物联网云计算机器学习融合的近期影响

物联、云计算、机器学习融合的近期影响

物联、人工智能/机器学习和云计算的融合将以人们无法想象的方式影响商业和工业运营。但有一件事是显而易见的，就是会有更多的数据。而数据本身将成为自己的变革力量。

幸运的是，大量云存储的可用性使得收集和访问这些数据成为可能，并且使诸如机器学习和分析的日益复杂的数据处理技术变得更加可行并且必要。当这些数据通过智能软件联并得到支持时

，就会有更多的变化。以下是行业专家预测的一些近期效应：

1.数据将越来越脱离其起源地

设施运营商利用从传感器获得的实时数据可以监控系统性能的各个方面，可以与其管理的资产进行物理分离。当管理人员能够获得全面的实时性能数据和自动控制时，远程控制的数据中心变得更加可行。这反过来又使数据中心位于具有成本优势或气候优势的地区，但对员工的吸引力较小。

相反，数据中心必须位于城市附近，以达到降低延迟的目的，因此可以提供更大的设计和位置灵活性重生15次后默认多开启一个技能栏。微软公司在其海底数据中心试点项目中展示了这方面的一个例子。行业媒体DCD曾经介绍了10个极端数据中心，其中包括空间和地下各种不同听位置。这些地方在不久的将来似乎变得不再那么极端重庆市工商局组织了8个分局对沃尔玛在渝门店进行全面检查。

2.警报将变得非常复杂和预测性

传统的警报并不是信息性的。有的数据中心甚至一个普通的警报引发了70个单独的警报。其结果是，技术人员被派往处理非紧急情况，几乎没有关于正在发生的事情的信息，以及寻找什么。

由于物联、云计算和机器学习的融合，提供了更详细，更细粒度的报警收据，设施工作人员可以随时了解是否需要立即调度，或者是否可以简单地将调查添加到即将进行的维护呼叫中。预测性警报将成为标准。实际警报的数量将随着人们的关注从应急响应转变为纠正预防警报而减少，这将大大降低了成本。

警报数量的减少，更多的预测性维护以及有关警报性质的完整信息将进一步推动行业向远程管理的数据中心迈进。

3.维护将变得更有预见性

即时访问实时和历史数据，几乎每一件设备的每一个操作都会产生影响，使性能下降易于发现和解决。IBM公司最近运行了一个沃森广告来说明这一点。其广告显示一名电梯修理工到一个办公地点来解决一个尚未发生的问题。

一些数据中心相当先进，运行时设备部分损坏，通风气流非常不平衡。这些问题今后将不太常见。设施管理人员可以使用设备性能数据来优先维护，减少实际设备故障的频率。基于状态的维护可能成为常态。维护管理人员将有数据来验证其员工的工作或外包第三方的工作是否成功。数据中心的运营风险较小，即使运营复杂性增加。

安全将从气隙式变为内置式。当今数据中心的协议和自动化并不安全。空气间隙、安全络与不安全络之间的物理隔离是数据中心的常见安全机制。当数据中心作为独立的建筑物运行时，这是有道理的。然而，空气间隙和利用络的好处，云友好的操作是不相容的。

展望未来，数据将会联。缺乏安全性或不存在安全性的传统协议将不再满足要求。新的基于物联的协议和API已经包含现代安全作为设计标准。

4.标准操作程序实际上已经标准化

由于启用了数据透明性和集中操作控制，企业范围内的设施与设施符合能源效率、维护和操作的标准做法将变得易于管理。最佳实践策略可以在更高管理层实施，以确保财务和运营目标得到满足。设施所有者将能够确保遵循最佳实践，同时向客户和执行管理层报告合规情况。透明度加强了对各个层面的控制，对投资组合和管理层级的可视性产生了最为显著的影响。

数据越来越络化，数据中心必须为这个新的常态做好准备。数据和物联、云计算与机器学习融合的结合将推动并实现相当大的运营优化。那些迅速采用这些数据来获取信息并采取行动的企业将获得明显的优势。

毫无疑问，这种融合正在发挥作用，只是人们需要对如何利用它的好处做好准备。