IT服務的安全性分為很多層次。例如，安全層包括防火墻、入侵檢測和訪問控制。基礎設施層包括電力、網(wǎng)絡及服務器的狀態(tài)和冷卻。但最重要的還是運維層。經(jīng)驗豐富的工作人員能夠采用正確的流程，以確保數(shù)據(jù)中心運行一切正常。人工智能通過簡化相應的步驟提高效率，對數(shù)據(jù)中心運維產生重大影響。

在互聯(lián)網(wǎng)快速發(fā)展的今天，人工智能和深度學習將成為解析數(shù)據(jù)中心所生成大量數(shù)據(jù)的技術保障，通過人工智能可以更有效地管理服務交付，同時減少數(shù)據(jù)中心宕機等風險。這些都源于交付應用程序工作負載的轉變。

數(shù)據(jù)太多？

在過去的10年中，人們已經(jīng)從單一服務器單一應用程序演進到在容器中運行的分布式應用程序。這些正在由運行在前提和云中的微服務交付，這些服務都是由自動化工具管理的。基礎設施已經(jīng)成為應用程序的一部分。如果企業(yè)正在使用像Amazon S3或Google Maps這樣的平臺作為其服務交付的一個組成部分，那么就將經(jīng)歷這樣的轉變。

這種轉變對數(shù)據(jù)中心管理造成的影響是顯著的，電力和制冷只是需要工作人員定期關注的一部分。環(huán)境控制、物理設備、虛擬機和公共云都需要工作人員全天候進行監(jiān)控和管理，以降低成本并提高效率。因此，了解特定工作負載遷移變得至關重要。

企業(yè)通過監(jiān)控、分析收集來的數(shù)據(jù)量，來確保業(yè)務的正常發(fā)展。其中數(shù)據(jù)大都是從傳感器、應用、門禁系統(tǒng)、配電單元、UPS、發(fā)電機和太陽能電池板產生的數(shù)據(jù)。如果外部數(shù)據(jù)源想要進行存儲，例如應用程序漏洞信息，電費和天氣預報。則需要強大的數(shù)據(jù)中心基礎架構管理（DCIM）工具來存儲所有這些數(shù)據(jù)，進行分析并將其轉化為可操作的信息。

人工智能和深度學習在數(shù)據(jù)中心管理中變得不可或缺。以下是較為顯著的領域：

獲知動態(tài)

具有趨勢、相關性分析和推薦操作的活動指示板。

預防性維護

深度學習用于識別和關聯(lián)預測電源，存儲或網(wǎng)絡連接故障的數(shù)據(jù)。這樣，在進行維護的同時，數(shù)據(jù)中心運營商可以積極主動將工作負載移至更安全的區(qū)域。

追蹤故障分析

機器學習用于跟蹤多個服務的故障根本原因。這被學習并用于將來的預防性維護。

網(wǎng)絡安全和入侵檢測

機器學習和深度神經(jīng)網(wǎng)絡用于現(xiàn)場應用傳感器，訪問控制系統(tǒng)和網(wǎng)絡系統(tǒng)中發(fā)現(xiàn)異常模式，并提供更好的信噪比和積極的解決措施。學習神經(jīng)網(wǎng)絡用于不斷提高企業(yè)的安全態(tài)勢和管理相關問題的能力。

自動化

配備各種自動處理技術的"窄范圍定義的人工智能"，例如如果自主駕駛汽車在行駛中即將發(fā)生碰撞，則采取剎車措施。

深度神經(jīng)網(wǎng)絡和機器學習算法將隨著時間的推移而改進，從而實現(xiàn)更高的效率和性能，以配合快速增長的應用工作負載。隨著這一切的即將到來，人工智能將對企業(yè)如何管理數(shù)據(jù)中心產生巨大影響。