隨著數(shù)字經(jīng)濟(jì)時代的來臨，數(shù)據(jù)中心作為核心基礎(chǔ)設(shè)施發(fā)展尤為迅猛。但隨之而來的是能耗問題日趨嚴(yán)重。這不僅使得數(shù)據(jù)中心本身的運營成本不斷攀升，更是加大了社會電網(wǎng)的負(fù)荷壓力。在這樣的背景下，用戶對于數(shù)據(jù)中心需求的迅猛增長和數(shù)據(jù)中心的高能耗就產(chǎn)生了嚴(yán)重矛盾，如何才能讓兩者相互協(xié)調(diào)？已經(jīng)成為了行業(yè)內(nèi)積極關(guān)注的話題。對于應(yīng)用新技術(shù)和新方法從而改變這種現(xiàn)狀的呼聲也日趨強(qiáng)烈。
AI對于數(shù)據(jù)中心降本增效善莫大焉
據(jù)相關(guān)報告指出，2018年中國數(shù)據(jù)中心總用電量1608.89億千瓦時，占中國全社會用電量的2.35%，超過上海市2018年全社會用電量。照此預(yù)計，2023年中國數(shù)據(jù)中心總用電量將達(dá)到2667.92億千瓦時，未來5年將增長66%，年均增長率將達(dá)10.64%。
2019年以來，北京，上海，VPS租用，廣州和深圳等地相繼出臺政策以調(diào)控數(shù)據(jù)中心建設(shè)。另外，工信部早先也已經(jīng)明文要求，到2022年新建大型、超大型數(shù)據(jù)中心PUE必須達(dá)到1.4以下。但是傳統(tǒng)降低PUE的方法其潛力已達(dá)極限，如何運用新技術(shù)、新架構(gòu)降低能源損耗，實現(xiàn)數(shù)據(jù)中心的綠色發(fā)展已經(jīng)成為行業(yè)關(guān)注的焦點。
在能耗當(dāng)中，數(shù)據(jù)中心IT設(shè)備本身因計算產(chǎn)生的能耗當(dāng)仁不讓的排位第一，而為了保證這些設(shè)備穩(wěn)定運行，制冷產(chǎn)生的能源消耗則穩(wěn)居第二位。據(jù)相關(guān)調(diào)查數(shù)據(jù)顯示，制冷平均占數(shù)據(jù)中心能源成本已達(dá)40％；2017年DCD在東南亞的一項研究表明，如果PUE從1.80（接近全球平均水平）下降到1.30，則電力成本可以減半。盡管這種大幅改進(jìn)不太可能實現(xiàn)，但即使是中等程度的改進(jìn)也將有效降低運營成本。
在這樣的背景下，依靠人工智能（AI）技術(shù)，通過深度學(xué)習(xí)，動態(tài)感知不同IT設(shè)備在當(dāng)前環(huán)境下的計算狀態(tài)，網(wǎng)絡(luò)環(huán)境，以及能源消耗等方面的要素從而做出適應(yīng)性調(diào)整的方法正在被很多大型數(shù)據(jù)中心所采用。
由于AI是基于基礎(chǔ)設(shè)施管理技術(shù)和星羅棋布的智能傳感器工作，并通過神經(jīng)網(wǎng)絡(luò)來分析和處理工作指令，所以相比于傳統(tǒng)的人工管理團(tuán)隊，其對故障或者是威脅的處理幾乎可以達(dá)到實時響應(yīng)的程度，從而幫助數(shù)據(jù)中心管理者有效預(yù)測或減少災(zāi)難性故障。
高成本及人才不足限制數(shù)據(jù)中心AI普及
雖然AI對于數(shù)據(jù)中心能夠帶來諸多好處，但并非所有數(shù)據(jù)中心都能像谷歌一樣有足夠的資金嘗試最新技術(shù)。另外，這些好處還必須放在一個較長的運營周期才能體現(xiàn)，而部署AI的成本，則讓很多數(shù)據(jù)中心運營商望而卻步。根據(jù)DCD的研究顯示，目前AI無論是在多租戶數(shù)據(jù)中心（MTDC）還是企業(yè)數(shù)據(jù)中心當(dāng)中的滲透率都還比較低。特別是對于那些老舊機(jī)房而言，雖然合理部署AI可以在能耗和運營方面對其產(chǎn)生助益，但由于其機(jī)房建設(shè)較早，并無標(biāo)準(zhǔn)可言，很多設(shè)計上的硬傷不僅會導(dǎo)致AI技術(shù)的優(yōu)勢難以發(fā)揮，甚至還會反向影響其正常運轉(zhuǎn)。
除此之外，對于很多機(jī)房而言，相關(guān)人才的缺乏也是制約因素。簡單來說，AI學(xué)習(xí)算法是依靠必要水平的數(shù)據(jù)同化、學(xué)習(xí)和應(yīng)用能力，來優(yōu)化整體性能。但這種算法的形成，必須要依靠大量的機(jī)房運營數(shù)據(jù)才能建立。對于很多老舊數(shù)據(jù)中心而言，空有相關(guān)數(shù)據(jù)，但是如何形成算法并最終建立AI模型，則是無法逾越的障礙。
AI技術(shù)能否真正普惠數(shù)據(jù)中心降本增效？
雖然目前還有一些限制性因素，directadmin授權(quán)，但AI技術(shù)能否真正普惠數(shù)據(jù)中心降本增效的問題，其答案顯然是肯定的，讓王謝堂前燕飛入尋常百姓家并非絕無可能。事實上，目前已經(jīng)有很多數(shù)據(jù)中心解決方案供應(yīng)商在做相關(guān)嘗試，并獲得了不錯的效果。
華為的iCooling@AI能效優(yōu)化解決方案就是一個不錯的實踐。該方案在2018年已經(jīng)在自家廊坊云數(shù)據(jù)中心的1500個機(jī)架上部署完畢。經(jīng)過實際運行，試點區(qū)域（1500個機(jī)架）的年平均PUE已從1.4優(yōu)化到1.3以下，節(jié)省了8％的電力消耗。
除此之外，在2019年11月投產(chǎn)的中國移動寧夏數(shù)據(jù)中心（中衛(wèi)）也同樣應(yīng)用了華為iCooling@AI能效優(yōu)化解決方案。該方案包含了AI節(jié)能優(yōu)化技術(shù)及配套的云計算、邊緣AI推理等。在第一階段自然冷卻場景下實測數(shù)據(jù)顯示，iCooling @AI解決方案已有效降低中國移動寧夏數(shù)據(jù)中心PUE數(shù)值達(dá)3.5%。在第二階段中高負(fù)載及機(jī)械制冷場景下，隨PUE模型精度的不斷提升，節(jié)能效果預(yù)計可達(dá)到5%-8%。
所謂iCooling，是基于AI的數(shù)據(jù)中心能效優(yōu)化解決方案，可以很好的解決數(shù)據(jù)中心制冷效率的瓶頸問題。具體來說，該解決方案是通過機(jī)器深度學(xué)習(xí)，能夠?qū)Υ罅繗v史數(shù)據(jù)進(jìn)行業(yè)務(wù)分析，找出其中影響能耗的關(guān)鍵因素，并籍此獲取PUE的預(yù)測模型。然后基于該模型計算出PUE的敏感特征值，再進(jìn)行相關(guān)業(yè)務(wù)訓(xùn)練。當(dāng)訓(xùn)練完成之后，會形成完整的業(yè)務(wù)模型。最后以PUE預(yù)測模型，業(yè)務(wù)模型作為參照，利用尋優(yōu)算法，獲取調(diào)優(yōu)參數(shù)組，下發(fā)到控制系統(tǒng)，實現(xiàn)制冷系統(tǒng)的控制。iCooling可通過規(guī)范化的實踐引導(dǎo)和目標(biāo)導(dǎo)向評測，不斷調(diào)整優(yōu)化，獲取均衡PUE，并最終幫助數(shù)據(jù)中心降低能耗。
后記：
