Inhaltsverzeichnis
1. Serverbereitstellung
2. Hardwarewartung
3. HVAC-Installation und -Wartung
4. Physische Sicherheit
5. Disaster Recovery
Einschränkungen der Rechenzentrumsautomatisierung
Heim Technologie-Peripheriegeräte KI Fünf Hindernisse für die Automatisierung von Rechenzentren

Fünf Hindernisse für die Automatisierung von Rechenzentren

Jan 18, 2024 am 11:18 AM
人工智能 数据中心 IT-Infrastruktur

Fünf Hindernisse für die Automatisierung von Rechenzentren

Man kann leicht glauben, dass die Automatisierung im Rechenzentrum und darüber hinaus keine Grenzen kennt. Künstliche Intelligenz bietet scheinbar endlose Möglichkeiten, den Betrieb und die Netzwerke von Rechenzentren zu verbessern. Die gesamte IT-Branche hat sich das Konzept zu eigen gemacht, dass Arbeitsabläufe vollständig automatisiert werden können, bis zu dem Punkt, an dem wir einen NoOps-Zustand erreichen können. Im Rechenzentrum gibt es fast nichts, was wir nicht automatisieren können.

Obwohl moderne Technologie Potenzial für die Automatisierung von Rechenzentren bietet, ist es immer noch schwierig, eine Automatisierung in wichtigen Aspekten zu erreichen, was das Ergebnis der Realität ist.

Tatsächlich ist es aufgrund der physischen Eigenschaften des Rechenzentrums in mancher Hinsicht schwieriger zu automatisieren als andere Arten von IT-Infrastruktur oder -Umgebungen.

Um das zu beweisen, schauen wir uns fünf Aspekte eines Rechenzentrums oder Rechenzentrumsbetriebs an, die nicht sofort vollständig automatisiert werden können.

1. Serverbereitstellung

In öffentlichen Clouds ist die automatische Bereitstellung von Servern so einfach wie die Anwendung einiger Infrastructure-as-Code-Vorlagen zur Bereitstellung von Cloud-Ressourcen.

In einem Rechenzentrum ist diese Art der Automatisierung jedoch nicht möglich, da es sich bei Servern um physische Hardware handelt. Jemand muss den Server physisch installieren, Strom- und Netzwerkkabel anschließen, für eine ordnungsgemäße Kühlung sorgen usw.

Theoretisch können Roboter einen Großteil der Arbeit der Serverbereitstellung in Rechenzentren automatisieren. Damit Bots jedoch in dieser Hinsicht effizient arbeiten können, müssen Vorgänge in großem Maßstab durchgeführt werden und Serverbereitstellungen müssen konsistent und vorhersehbar sein, um eine Automatisierung ohne menschliches Eingreifen zu ermöglichen. Allerdings erfüllen die meisten aktuellen Serverbereitstellungen diese Standards nicht.

Während seit mindestens einem Jahrzehnt über das Potenzial der robotergestützten Rechenzentrumsautomatisierung diskutiert wird, sind die Gründe, warum wir tatsächlich so wenige Roboter in Rechenzentren sehen, multifaktoriell. In den meisten Fällen sind Roboteranwendungen unpraktisch. Daher ist davon auszugehen, dass die Serverbereitstellung in absehbarer Zukunft weiterhin manuell erfolgen wird.

2. Hardwarewartung

Normalerweise ist die Wartung der Serverhardware im Rechenzentrum keine automatisierbare Aufgabe. Der Austausch defekter Festplatten, der Austausch ausgefranster Kabel und Netzteile sowie die Aktualisierung von Netzwerkkarten gehören zu den gängigen Routineaufgaben in Rechenzentren. Die einzige Möglichkeit, diese Probleme zu lösen, besteht darin, Techniker zur Durchführung von Bereitstellungs- und Wartungsarbeiten zu entsenden.

3. HVAC-Installation und -Wartung

HVAC-Systeme verhindern eine Überhitzung von IT-Geräten und sind ein wichtiger Bestandteil jedes Rechenzentrums. HVAC-Systeme enthalten wie Server physische Komponenten, die eine manuelle Wartung erfordern.

Ferngesteuerte HVAC-Sensoren und Überwachungssysteme können dabei helfen, einige Prozesse im Zusammenhang mit dem HVAC-Management zu automatisieren, aber letztendlich ist die HVAC-Wartung keine Aufgabe, die im Rechenzentrum einfach automatisiert werden kann.

4. Physische Sicherheit

Die physische Sicherheit von Rechenzentren ist ein weiterer Bereich, in dem Überwachungssysteme zur Automatisierung bestimmter Aufgaben beitragen können, bei größeren Problemen jedoch menschliches Eingreifen erforderlich ist.

Sie können Sensoren verwenden, um die Bewegung von Personen im Rechenzentrum zu verfolgen, und biometrische Geräte können eingesetzt werden, um den physischen Zugang zum Rechenzentrum automatisch zu steuern. Wenn Sie jedoch einen Eindringling entdecken oder Ihr automatisches Zutrittskontrollsystem nicht ordnungsgemäß funktioniert, müssen Sie Sicherheitspersonal eingreifen.

5. Disaster Recovery

In einigen Fällen können Disaster Recovery-Routinen automatisiert werden – tatsächlich ist die Automatisierung der Disaster Recovery entscheidend, um bei der Wiederherstellung von Daten oder Anwendungen nach einem Ausfall Zeit zu sparen.

Allerdings können Sie die Notfallwiederherstellung nur dann automatisieren, wenn die wiederherzustellenden Assets softwarebasiert sind und Sie über eine ausreichende Infrastruktur zum Hosten der wiederhergestellten Assets verfügen.

Wenn die Wiederherstellung die Bereitstellung neuer Hardware oder den Austausch ausgefallener Komponenten erfordert (was der Fall sein kann, wenn Ihr Rechenzentrum von einer Naturkatastrophe heimgesucht wird, die einige Systeme funktionsunfähig macht), müssen Sie sich darauf verlassen, dass Menschen die Arbeit manuell ausführen.

Einschränkungen der Rechenzentrumsautomatisierung

Es gibt viele gute Gründe, den Rechenzentrumsbetrieb so weit wie möglich zu automatisieren. Doch viele Aspekte des Rechenzentrumsmanagements eignen sich nicht für eine Automatisierung.

Selbst im Zeitalter generativer künstlicher Intelligenz und Robotik ist es kaum vorstellbar, dass der Mensch in absehbarer Zeit vollständig aus Rechenzentren entfernt wird.

Das obige ist der detaillierte Inhalt vonFünf Hindernisse für die Automatisierung von Rechenzentren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Laut Nachrichten dieser Website vom 18. Juni stellte Samsung Semiconductor kürzlich in seinem Technologieblog sein Solid-State-Laufwerk BM1743 der nächsten Generation für Rechenzentren vor, das mit dem neuesten QLC-Flash-Speicher (v7) ausgestattet ist. ▲Samsung QLC Solid-State-Laufwerk für Rechenzentren BM1743 Laut TrendForce im April hatten im Bereich der QLC-Solid-State-Laufwerke für Rechenzentren nur Samsung und Solidigm, eine Tochtergesellschaft von SK Hynix, die Unternehmenskundenüberprüfung bestanden diese Zeit. Im Vergleich zum v5QLCV-NAND der vorherigen Generation (Hinweis auf dieser Website: Samsung v6V-NAND verfügt nicht über QLC-Produkte) hat der Samsung v7QLCV-NAND-Flash-Speicher die Anzahl der Stapelschichten fast verdoppelt und auch die Speicherdichte wurde erheblich verbessert. Gleichzeitig ist die Glätte von v7QLCV-NAND gewährleistet

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. Aug 01, 2024 pm 09:40 PM

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

See all articles