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

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,、室溫涼爽并且會發(fā)出具有“催眠效果”的嗡嗡聲，是一個睡覺的絕佳地方,。

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,。

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)自動化,，但這個問題對于數(shù)據(jù)中心而言卻十分簡單,，這是因?yàn)閿?shù)據(jù)中心有明確的關(guān)鍵績效指標(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)會在數(shù)據(jù)中心發(fā)生故障時幫助加快根本原因分析,，還能夠通過預(yù)測分析來防止硬件故障，或者更準(zhǔn)確地說,，能夠指出何時更換設(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“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打補(bǔ)丁,、打什么補(bǔ)丁等,，而這對于機(jī)器來說絕非易事。

在中期,，AI可以在測試環(huán)境中運(yùn)行補(bǔ)丁并自行模擬真實(shí)用戶的行為,，以此評估補(bǔ)丁是否會對產(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)成為了這個領(lǐng)域當(dāng)下的熱門詞,。Gartner就曾預(yù)測,，2025年全球AIOps市場預(yù)計將達(dá)到31.2744億美元，2020年至2025年的年復(fù)合增長率為43.7%,。

鑒于數(shù)據(jù)中心市場本身的規(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AI解決方案的評估成本都十分高昂,，如果僅僅為了得到一個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,。同時請注意，處在AI解決方案的評估階段,，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

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

另一個問題是信任,，這與部署AI時如出一轍,。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,，同樣會出現(xiàn)這種心理,，而AI的出現(xiàn)讓人們突然對失去控制產(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)知識的管理員,，也能夠通過創(chuàng)建簡單的應(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。

同時,，一些構(gòu)建模塊只需通過一個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)一步自動化開路，預(yù)計不久之后就會出現(xiàn)“低代碼AI接口”(這是一個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)，是評估低代碼平臺的整體成本，以及網(wǎng)絡(luò)或基礎(chǔ)設(shè)施管理員無法正常工作的時間,，并將其與臨時雇用開發(fā)人員的成本進(jìn)行比較,。