IT服務安全性有很多層次。 比如：IT安全層包括防火墻、入侵檢測和訪問控制?；A設施層包括電力、網(wǎng)絡、服務器的健康和冷卻等。其中，最為重要的是管理人員。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）將會通過放大功能，精簡流程和提高效率，這會對人們使用的工具和措施產(chǎn)生巨大的影響。
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)的必要條件，從而提供更有效地管理服務交付，同時減少停機等風險。這源于最近我們?nèi)绾谓桓?strong class="keylink">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)移成以容器運行的分布式應用程序。而現(xiàn)在，這些都是由運行在云端的微服務，以及自動化工具管理的云服務提供的?；A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設施的一部分。如果您正在使用像Amazon S3或谷歌地圖這樣的平臺作為您的服務交付的一個組成部分，那么您將親身體驗這種轉(zhuǎn)換。
由此而產(chǎn)生的對數(shù)據(jù)中心管理造成的影響是顯著的，而電力和制冷只是其中需要關(guān)注的一小部分。環(huán)境控制，物理設備，虛擬機和公有云都需要被全天候監(jiān)控和管理，以提高成本和性能。那么，了解何時何地移動特定工作負載就變得至關(guān)重要了。
企業(yè)今天收集，監(jiān)測和分析數(shù)據(jù)都是確保業(yè)務能夠連續(xù)性的爆發(fā)。他們需要考慮從傳感器、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。更需要強大的數(shù)據(jù)中心基礎架構(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)化為可操作信息。你可以嘗試具體劃分一部分，但是這變得越來越困難。
AI和深度學習正在成為數(shù)據(jù)中心和關(guān)鍵基礎設施管理的一部分。以下是一些較為顯著的領(lǐng)域：
態(tài)勢感知
活動儀表板具有趨勢、相關(guān)性分析和推薦操作。
預防性的維護
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
機器學習用于追蹤幾個服務故障的根本原因。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
機器學習和深度神經(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的措施。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。
“窄定義AI” 配備各種自動緩解技術(shù)，并產(chǎn)生類似于汽車在看到即將碰撞時剎車的動作。
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程序工作負載。
隨著這一切的誕生與發(fā)展，毫無疑問，未來AI將對企業(yè)如何管理數(shù)據(jù)中心產(chǎn)生十分巨大的影響。
