机器学习是人们迄今为止挖掘大数据潜力而发现的最强大的工具,而数据中心行业是受益最大的行业之一。

现在,大多数公司都高度依赖数据中心,并安排数据中心设施管理人员进行预测和管理,以确保数据中心能够提供服务和维持生产力。

机器学习

机器学习工具“大脑”

但随着压力和需求的不断增加,数据中心运营者开始意识到机器学习技术的重要性,它不仅可以帮助数据中心实现自动化,而且具有提高数据中心设施性能的能力。目前,人类越来越难以通过人工直接从DCIM系统分析数据,但还是有许多公司在使用基本工具来跟踪和监督数据中心的性能,并验证传感器网络所收集的数据是否准确。

日前,英国皇家学会发表了一份“研究机器学习的力量和承诺”的报告。其重点在于如何重塑英国的经济和人们的生活,该报告还提出了哪些行业将受到影响,如何分配利益,有什么增长机会等问题。

谷歌公司表示,最近正在使用其DeepMind机器学习技术管理其数据中心,主要通过调整其性能来降低运营能耗,与此同时,Facebook公司也正在通过Big Sur服务器培训机器学习,其学习的内容有,为盲人“读取”图像和视频,对软件翻译、智能虚拟助手以及文字识别等人工智能技术的训练等。

同样,机器学习在增强数据中心分析能力方面也发挥着重要作用,它为性能分析、投资分析以及评估一个新数据中心的位置是否适合提供了巨大的优势,如降低成本和提高运行性能。

另外,分析平台可以识别异常,并可以和校准过的预测模型以及在世界各地350多个数据中心收集的数据“知识”进行比较,从而找出症结所在。通过这种方式,人们能够为数据中心的运营和系统提供强大且可操作的平台,以便数据中心始终保持最佳性能,并提高投资回报率。

【中国IDC圈编译原创,转载请注明出处】

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2018-01-04 10:41:40
国内资讯 分析师视角:2018年的数据中心3大预测
向数字业务平台的迁移促使基础设施和运营(I&O)领导者必须重新去思考他们的数据中心策略。像人工智能这样的数字业务平台,包括机器学习(ML)、深度神经网络(DNN)和物联网,对 <详情>
2018-01-04 10:32:07
机房建设 解读SDN成为数据中心网络佳选的五大原因
软件定义网络(SDN)是指通过控制和数据包转发平面分离来实现,这种架构可以降低运营成本,减少进行更改或提供服务所需的时间。由于所有的智能都存在于软件中,而不是单一 <详情>
2018-01-04 10:10:26
机房建设 Uptime Institute总裁:数据中心领域至少还有10年的增长
日前,行业媒体与数据中心设施咨询机构Uptime Institute总裁Lee Kirby一起探讨与分析了数据中心行业技术与发展的现状与趋势,其内容包括数据中心认证、层级、边缘计算、电 <详情>
2018-01-04 09:41:00
国际资讯 欧洲数据中心市场在2018年将如何变化
2017年对全球数据中心发展来说是火热的一年,但是随着更多的整合、新市场的出现,以及新法规的出台,欧洲的数据中心在2018年似乎将面临比较极端的变革。 <详情>