人工智慧將如何自我管理數據中心？

自我管理數據中心的現實是HPE公告上周，它聲稱是第一個人工智慧(AI)預測引擎的麻煩，在數據中心。

HPE說，明年它將提供一個AI推薦引擎附加功能，用於在啟動之前預測和停止存儲和一般基礎設施故障。這是許多自主的數據中心組件之一，我們應該很快從玩家那裡看到這些組件。其他面向數據中心的人工智慧和機器學習系統將從Litbit等公司獲得。我在夏天寫的)和甲骨文等等。

看點

1

還在網路世界：為什麼你的新數據中心不能工作

「基礎設施解決方案應利用數據科學和機器學習，」HPE在白皮書中說其中，它試圖解釋為什麼人工智慧和機器學習在防止停機方面比人類更好。

目前，IT工作者必須不斷地進行「複雜的法醫工作，以解決影響數據交付給應用程序的迷宮」。這造成了瓶頸，HPE說。

然而，該公司表示，通過機器學習的一種形式，可以自動識別不確定的執行部件。這是可以做到的，沒有任何傳統的人類猜測工作。在用戶意識到任何問題之前，這種情況也可能會在早期發生。本質上，它是通過在整個IT基礎結構堆棧中計算大量收集到的數據並進行分析來完成的。

看點

2

HPE的自我管理解決方案怎麼工作

這樣做的目的是「發現並迅速找出根源」，然後「通過數據收集解決問題」。然後生成簽名以標識可能受到影響的其他用戶、元素或客戶。然後制定規則，以推動解決方案，解決方案可以自動化。

此外，如果用戶確實失敗，人工智慧機器學習解決方案，連同其新的簽名和規則，可以快速插入整個系統，阻止其他人繼承相同的問題。未來的軟體更新是根據通過人工智慧學到的進行優化的。

今年早些時候，HPE通過收購人工智慧獲得了部分進展。快閃記憶體和預測分析公司靈活存儲HPE說，十年來，它一直在收集數據科學和遙測數據。事實上，Nimble已經分析了12000多個應用程序缺口的案例。換句話說，這就是HPE在應用程序和數據問題之間降低生產力的瓶頸所使用的名稱。

看點

3

自我管理系統減少人員配置

HPE說，要完成停機時間的減少，需要對整個IT堆棧進行全面分析。

該公司聲稱，通過這一點，可以預測停機時間。基礎設施發展放緩的原因將通過人工智慧來識別和預防，而不是僅僅被人為監控和標記為潛在的麻煩。

如果發動機不能防止故障，則應採用「規定性解決方案」。這意味著如果出現問題，引擎應該能夠修復。它應該通過預測和分析了解根源來實現這一點，而不是通過傳統的手工故障排除和使用基於web的論壇查找等工具。

最後，HPE非常重視自治。使用這種技術，人員配置水平可以想像地下降。它說，取消前線技術支持，誰往往只是收集信息和文件問題，使自主數據中心更接近於成為現實。(人工智慧引擎知道有問題，所以你不需要有人接電話。)

HPE說：「對於需要與工程師交談的小部分問題，客戶可以立即達到三級工程師。」三級被淘汰。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！