IT服務安全性有很多層次。IT安全層； 防火墻，入侵檢測和訪問控制�；A(chǔ)設施層； 電力，網(wǎng)絡，服務器的健康和冷卻。而且，最重要的是人民層。正確的人員有正確的流程，工具和措施，以確保一切正常。人工智能（AI）將通過放大功能，精簡流程和提高效率，對人們使用的工具和措施產(chǎn)生最大的影響。
人工智能和深度學習將成為解析和分析數(shù)據(jù)中心內(nèi)生成的數(shù)據(jù)山的必要條件，從而更有效地管理服務提供，同時減少中斷等風險。這源于我們最近如何提供應用程序工作負載的轉(zhuǎn)變。
數(shù)據(jù)太多？
在過去十年中，我們從大多數(shù)單服務器單應用程序轉(zhuǎn)移到以容器運行的分布式應用程序。這些現(xiàn)在由運行在內(nèi)部和云端的微型服務提供 - 所有這些都由自動化工具管理�；A(chǔ)設施已成為應用程序的一部分，而其他應用程序已成為基礎(chǔ)設施的一部分。如果您正在使用像Amazon S3或Google Maps這樣的平臺作為您的服務交付的一個組成部分，那么您正在經(jīng)歷這種轉(zhuǎn)型。
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定期關(guān)注的一小部分。環(huán)境控制，物理設備，虛擬機和公共云都需要全天候進行監(jiān)控和管理，以提高成本和性能。了解何時何地移動特定工作負載變得至關(guān)重要。
AI和深度學習將成為解析和分析數(shù)據(jù)中心內(nèi)生成的數(shù)據(jù)山的必需品
企業(yè)今天收集，監(jiān)測和分析數(shù)據(jù)以確保業(yè)務連續(xù)性的爆發(fā)�？紤]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(chǎn)生的數(shù)據(jù)。添加到外部數(shù)據(jù)源，如應用程序漏洞信息，電力費率和天氣預報。需要強大的數(shù)據(jù)中心基礎(chǔ)架構(gòu)管理（DCIM）工具來存儲所有這些數(shù)據(jù)，進行分析并將其轉(zhuǎn)化為可操作的智能。你可以嘗試劃分一部分，但是變得越來越困難。
AI和深度學習正在成為數(shù)據(jù)中心和關(guān)鍵基礎(chǔ)設施管理的一部分。以下是一些較為顯著的領(lǐng)域：
- 情境意識
主動儀表板具有趨勢，相關(guān)性分析和推薦操作。
- 預防性維護
深度學習用于識別和關(guān)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，運營商可以動員并主動將工作負載移至更安全的區(qū)域。
- 根本原因分析
機器學習用于跟蹤幾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
機器學習和深層神經(jīng)網(wǎng)絡用于在應用傳感器，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主動緩解。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(guān)問題的能力。
- 自動化
“窄AI”配備了各種自動減輕技術(shù)，并產(chǎn)生類似于汽車應用制動器的行動，如果它看到即將發(fā)生的碰撞。
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善，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 所有這一切都在眼前，毫無疑問，AI將對企業(yè)如何管理數(shù)據(jù)中心產(chǎn)生巨大的影響。
Rami Jebara
