机器学习和人工智能是IT专业人士的热门话题，在企业数据中心有着真正的前景。

机器学习软件可以比你或你的团队更快地预测甚至解决它们。这些系统是当今混合数据中心环境的合理扩展，是数据中心基础设施增长的一部分。

IDC预测，到2022年，50%的IT资产将在数据中心独立运行嵌入式人工智能功能。数据中心的机器学习可以优化大部分整体运行，包括规划设计、工作负荷、正常运行时间和成本管理。

数据中心机器学习用例

机器学习可以在没有人工干预或依赖一组有限的预编程动作的情况下，从场景和数据中学习，并构建即时响应。该技术可以帮助您更好地了解您的数据中心系统，更有效地管理它们，防止意外停机。

创建更高效的数据中心。企业可以利用机器学习自动管理数据中心的物理环境，并通过软件实时修改物理设施和数据中心架构，而不是报警。

谷歌使用其AI系统自动管理其数据中心的冷却，并持续分析21个变量，例如空气温度、功率负载和内部气压。在2018年，该公司利用机器学习将冷却所需的能源减少40%，并且实现1.06分的电力使用效率。

降低操作风险。防止停机是数据中心运行的关键任务，机器学习可以帮助您更容易地预测和防止停机。数据中心机器学习软件监控关键设备（如电源管理和冷却系统）的实时性能数据，并预测硬件何时出现故障。这使您能够对这些系统进行预防性维护，并防止昂贵的停机。

基于机器学习的风险分析可以提高数据中心的正常运行时间，主要是通过构建不同的配置来增加弹性；识别预防性维护的机会；甚至在它们出现之前，识别潜在的网络安全风险。

通过智能数据减少客户损失。企业可以利用机器学习更好地了解客户，并潜在预测数据中心的消费者行为。机器学习作为客户成功计划的延伸，可以分析数据中心收集的大量未使用的信息。

当机器学习软件连接到客户关系管理(CRM)系统时，基于人工智能的数据中心可以搜索和搜索存储的历史数据库(传统上不用于CRM)中的数据，并允许CRM系统制定不同的策略来挖掘潜在或实现客户成功。

从以下软件选项开始

由于机器学习可以比人类运行得更快，因此它可以在几秒钟内分析TB的历史数据，并将参数应用于其决策您跟踪数据中心的所有活动时，它非常有用。如果您想将机器学习部署到数据中心，您可以从以下用例和软件产品开始。

电力和能源管理。能源管理是企业利用数据中心机器学习最容易实现的领域之一，可以立即获得显著的效益。谷歌利用DeepMind节约30%的能源，降低了相关成本。

基于AI的工具分析各种服务器。

例如，它可以识别工作负载，并将其从低效的服务器重新路由到低效的能源和低效的服务器；您将看到更换旧服务器的通知，您可以在成为问题之前升级。

日志管理。大多数数据中心系统都会生成日志，但如果不使用它们，它们将毫无价值。还有任何边缘或外围设备，包括大量的日志。

机器学习可以集中和分析这些日志，并为您的团队创建有价值和易于使用的报告。来自Splunk的开源技术（如Elasticsearch）和付费选项可以帮助分析和提取机器学习例程收集的任何数据。

当你遇到任何性能问题时，你必须能够快速确定根本原因并解决它本原因并解决它们。当ackaresight产品中的人工智能预测引擎可以帮助你几乎实时发现和解决内部数据中心和云部署中的问题。

根据具体参数，Infosight将识别受影响的用户并开发自己的解决方案。但真正的价值在于它的预防措施；当软件开发解决问题的规则时，它将通过整个系统重新通过流量到不受影响的系统，以防止它们出现相同的问题。