de)基礎設施的(de)進步，當今®"β的(de)數(shù)據中心能(néng)夠極大(dà)÷®φ↔地(dì)簡化(huà)正常運行(xíng)時(shí)間(jiān)的(de↓§)操作(zuò)。

據市(shì)場(chǎng)研究機(jī)構International DataCorp公司←∏γ®的(de)預測，到(dào)2022年(nián)，數(shù)據中心中超過50%的(π•γde)技(jì)術(shù)可(kě)以使±®σα用(yòng)嵌入式人(rén)工(gōng) π±智能(néng)和(hé)機(jī)器(qì)學↓ ®‍習(xí)功能(néng)自(zì)主運行(xíng)。以下(xià)是(shì)機(jī)器>‌↑(qì)學習(xí)可(kě)用(yòng)于加強數(shù)據中心運營×&的(de)四種方式：

(1)最大(dà)限度地(dì)提高(gāo)能(→β néng)源效率

全球數(shù)據中心的(de)能(néng)耗占到(dào)全球能(n∞↔βφéng)源使用(yòng)量的(de)1%。這(zhè)聽(tīng)起來(lái)可(kě)能•♠♠≠(néng)是(shì)一(yī)個(gè)很(hěn)小(xiǎo)的(de)數(shù♠≤♦≤)字，但(dàn)即使是(shì)運營效率的(de)适度提高(gāo§±)，也(yě)會(huì)節約顯著的(de)成本，并阻止數(shù₩↓π)以百萬噸計(jì)的(de)二氧化(huà)碳排放(fàng®∏©•)到(dào)大(dà)氣中。好(hǎo)消息是(shì)能(néng)源管♣↕±理(lǐ)是(shì)最容易實施機(jī)器(qì)學習(xí)的(deα™)領域之一(yī)。例如(rú)，谷歌(gē)←∞→€公司使用(yòng)DeepMind節省了(le)約30%的(d£® e)能(néng)源，顯著減少(shǎo)了® ¶(le)管理(lǐ)費(fèi)用(yòng)。

(2)準确的(de)容量規劃

為(wèi)了(le)滿足日(rì)益增♣'¥長(cháng)的(de)工(gōng)作(zuò)量，數(shù)據中心管理(lǐ)人( $rén)員(yuán)必須提前準确預測對(duì)計(jì)算(suàn)資源的(de)需求。這(∞♣₩÷zhè)些(xiē)預測需要(yào)實γλ時(shí)更新，以反映環境條件(jiàn)的(de)任何變化(huà)。使用(yòng)≠♥高(gāo)級機(jī)器(qì)學習(xí)算(suà÷φ© n)法構建的(de)預測模型可(kě)以處理(lǐ)PB≥§≠"級的(de)大(dà)量數(shù)據，并智能(>¥néng)地(dì)預測容量和(hé)性能(néng)利用(yòng)率。這(zhè₩&)一(yī)規劃有(yǒu)助于數(shù)據中心避免任何可(kπ¶Ω→ě)能(néng)導緻停機(jī)和(hé)影(yǐng)響運≤₹×<營的(de)資源短(duǎn)缺。

(3)更快(kuài)的(de)風(fēng)險分(fēn)析

機(jī)器(qì)學習(xí)可(kě)以被訓練成比人(rén)類更快(ku✔& ài)更準确地(dì)檢測異常。數(shù)據中心工(gōng)作(zuò)人(rén)員(yuá‍‌n)可(kě)能(néng)會(huì)花(huā)費(fèi)€$φ很(hěn)長(cháng)時(shí)間(jiān)來<∏↑(lái)發現(xiàn)某些(xiē)東(dōng)西(xī)，更×☆$糟糕的(de)情況是(shì)完全忽略了(le)異常情況。例如(rú)，一(yī)些(xiē)數(Ω≠ shù)據中心管理(lǐ)即服務(DMaaS)程÷≤∑≤序可(kě)以分(fēn)析來(lái)自(zì)關鍵數(shù)據中心設備(如(γ>₩rú)電(diàn)源管理(lǐ)和(hé)冷(lěng)卻系統)的(de)性能(néng)數(s∞₩hù)據，并預測它們何時(shí)可(kě)能(néng)發生(shēng)故障‌≥≈。通(tōng)過提前通(tōng)知(zhī✔₹')數(shù)據中心設備管理(lǐ)人(₩∞rén)員(yuán)即将發生(shēng§∑©§)的(de)故障，機(jī)器(qì)學習(xí)技(jì)術(shù)可(kě)σδ以将停機(jī)時(shí)間(jiān)降至最低(dī)★‌≥。

(4)抵禦網絡攻擊的(de)能(néng)力

防禦分(fēn)布式拒絕服務(DDoS)攻擊需要(yào)快(k≥↑וuài)速檢測和(hé)低(dī)誤報(bào)率。這(z'πφ'hè)些(xiē)檢測方法大(dà)緻分(fēn)為(wèi)兩類‌‌☆：基于特征的(de)和(hé)基于異常的(de)。基于特征的(de)檢測在一(y ₽ī)般流量中具有(yǒu)已知(zhī)特α↕α征，并被廣泛實施和(hé)使用(yòng)。基于異常的(de)檢測超出正♠ 常流量模式。機(jī)器(qì)學習(xí§∑)回歸模型可(kě)用(yòng)于識别流量異常的(de)類型，有(yǒu)✔☆助于最大(dà)程度地(dì)減少(shǎo)誤報(bào)。

克服挑戰

一(yī)些(xiē)數(shù)據中心正在開(kāi)展人(rén)工(gōng)智能<¥✔(néng)和(hé)機(jī)器(qì)學習(xí)試點項目，但(dàn)有(yǒu)些(xi <​ē)數(shù)據中心難以全面部署。這(zhè)是(shì)因為(wèi)試點項目将使用(yòng ♦©)較小(xiǎo)的(de)數(shù)據集并在實驗室條件(σ♣γjiàn)下(xià)運行(xíng)。例如(rú)，在現(xiàn)實世界中>Ω，可(kě)能(néng)需要(yào)在幾分(fēn)鐘(zhōng)內(nèi)♠✔★處理(lǐ)幾TB的(de)數(shù)據。因此，将人(rén)工(gōng)智能(néng)從(&©λcóng)實驗室擴展到(dào)現(xiàn)場(chǎng)是>>σγ(shì)數(shù)據中心必須克服的(de)重大(dà) ↔挑戰。其他(tā)挑戰包括難以訪問(wèn)高(gā™§≠o)質量數(shù)據來(lái)訓練模型、實現(xià>♥Ω★n)準确性的(de)實施時(shí)間(jiān)長(cháng)，以及遵守有(y¶←£ǒu)關數(shù)據共享的(de)複雜(zá)法律政策。

那(nà)麽，數(shù)據中心如(rú)何克服這(zhè)些(xiē>φ)挑戰呢(ne)?并沒有(yǒu)一(yī)個(gè)萬能(néng)的(de)解決方案。企業(y₽∑​è)需要(yào)從(cóng)人(rén)工(gōng)♦ ₩智能(néng)路(lù)線圖開(kāi)始。這(zhè)£↑‍₹似乎令人(rén)驚訝，但(dàn)許多(duō)企業(yè)忽略了(le)這(zhè→¶₹)一(yī)步。企業(yè)需要(yào✘α)創建一(yī)個(gè)全面的(de)數(shù)據策×÷δσ略，重點關注數(shù)據的(de)可(φ kě)用(yòng)性和(hé)獲取以及數(shù)據的(de)準确标記。

接下(xià)來(lái)，使用(yòng)具有(yǒu)企業(yè)級性能(né ♣£ng)的(de)機(jī)器(qì)學習(×∏π xí)模型，以便機(jī)器(qì)學習(xí)易于擴展。使用(yòn♦ ™g)數(shù)據中心基礎設施進行(xíng)自(zì)動化(huà)和(hé)÷♣​≤容器(qì)化(huà)的(de)算(suàn)法訓練。同樣，這(zhè)變得(de)易于±&≥÷擴展。關注數(shù)據質量并建立卓越的(de)測試中心或為(wèi)人(δ≥rén)工(gōng)智能(néng)試點建立類似的(de)結↔ 構。這(zhè)需要(yào)考慮企業(yè)的π€​(de)相(xiàng)關技(jì)術(shù)技(jì)能(néng)、專業(yè)★'知(zhī)識和(hé)能(néng)力。幫助将試點擴展到(≠∞dào)更廣泛的(de)應用(yòng)程序将會(huì)産生(shēng)更大‍₹(dà)的(de)影(yǐng)響。

數(shù)據中心需要(yào)重新規劃如(rú)何在不(bù)斷變化(huà)的α (de)環境中運行(xíng)。在當今互聯的(de)社會(huì)中，≤$✔數(shù)據中心将需要(yào)不(bù)斷突破機(j↔™ī)器(qì)學習(xí)的(de)界限，♥♣以避免在競争中落後或不(bù)堪重負。