根據(jù)中國(guó)信息通信研究院(CAICT)的數(shù)據(jù)顯示，中國(guó)的數(shù)據(jù)中心產(chǎn)業(yè)在2010至2020這十年間高速發(fā)展。并且中國(guó)的互聯(lián)網(wǎng)數(shù)據(jù)中心(IDC)市場(chǎng)連續(xù)三年保持30%以上的年復(fù)合增長(zhǎng)率，于2020年達(dá)到1494.2億元人民幣。面對(duì)數(shù)據(jù)中心市場(chǎng)的繁榮發(fā)展，2020年4月，數(shù)據(jù)中心被正式納入“新基建”這一國(guó)家戰(zhàn)略的建設(shè)范圍，由此凸顯出該市場(chǎng)日益增長(zhǎng)的重要性。

盡管一座數(shù)據(jù)中心通常有30-200名員工(具體取決于數(shù)據(jù)中心的規(guī)模和項(xiàng)目預(yù)期用途)，但這些員工中只有一小部分負(fù)責(zé)IT方面的工作。除了更換設(shè)備，也就是眾所周知的“代客運(yùn)維”之外，只要不發(fā)生停電，這些員工就沒有太多事可做。如此一來有了這樣的傳言：數(shù)據(jù)中心光線昏暗、室溫涼爽并且會(huì)發(fā)出具有“催眠效果”的嗡嗡聲，是一個(gè)睡覺的絕佳地方。

實(shí)際上，與電費(fèi)和網(wǎng)絡(luò)通訊費(fèi)等其他運(yùn)行成本相比，數(shù)據(jù)中心的人力資源成本大多可以忽略不計(jì)。

數(shù)據(jù)中心正因?yàn)橐揽枯^少的人員運(yùn)作，所以已經(jīng)達(dá)到了先進(jìn)的自動(dòng)化水平。許多傳統(tǒng)業(yè)務(wù)仍在探索需要在哪些方面實(shí)現(xiàn)自動(dòng)化，但這個(gè)問題對(duì)于數(shù)據(jù)中心而言卻十分簡(jiǎn)單，這是因?yàn)閿?shù)據(jù)中心有明確的關(guān)鍵績(jī)效指標(biāo)，比如縮短周期、部署頻率/速度和各項(xiàng)流程的平均處理時(shí)間等。

人工智能幫助進(jìn)一步降低成本

我們到底該如何降低數(shù)據(jù)中心的成本，以及該降低哪些成本呢？簡(jiǎn)而言之，即“削減開支和優(yōu)化支出”。讓我們來看看下面幾種情況。

目前，一些常見的問題已經(jīng)有了解決方案：數(shù)據(jù)中心中的人工智能(AI)會(huì)在數(shù)據(jù)中心發(fā)生故障時(shí)幫助加快根本原因分析，還能夠通過預(yù)測(cè)分析來防止硬件故障，或者更準(zhǔn)確地說，能夠指出何時(shí)更換設(shè)備才能防止故障率達(dá)到閾值。

另外，AI能夠大幅提高基礎(chǔ)設(shè)施的利用率，機(jī)器可以在更短的時(shí)間內(nèi)查看更多的數(shù)值，因此在優(yōu)化利用率方面遠(yuǎn)超人類，在容量規(guī)劃等方面亦是如此。

盡管如此，數(shù)據(jù)中心的服務(wù)管理人員還是會(huì)“喜憂參半”。有些任務(wù)，比如初始置備和持續(xù)編排等，已經(jīng)實(shí)現(xiàn)了高度自動(dòng)化，可以毫無顧慮地完全交給AI。但有些任務(wù)可能一開始聽起來很簡(jiǎn)單，實(shí)際上卻十分復(fù)雜，比如配置和補(bǔ)丁管理。由于存在許多變量，數(shù)據(jù)中心需要逐一決定何時(shí)打補(bǔ)丁、打什么補(bǔ)丁等，而這對(duì)于機(jī)器來說絕非易事。

在中期，AI可以在測(cè)試環(huán)境中運(yùn)行補(bǔ)丁并自行模擬真實(shí)用戶的行為，以此評(píng)估補(bǔ)丁是否會(huì)對(duì)產(chǎn)品使用產(chǎn)生負(fù)面影響，但我們目前還沒有達(dá)到這個(gè)階段。

介于上述兩者之間的是一些特殊用例，比如已經(jīng)在應(yīng)用機(jī)器學(xué)習(xí)的健康和性能監(jiān)測(cè)等。我們可以把這稱之為可觀察性，下一步就是使用合適的AI。

因此，智能運(yùn)維(AIOps)成為了這個(gè)領(lǐng)域當(dāng)下的熱門詞。Gartner就曾預(yù)測(cè)，2025年全球AIOps市場(chǎng)預(yù)計(jì)將達(dá)到31.2744億美元，2020年至2025年的年復(fù)合增長(zhǎng)率為43.7%。

鑒于數(shù)據(jù)中心市場(chǎng)本身的規(guī)模，要想找到合適的解決方案具有一定的難度。許多企業(yè)機(jī)構(gòu)仍在尋求“最好的解決方案”，而不是退一步思考自己到底想要實(shí)現(xiàn)什么。問題在于每個(gè)AI解決方案的評(píng)估成本都十分高昂，如果僅僅為了得到一個(gè)自定義版本而從頭開始開發(fā)，與此相比更好的辦法是采用具備某種集群智能的AI系統(tǒng)，即便是已有現(xiàn)成的框架也不例外。同時(shí)請(qǐng)注意，處在AI解決方案的評(píng)估階段，也完全應(yīng)該進(jìn)行適當(dāng)?shù)谋O(jiān)控。

有光的地方，也有影子

正如同面對(duì)每項(xiàng)新技術(shù)或新用例時(shí)那樣，人們對(duì)AI既有合理的擔(dān)憂，也有不必要的抵制。對(duì)于自動(dòng)化，人們主要擔(dān)心缺少開發(fā)和測(cè)試自動(dòng)化腳本的時(shí)間，尤其是在沒有足夠的專業(yè)人士意見的情況下。

另一個(gè)問題是信任，這與部署AI時(shí)如出一轍。大多數(shù)人可能都曾認(rèn)為只有靠自己才能做好某項(xiàng)工作。在將任務(wù)交給機(jī)器去完成時(shí)，同樣會(huì)出現(xiàn)這種心理，而AI的出現(xiàn)讓人們突然對(duì)失去控制產(chǎn)生了更多的恐懼。

集成問題

集成一項(xiàng)解決方案并將其與現(xiàn)有的解決方案相聯(lián)系，是一項(xiàng)十分復(fù)雜且具有挑戰(zhàn)性的工作。在這方面，開發(fā)人員能夠提供很大的幫助，甚至是在部署階段之后。數(shù)據(jù)中心可以嘗試使用低代碼或無代碼，這兩項(xiàng)最新技術(shù)使不具備開發(fā)知識(shí)的管理員，也能夠通過創(chuàng)建簡(jiǎn)單的應(yīng)用來提供更加定制化的服務(wù)，無需學(xué)習(xí)深厚的代碼知識(shí)。

同時(shí)，一些構(gòu)建模塊只需通過一個(gè)用戶接口流程圖就能為基礎(chǔ)設(shè)施和服務(wù)管理“牽線搭橋”。這將為實(shí)現(xiàn)進(jìn)一步自動(dòng)化開路，預(yù)計(jì)不久之后就會(huì)出現(xiàn)“低代碼AI接口”(這是一個(gè)筆者編出來的熱門詞)。

由此可見，數(shù)據(jù)中心管理目前所面臨的挑戰(zhàn)，是評(píng)估低代碼平臺(tái)的整體成本，以及網(wǎng)絡(luò)或基礎(chǔ)設(shè)施管理員無法正常工作的時(shí)間，并將其與臨時(shí)雇用開發(fā)人員的成本進(jìn)行比較。