不能懵，華為現(xiàn)在帶你一起，十問數(shù)據(jù)中心！

　　人人聊，家家說，AI在數(shù)據(jù)中心真的落地了嗎？

　　自從AlphaGo戰(zhàn)勝了柯潔和李世石，如果一個(gè)科技圈或創(chuàng)業(yè)圈的精英不會(huì)聊兩句AI，出門兒都不好意思跟人打招呼。無比敬崗愛崗的數(shù)據(jù)中心從業(yè)者們當(dāng)然也不能放著這么好的技術(shù)不琢磨，不過關(guān)于AI與數(shù)據(jù)中心，說了不少，也聽了很多。但新技術(shù)只有應(yīng)用，創(chuàng)造出價(jià)值，才有繼續(xù)優(yōu)化和演進(jìn)的可能。

　　問：所以現(xiàn)在AI在數(shù)據(jù)中心真的落地了嗎，應(yīng)用了有什么好處？

　　答：落地了，實(shí)踐證明，AI是數(shù)據(jù)中心難得的行業(yè)轉(zhuǎn)折機(jī)遇，AI將使能數(shù)據(jù)基礎(chǔ)設(shè)施價(jià)值最大化。

　　問：那怎么用AI實(shí)現(xiàn)價(jià)值最大化呢？

　　答：以下有幾個(gè)經(jīng)過驗(yàn)證的標(biāo)準(zhǔn)答案，要不借你“Ctrl C”一下。

　　主動(dòng)預(yù)防，安全可靠

　　安全運(yùn)行對(duì)數(shù)據(jù)中心的重要性不言而喻，業(yè)界在提升數(shù)據(jù)中心可靠性和可用性方面已有實(shí)踐，例如收集供配電系統(tǒng)設(shè)備信息，對(duì)即將發(fā)生故障的設(shè)備和部件提前發(fā)出預(yù)警，為運(yùn)維人員的運(yùn)維活動(dòng)提供決策支撐，但是如何利用機(jī)器的自我學(xué)習(xí)能力，做到供配電系統(tǒng)整體運(yùn)行的安全可靠，是需要思考的重點(diǎn)問題。要實(shí)現(xiàn)更高程度的智能化及主動(dòng)避錯(cuò)，這對(duì)AI技術(shù)應(yīng)用是個(gè)很好的契機(jī)。

　　華為融入AI性能的iPower技術(shù)可提升數(shù)據(jù)中心可用性，借助智能化硬件，實(shí)現(xiàn)智能故障定位與預(yù)警管理，引入大數(shù)據(jù)技術(shù)，智能分析每日海量的運(yùn)維數(shù)據(jù)，識(shí)別機(jī)房潛在隱患，保障數(shù)據(jù)中心的可靠運(yùn)行。

　　iPower智能供配電技術(shù)以模塊化UPS為核心，主要通過供電全鏈路監(jiān)測(cè)、預(yù)警和故障自動(dòng)隔離等手段，提高數(shù)據(jù)中心能源基礎(chǔ)設(shè)施可用性，繼而通過AI技術(shù)的應(yīng)用，最終實(shí)現(xiàn)預(yù)測(cè)性維護(hù)。

　　iPower通過供電全鏈路監(jiān)測(cè)，可實(shí)現(xiàn)毫秒級(jí)的故障檢測(cè)，毫秒級(jí)的故障隔離，分鐘級(jí)的故障恢復(fù)，可消除火災(zāi)隱患，大大提高數(shù)據(jù)中心能源基礎(chǔ)設(shè)施可靠性和可用性；

　　以電池管理為例，在預(yù)防電池失效方面，iPower通過AI技術(shù)，可以精確預(yù)測(cè)電池的壽命和健康度，為用戶提前提供維護(hù)決策依據(jù)，及時(shí)排除有失效隱患的電池組，變事后補(bǔ)救為事前預(yù)防，變被動(dòng)響應(yīng)為主動(dòng)維護(hù)，大大提高數(shù)據(jù)中心供配電安全等級(jí)。華為的模塊化UPS結(jié)合iPower技術(shù)，可以在電池出現(xiàn)溫度快速升高等極端情況下，自動(dòng)切斷該組電池，從而避免出現(xiàn)起火等惡性事件。

　　數(shù)據(jù)中心傳統(tǒng)的維護(hù)方法是靠人，失誤率大、漏錯(cuò)率高、失效排查時(shí)間長(zhǎng)，傳統(tǒng)運(yùn)維方式無法解決人為誤操作帶來的業(yè)務(wù)中斷問題。

　　融入AI性能的 iManager，可看作是數(shù)據(jù)中心的大腦，借助智能化硬件和傳感器，實(shí)現(xiàn)精準(zhǔn)感知。通過自動(dòng)化手段，逐步減少人工巡檢等例行重復(fù)性工作，池化專家資源和能力，并固化于運(yùn)維流程中。

　　加上全流程的電子運(yùn)維，包括巡檢、維保、應(yīng)急演練，把所有的流程以及操作指導(dǎo)全部做到線上，實(shí)現(xiàn)了運(yùn)維質(zhì)量從原來靠人的責(zé)任心到現(xiàn)在靠流程管理的轉(zhuǎn)變。通過全流程電子化的運(yùn)維跟蹤，量化原來無法量化的信息，比如通過電子運(yùn)維提升巡檢的執(zhí)行力和運(yùn)維活動(dòng)的質(zhì)量、實(shí)現(xiàn)故障的預(yù)測(cè)等，大幅提高人均運(yùn)維效率和運(yùn)維水平，提升數(shù)據(jù)中心的可靠性。

　　此外，市場(chǎng)上出現(xiàn)了越來越多由邊緣計(jì)算產(chǎn)生的邊緣數(shù)據(jù)中心機(jī)房，就近提供服務(wù)和處理計(jì)算。邊緣數(shù)據(jù)中心數(shù)量日益增長(zhǎng)，分行、支行、網(wǎng)點(diǎn)等數(shù)據(jù)中心無法統(tǒng)一集中管理，數(shù)據(jù)中心故障響應(yīng)速度慢，運(yùn)維效率低。

　　華為iManager全網(wǎng)管理功能，實(shí)現(xiàn)對(duì)多網(wǎng)點(diǎn)數(shù)據(jù)中心基礎(chǔ)設(shè)施進(jìn)行集中監(jiān)控，統(tǒng)一管理，實(shí)現(xiàn)預(yù)防性維護(hù)，通過GIS定位技術(shù)提高故障定位響應(yīng)速度，提升數(shù)據(jù)中心運(yùn)維效率；移動(dòng)APP監(jiān)控，從內(nèi)到外簡(jiǎn)化管理，輕松知曉海量網(wǎng)點(diǎn)數(shù)據(jù)中心運(yùn)行情況，擺脫傳統(tǒng)人工的運(yùn)維檢修方式，降低維護(hù)下站次數(shù)和節(jié)省開支，讓數(shù)據(jù)中心管理變得更加簡(jiǎn)單、高效。

　　華為iManager還能對(duì)資產(chǎn)進(jìn)行盤查，保證設(shè)備的完整性，保護(hù)重要數(shù)據(jù)。另外，還可以對(duì)資產(chǎn)匹配最適宜的供電、制冷、空間、帶寬等資源，實(shí)現(xiàn)資源的最佳利用，利用AI技術(shù)，可協(xié)助對(duì)資產(chǎn)上下架和運(yùn)營(yíng)進(jìn)行智能化的管理，提升運(yùn)營(yíng)效率和效益。

　　能耗問題一直是數(shù)據(jù)中心關(guān)注的焦點(diǎn)，傳統(tǒng)數(shù)據(jù)中心年平均PUE高于1.8，隨著越來越多AI應(yīng)用的落地，業(yè)界對(duì)高速計(jì)算的需求日漸增多，GPU計(jì)算服務(wù)器的規(guī)模和需求將持續(xù)增長(zhǎng)，加速計(jì)算服務(wù)器產(chǎn)生的熱能是傳統(tǒng)CPU的數(shù)倍，如何解決服務(wù)器的散熱問題將是未來的重要考量。目前已有的智能DC節(jié)能技術(shù)可以通過傳感器獲取關(guān)鍵節(jié)點(diǎn)數(shù)據(jù)，進(jìn)而優(yōu)化所有系統(tǒng)和設(shè)備的整體能耗，降低PUE。

　　而AI能否深入數(shù)據(jù)中心內(nèi)核，帶來更低PUE？華為作為ICT行業(yè)的領(lǐng)導(dǎo)者，在數(shù)據(jù)中心熱管理技術(shù)方面走在行業(yè)前端，致力于帶給客戶更低的PUE。

　　華為將基于AI的iCooling智能熱管理解決方案融入數(shù)據(jù)中心基礎(chǔ)設(shè)施，針對(duì)數(shù)據(jù)中心制冷效率提升瓶頸，通過深度學(xué)習(xí)，打通精密空調(diào)末端、冷水機(jī)組、冷卻塔、水泵等制冷系統(tǒng)以及IT負(fù)載、環(huán)境變量等大數(shù)據(jù)之間的聯(lián)動(dòng)，對(duì)大量的歷史數(shù)據(jù)進(jìn)行分析，探索影響能耗的關(guān)鍵因素，獲取PUE的預(yù)測(cè)模型。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(shí)現(xiàn)制冷系統(tǒng)的最優(yōu)控制。最終通過規(guī)范化的實(shí)踐引導(dǎo)和目標(biāo)導(dǎo)向評(píng)測(cè)，不斷調(diào)整優(yōu)化，獲取最佳PUE。

　　iCooling@AI解決方案目前已在華為云廊坊數(shù)據(jù)中心成功部署，全年P(guān)UE可降低超過0.1，年平均值達(dá)到1.3以下，年節(jié)約電費(fèi)數(shù)百萬元。