谷歌使用机器学习来提高数据中心的效率

遇见男孩天才 H4>由吉姆·高谷歌谷歌的工程师，他是因为要分析大量数据的能力，同事们戏称为“天才少年”产生的神经网络。高通过施加水动力的原理和监测数据，以创建服务器机房内的空气流的三维模型分析了冷却系统。

高认为，你可以创建一个模型，跟踪的一组变量，包括IT设备，气象条件，冷却塔，水泵和换热器的维护服务器，谷歌的正常温度工作的利用率更大。

“电脑是一件好事，因为他们可以看到在历史上所有的隐藏数据。吉姆把我们收集每天开着它通过他的模型来交互的复杂链的理解，其中不能不注意到员工，是凡人“的意思信息 - 写在他的博客静脉。 “通过一系列的反复试验，模型现在给的99，6％吉姆精度在计算PUE。这意味着现在可以应用该模型寻找新的方法来提高我们的行动的效果“。下图显示的预测（黑色曲线）之间的相关性和实际（黄色曲线）的变化PUE。

工作原理 H4>高开始对机器学习作为上述工作“20％项目”。传统上，谷歌允许员工花费的时间的一部分工作在创新中发展，除了其核心的责任。高是不是在人工智能方面的专家。探索机器学习的关键问题，高是当然在斯坦福教授安德鲁元。

神经网络模拟人的大脑，让计算机理解和“教”的问题，而无需显式地编程。搜索引擎谷歌经常被援引作为这种类型的培训，这也是关键的研究领域的公司之一的一个例子。 “这种模式 - 不超过一组微分方程计算 - 解释静脉。 - “但是你要明白的数学。该模型首先对变量»相互作用的研究。

开始高了，以确定影响数据中心谷歌的能源利用效率的关键因素。他眯起的指标数19设计了一个神经网络，机器学习系统，该系统可以识别的模式在大型数据集。

“设备的组合和设置数量庞大变得较为复杂寻求最佳的效率，” - 写在他以审计局的报告。 - “在数据中心中运行的任务，可以使用多种设备（机械和电气）和软件的组合（管理策略和设置）来实现。检查每个组合效率几乎是不可能的 - 有一个时间限制，在IT设备频繁的负载波动，气候条件，以及需要维持稳定的操作的DPC»
。

进行操作的单个服务器上日 h4>至于设备，则在卡瓦的要求，该系统不要求有极高的计算能力和运行在单个服务器上，甚至可以工作的高级桌面计算机上。

该系统推出的多个数据中心的谷歌。机器学习工具，可以提供已导致PUE的逐步完善一些变化，包括改进的负载分配时，电力基础设施，并在温度的水冷却系统的微小变化。

“最近的数据中心的测试谷歌已经表明，机器学习法 - 使用现有的传感器值来模拟能量的数据中心中的所述分布的一个有效的方法，并导致显着的成本节约，” - 高说
。

本机不优先 H4>川认为，该工具将帮助谷歌进行建模和开发的未来等项目。不过不用担心，谷歌的数据中心不会很快取得了知觉。现在的公司有兴趣的自动化和机器人，甚至最近收购的公司开发，但至今没有一个数据中心谷歌并不仅仅在自动化管理​​»工作。

“我们仍然需要人来做出这一切的正确的结论，” - 卡瓦说。 - “我仍然希望确保我们的工程师所熟悉的这些建议»
。
利用神经网络的最大红利将出现在gryadushie年，一个新的服务器平台，谷歌的建设。 “我预计在数据中心的设计运用这一原则，” - 卡瓦说。 - “这种先进的技术可以在设计和进一步改进被使用。我想我们会找到其他的方法来申请»。

谷歌共享的方法，在<机器学习href="https://docs.google.com/a/google.com/viewer?url=www.google.com/about/datacenters/efficiency/internal/assets/machine-learning-applicationsfor-datacenter-optimization-finalv2.pdf">статье高，希望那些谁也运行一个功能强大的数据中心将能够将它应用在实践中。 “这机制 - 而不是一些特别的东西，只能使用谷歌或只是吉姆·高适” - 卡瓦说。 - “我真的想看到更广泛地使用这种技术。我认为整个行业将受益于此。这个惊人的工具，它可以让你变得尽可能高效。“

资料来源：<一href="http://habrahabr.ru/company/ua-hosting/blog/230627/">habrahabr.ru/company/ua-hosting/blog/230627/