智慧数 智慧数据中心

简介

数据中心是企业IT系统的核心资产，IT也是企业IT部门年度预算中相当一部分的应用。随着公有云和混合云的兴起，越来越多的企业IT部门迁移了部分业务。无论企业自己的数据中心、混合云还是公共云，信息技术部门通常都希望在安全和合规的前提下，提高数据中心的可用性、效率和灵活性，降低采购和维护成本。但企业IT部门往往局限于深入挖掘IT系统内部的潜力，并没有从更高的抽象层面对数据进行整合、综合分析，发现运维管理有更大的提升。

本文从结合企业数据中心的IT系统和基础设施系统的角度，从IT人员容易遗漏的角度切入数据中心运维管理空的问题，介绍了VMware中国R&D中心在智能数据中心领域的尝试和探索。

数据中心运营和维护管理

企业数据中心运维管理是一个大课题。从规划建设到日常运维，涉及的部门和人员非常复杂。我们这里主要关心的是施工后日常运行维护中遇到的问题。大致来说，IT部门(负责机架内部的服务器、存储、网络、安全、审计等核心资产)和基础设施部门(负责机架外部提供支持服务的供电、制冷、环境控制、楼宇、校园安全系统的管理)主要与数据中心的日常运维相关。一般来说，IT部门和基础设施系统是分开管理的，相关人员也属于不同的部门。如果企业将数据中心的部分业务外包出去，比如托管数据中心或者公共云，甚至会在不同的城市和国家工作，为不同的公司服务。

根据AFCOM(高级数据中心和IT基础设施专家协会)的调查，IT和基础设施团队的构成特征也存在明显差异。IDC将数据中心管理状态分为五个阶段:即席、机会、可重复、托管和优化，而大多数企业仅处于机会或可重复阶段。

我们可以看到，在企业数据中心，信息技术和基础设施团队之间有着明显的距离。例如，企业的一个业务部门需要启动一个应用程序，而IT部门根据需求规划容量并购买大量服务器。但基建部门反映，机房虽然有足够的机架位置，但在供电、散热、网口等方面存在一些限制，无法快速启动，需要重新规划或等待基建扩容。

因此，如何将IT系统与基础设施系统和团队整合起来高效运行，成为讨论企业数据中心发展的热门话题。

运行时间研究所在2017年2月的数据中心行业调查报告中预测，信息技术和基础架构的角色将结合、发展并有效管理云和托管服务提供商。公司IT系统可持续发展的势头会更强。数据中心管理将是数据驱动和基于云的。必须提高数据中心经理和执行官的技能，以应用分析、数据驱动模型和DCIM(数据中心基础架构管理系统)来管理现有资产。

高德纳还在2017年12月发布的《数据中心基础设施管理工具市场指南》中提到:展望未来，DCIM客户将寻求人工智能IT运维和IT管理工具之间的出色集成，以及跟踪和可视化远程资产的增强能力。

基于新数据中心和现有数据中心的装机容量，IDC预测，从2016年到2021年，全球DCIM市场将以12.2%的综合年增长率增长。

AFCOM在2018年3月发布的《数据中心行业趋势调查报告》中指出，74%的受访公司有可能在12个月内部署DCIM，大部分受访者认为物联网和智能传感器将在数据中心中发挥重要作用，68%的受访者认为DCIM和云/虚拟化技术将更深入融合。

数据驱动运维管理和应用分析依赖于数据中心内部物联网建设。

内部物联网

根据服务客户的类型，物联网可以大致分为消费者物联网和企业物联网。根据不同行业的特点，企业物联网有几个细分领域，其中最重要的是工业物联网。因此，工业物联网有时被用来指企业物联网，没有区别。

在企业物联网范畴，从数据中心的角度来看，场景中的资产、设备、传感器、执行器大部分位于数据中心之外，如工厂、街道、车辆、医院、社区等。对应的物联网场景定义为智能工厂、智能城市、汽车联网、智能医疗、智能公园等。事实上，数据中心还有大量资产、设备和传感器，由数据中心基础设施管理系统(DCIM)和其他辅助软件(如CMDB)管理。企业数据中心管理部门称之为内部物联网。

大数据和机器学习

从行业角度来看，物联网是企业进行广泛数字化转型的必要手段。从系统的角度来说，物联网是大数据分析和进一步机器学习和深度学习的基础。企业数据中心内部物联网也是如此。只有从更细的粒度收集数据中心各种基础设施设备的运行数据，如电源、冷却、湿度、温度等信息，结合机架内IT系统的数字化IT运维信息，才有可能充分利用大数据和机器学习的方法，从整体上找到广泛有效实用的提高效率、降低成本、排除故障、预测故障的方法。

机器人和机器人手臂

从行业应用实践的角度来看，考虑到安全性、有效性和可靠性的原因，大多数企业实际上将物联网的使用限制在“只读不返回”的操作上。也就是说，数据主要从生产运行环境中读取，在本地或远程进行处理和分析，生成足够的信息和知识，为运维管理提供建议。整个过程不是完全自动化的。

从企业数据中心物联网的场景来看，这种现象在行业内也很普遍。然而，一些领先企业已经开始了“回写”操作，如机器人或机械臂的应用。数据中心的机器人主要用于数据采集、远程诊断、巡检等与安全相关的目的。，而机械臂主要用于超大规模数据中心的无效部件更换。

成功案例

在全球范围内，智能数据中心最著名的成功案例是谷歌节约制冷能源的做法。2014年，谷歌通过物联网和机器学习寻找制冷系统能耗优化的方法，节约了10%的制冷消耗。2016年，结合DeepMind的深度学习技术，制冷系统进一步优化，实现节能40%，占数据中心总能耗的15%，每年节省数十亿美元。

我们的探索

数据中心每年消耗的能源占全球能源消耗的2%，而数据中心的PUE(能效指数)一般只有2左右。也就是说，一半的能量用于支持非IT设备的运行，很大一部分用于支持制冷系统。另一方面，根据Uptime Institute的调查报告和我们对近5年领先的公共云的公共故障报告的分析，大约70%的原因是人为错误。

因此，如何为企业数据中心节约能源，减少故障和人为错误，提高可用性和效率，提高集成度、自动化和智能化程度，是我们在IT系统和基础设施系统方面探索的重点。