人工智能将如何自我管理数据中心？

自我管理数据中心的现实是HPE公告上周，它声称是第一个人工智能(AI)预测引擎的麻烦，在数据中心。

HPE说，明年它将提供一个AI推荐引擎附加功能，用于在启动之前预测和停止存储和一般基础设施故障。这是许多自主的数据中心组件之一，我们应该很快从玩家那里看到这些组件。其他面向数据中心的人工智能和机器学习系统将从Litbit等公司获得。我在夏天写的)和甲骨文等等。

看点

1

还在网络世界：为什么你的新数据中心不能工作

“基础设施解决方案应利用数据科学和机器学习，”HPE在白皮书中说其中，它试图解释为什么人工智能和机器学习在防止停机方面比人类更好。

目前，IT工作者必须不断地进行“复杂的法医工作，以解决影响数据交付给应用程序的迷宫”。这造成了瓶颈，HPE说。

然而，该公司表示，通过机器学习的一种形式，可以自动识别不确定的执行部件。这是可以做到的，没有任何传统的人类猜测工作。在用户意识到任何问题之前，这种情况也可能会在早期发生。本质上，它是通过在整个IT基础结构堆栈中计算大量收集到的数据并进行分析来完成的。

看点

2

HPE的自我管理解决方案怎么工作

这样做的目的是“发现并迅速找出根源”，然后“通过数据收集解决问题”。然后生成签名以标识可能受到影响的其他用户、元素或客户。然后制定规则，以推动解决方案，解决方案可以自动化。

此外，如果用户确实失败，人工智能机器学习解决方案，连同其新的签名和规则，可以快速插入整个系统，阻止其他人继承相同的问题。未来的软件更新是根据通过人工智能学到的进行优化的。

今年早些时候，HPE通过收购人工智能获得了部分进展。闪存和预测分析公司灵活存储HPE说，十年来，它一直在收集数据科学和遥测数据。事实上，Nimble已经分析了12000多个应用程序缺口的案例。换句话说，这就是HPE在应用程序和数据问题之间降低生产力的瓶颈所使用的名称。

看点

3

自我管理系统减少人员配置

HPE说，要完成停机时间的减少，需要对整个IT堆栈进行全面分析。

该公司声称，通过这一点，可以预测停机时间。基础设施发展放缓的原因将通过人工智能来识别和预防，而不是仅仅被人为监控和标记为潜在的麻烦。

如果发动机不能防止故障，则应采用“规定性解决方案”。这意味着如果出现问题，引擎应该能够修复。它应该通过预测和分析了解根源来实现这一点，而不是通过传统的手工故障排除和使用基于web的论坛查找等工具。

最后，HPE非常重视自治。使用这种技术，人员配置水平可以想象地下降。它说，取消前线技术支持，谁往往只是收集信息和文件问题，使自主数据中心更接近于成为现实。(人工智能引擎知道有问题，所以你不需要有人接电话。)

HPE说：“对于需要与工程师交谈的小部分问题，客户可以立即达到三级工程师。”三级被淘汰。