51CTO旗下网站
深度学习与数据中心之间的关系
深度学习是人工智能的研究方向之一，是一种基于多层神经网络技术的机器学习。目前深度学习是非常热门的技术，已经在诸多领域尝试展开应用，尤其是数据中心。
作者：harbor来源：| 05:05
深度学习(Deep Learning)，又叫Unsupervised Feature Learning或者Feature
Learning，是人工智能的研究方向之一，是一种基于多层神经网络技术的机器学习。目前深度学习是非常热门的技术，已经在诸多领域尝试展开应用，尤其是数据中心。
深度学习是把机器要学习的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的神经网络中，然后检查经过这个网络处理得到的结果数据是不是符合要求&&如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地、锲而不舍地调整网络的参数设置，直到输出满足要求为止。
显然，数据中心是最适合深度学习施展拳脚的地方，数据中心拥有超强的计算能力和海量数据，这些都是深度学习必须依赖的东西，深度学习理应最先在数据中心里生根发芽，不少的数据中心也开始意识到，将深度学习技术引入数据中心的确能带来前所未有的益处，于是两者一拍即合。
深度网络学习
传统的网络，全部由手工做好各种设备初始化配置，各种扩容、变更、部署业务都需要人工手工完成，效率极低且容易出错，严重依赖个人的技能经验水平。发展到现在，可以通过控制器自动下发一些预配置，然后由控制器进行网络监控和管理的工作，控制器的指令是预先设计好的，只是将人工工作交由控制器来完成，这大幅提升了工作效率。不过，这时的网络仍不够智能，控制器根本离不开人来自己工作，尤其是接到一些复杂变更业务，突发故障时，处理不了。
如何让控制器更加智能，能够按照人的思路来思考和工作，这样才能将人从网络的运维管理中释放出来，此时深度学习来了。深度学习让网络控制器可以自己完成网络的所有日常变更和突发故障的处理，深度学习以来的大数据就是以往所有数据中心发生的故障和经验，将这些信息统统输入到控制器中，通过深度学习让控制器形成自己的网络管理实施，当网络出现故障时，就能在毫秒级的时间内做出判断和应对，这种效率是人无法企及的，深度网络学习的目的就是让网络更加智能。
深度安全学习
网络安全已经成为一个多维度问题，随着业务的多元化，漏洞，数量和种类急剧增加。为了防止网络被攻破，数据中心必须要及时发现并解决这些漏洞。数据中心的安全员每天需要处理的安全报警数量一直都在增长，报警的处理涉及到多个系统，相当乏味且很耗时。
引入深度学习，能否自动而又连续地从各种各样的源中收集有关安全的数据，并对可能存在的攻击和漏洞进行甄别，不仅能及时发现漏洞，还能自动修复，输出安全风险评估报告。及时更新全球和行业特定威胁的最新知识，也就是说每天或每周最新的威胁，这样才能及时发现网络漏洞。通过深度学习，可以大幅提升数据中心的网络安全，做好安全防护，避免遭受攻击。
深度流量识别
传统的流量识别是将流量准确地映射到某种协议或应用，其实就是按照流量特征进行识别和分类，达到流量统计和过滤的目的，这个工作对于网络安全和统计非常有益。传统流量识别的方法无非是通过镜像或者Netstream等监控手段，将抓取的全部流量的协议特征统计出来，这个过程既耗时又费力，有时还需要投入大量的资金购买专用设备才能完成。
深度学习可以基于行为特征和机器学习，识别过程自动化，先根据少量的数据样本进行训练，训练完毕后开始对整个数据中心网络流量进行识别，完成识别工作。这种方式将大大提升流量识别的效率，尤其适用于语音和图像这类流量中。比如：要对某个网站的流量进行监控，看是否有涉黄部分的图片或者视频，现在大部分的网站还是靠人工观察，效率极低，采用深度学习就好了，能够自动识别流量中的涉黄内容，直接拦截，达到自动识别和拦截的目的。
数据中心是能耗大户，节能减排是一项长期工作。除了提升单位面积内的设备运行效率外，还可以对能耗情况进行深度学习。
谷歌就将深度学习的技术用在了数据中心的节能降耗上。谷歌的数据中心可以通过深度学习，实现各种设备内的风扇、数据中心的空调与环境温湿度情况联动，既保证所有设备的散热，又最大限度的降低能源消耗。
通过深度学习，数据中心节省大约15%的能源开销，每年为谷歌节省数百万美元的成本。采用深度学习降耗，就是利用现有数据中心的资源，在保证所有设备正常运转的情况下，使用最低能耗，这是一个十分复杂的过程，需要采集数据中心内部所有设备的运转状态和空调环境情况，通过深度学习，做出准确判断，再通过控制系统，将判断结果执行下去。
除了以上这些方面，数据中心其它所有的方面也可以引入深度学习，让整个数据中心成为智能数据中心，成为一个会自我思考，自我管理的自治数据中心。深度学习将遍及数据中心内的每一个元素，深度学习正在成为保持数据中心业务发展的必要手段。从自主运营、降耗、执行预测性维护到持续的工作负载调整。没有深度学习，想要实现数据中心的稳定持续的盈利运营几乎是不可能的。深度学习将为数据中心提供更智能的基础设施和相关资产，以监控、优化和改善运营，这些将包括存储，计算和网络。人工智能的时代来了，数据中心也是人工智能的重要实践场地，作为人工智能的重要技术之一的深度学习，必将在数据中心大放异彩。【编辑推荐】【责任编辑： TEL：（010）】
大家都在看猜你喜欢
热点头条关注聚焦头条
24H热文一周话题本月最赞
讲师：89253人学习过
讲师：146556人学习过
讲师：124294人学习过
精选博文论坛热帖下载排行
本书既能够成为读者的理论支持，又可以作为构建可靠的、可伸缩的、可维护的并发程序的技术支持。本书并不仅仅提供并发API的清单及其机制，...
订阅51CTO邮刊云计算的数据中心运维需要学习那些知识，或者涉及了那些只是？？？
[问题点数：20分]
本版专家分：0
结帖率 57.14%
CSDN今日推荐
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
本版专家分：0
匿名用户不能发表回复！
其他相关推荐学习一下数据中心－QoS规划
最新回复： 12:29:52
1.1& QoS规划
1.1.1& QoS概述
1.1.2 QoS规划和设计
1.1.3 应用分类和标记
1.1.4 协同计算的QoS规划
图表 4-14协同计算的流量模型
图表 4-15协同计算的缓存部署设计
顶一个 & &
学习了……。
* 是否包含第三方商业秘密:
第三方商业秘密
第三方商业秘密是指第三方不为公众所知悉、具有商业价值并经权利人采取保密措施的技术信息和经营信息，包括但不限于：产品的价格信息、路标规划、商务授权、核心算法和源代码等。如有疑问，请联系:e.（各社区公共邮箱）。
如果附件按钮无法使用，请将Adobe Flash Player 更新到最新版本！哈尔滨中软分享：数据中心技术发展的重点有哪些哈尔滨中软分享：数据中心技术发展的重点有哪些科技快嘴百家号数据中心现在正在面临数十年来最巨大的变革。十年前，他们曾经经历过一次类似的变革，那时候是从大型主机计算机迁移到x86服务器的分布式计算技术。现在，他们同样面对着大规模数据中心配置问题。下面从三方面解读数据中心技术发展的重点。最近的一份报告指出，云计算快速扩张的重要因素是由于提供高效灵活、快速部署服务的数据中心虚拟化得到迅速增长。2018年，超过四分之三的所有工作负载都将在云中处理。云计算增长另一个的趋势影响是用户希望从任何地方，通过任何网络，使用各种设备，随时随地访问应用程序和内容。为了满足这些不断上升的用户需求，基于云的服务，例如如消费者云存储势头正劲。到2018年，50%以上的互联网消费者将使用个人云存储。如今，数据中心行业努力满足按需所制的行业需求，不得不适应新的工作负载，满足更多的带宽和基础设施多租户的需求。以下三方面就是数据中心技术发展的重点：1.整合和云从数据中心迁移动到云，高密度的计算的发挥了很大作用。hyperconverged新型系统架构和统一的计算平台，可以创造高效、高扩展性的环境。如今，凭借现已推出先进的虚拟化技术，我们能够在每个服务器运行更多的用户桌面和应用程序。这种类型的多租户简化了机架环境，更加方便管理。另外，它还可以帮助企业变得更环保。2. SDN和NFV软件定义型网络(SDN)和网络功能虚拟化(NFV)创造了网络的新途径。通过虚拟化的网络层，数据中心已经能够创建跨越全球的高度连接的网络环境。如今，我们的设备能做到网络层的2～7层，这是相当惊人的。此外，人们能够通过同一个网络控制器创建数百甚至数千虚拟连接，进一步增强了云连接能力。逻辑网络分段的蓬勃发展使数据中心通过智能切换技术提供专门服务。此外，新的网络架构使管理员能够真正理解他们的数据中心的DNA。反过来，他们可以创建功能强大的自动化策略，创建更好的服务质量标准，甚至提高网络的安全性。3.绿色节能随着数据中心业务迁移到云平台，提供云服务，数据中心环境已成为新的资源需求的重点。因此，数据中心开始部署更高效的技术支持更多的用户，运行成本更低廉。然而，经济成本的考量也让位于绿色环保技术。鉴于如今的“绿色”文化，数据中心对环境的影响成为了焦点，许多数据中心供应商都在密切关注如何提高其冷却和电源效率。例如，数据中心在其冷却设备中，采用变频电机取代恒速水泵与风机，这样可以更准确地匹配冷却需求。他们还在智能化设备进行投资，根据外面的温度和湿度的数据变化，采用自动化的方式来配置和运行。谷歌的数据中心就是一个很好的例子。从2008年开始，谷歌公司开始公布数据中心PUE报告，每年的PUE都有所下降。根据过去十二个月的能耗加权指数，谷歌数据中心的平均PUE值为1.12，这使其数据中心成为全球最高效的数据中心。新的市场需求意味着这些数据中心提供商有着更多的机会。许多企业将采用采取一种混合云的方法，这样他们可以将内部管理私有云的某些工作负载迁移到外部管理的公共云。所有三种类型的云服务交付模式(IaaS，PaaS，SaaS)将继续增长，因为越来越多的企业意识到迁移到云环境的好处。事情是这样的：人们将更加注意云数据中心的影响，只要看看IT消费化、大数据的发展就可以知道。这意味着，随着市场和云计算的发展，数据中心架构将是底层的基础。在许多情况下，那些在满足发展需求的基础上，提供更加环保经济，可扩展性架构的数据中心，将成为行业的领头羊。哈尔滨中软卓越具有完善的IT职业教育体系，提供基于岗位的项目实战训练，投重金研发了专门针对大学生的准员工。“5R（5Real）”实训课程体系，5R即：真实的工作环境、真实的项目经理、真实的项目案例、真实的工作压力、真实的工作机会。课程设计主要培养学员的动手操作能力，通过实际项目让学生熟知软件开发的流程，每年有无数学子从哈尔滨中软卓越走向IT行业，选择通过正规培训的职业教育进入IT行业。哈尔滨中软卓越助您走近梦想，走进辉煌人生。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。科技快嘴百家号最近更新：简介:纯天然自然污染在自然空间中诞生作者最新文章相关文章您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
数据中心机房规划与建设关键技术【入门学习材料】1详解.pptx 10页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
数据中心机房规划与建设关键技术【入门学习材料】1详解
你可能关注的文档：
··········
··········
数据中心机房规划与建设关键技术
编写人：Huang Cheng
1、本材料只限用于个人学习交流使用，不得用于任何商业用途；
2、数据中心相关技术发展较快，且编写人员水平有限，本材料内容中可能存在错漏，引用参考请慎重；
3、本材料部分内容参考了很多厂商产品和方案资料，以及很多相关专家技术博客内容，请恕未逐一列明参考出处。
数据中心发展回顾
数据中心服务器
数据中心节能设计
数据中心历史（1/2）
数据中心的根源来自早期计算机领域巨大的计算机房
早期计算机系统体积非常大，本身占用很大的空间，运行和维护也都很复杂，需要在一个特殊的环境中运行，因此需要许多电缆连接所有的组件，如标准机架安装设备，高架地板和电缆盘。
过去的计算机也需要大量的电力，会产生大量的热量，通过专用的计算机房和冷却系统可以对散热效果进行较好的控制。
安全也很重要——那时计算机是很贵的，主要用于军事目的或重要的经济科研领域，因此对计算机的访问受到了严格的控制，美国为防止早期从美国进口的计算机被用于军事用途，往往派美国人来管控计算机房，外人上机还需要得到批准才行。
因此，专用的计算机房是必须的，这就是数据中心早期机房的雏形。
微机时代出现设计的“数据中心”
到了上世纪80年代，微机市场一片繁荣，大量计算机被部署到世界各个角落，但很多时候很少有人关心过对这些计算机的运维要求。
随着IT运维变得越来越复杂，数据丢失现象越来越普遍，所有公司开始意识到需要控制IT资源。
随着90年代客户端/服务器计算模式的普及，微机（服务器）开始在过去的机房中寻找它们的位置，使用廉价的网络设备，加上标准的网络布线，人们开始采用分层设计，将服务器单独放在公司的一间特殊的房间中，于是就使用“数据中心”一词表示特殊设计过的机房，大约就是这个时候“数据中心”这个词开始流行开来。
数据中心历史（2/2）
互联网泡沫时期出现IDC公司
在互联网泡沫期间，数据中心得到了蓬勃发展，公司需要在互联网上建立可以不间断访问的网站，而这要求具有快速和可靠的互联网连接。
于是出现了许多互联网数据中心（IDC）公司，这种IDC的建设是非常昂贵的——物理房屋、设备、训练有素的管理人员使得这些大型的数据中心成本非常高。
IDC采用了大量的新技术和手段为运维提供了可伸缩的能力，这些做法最后成功迁移到企业的私有数据中心里。
数据中心逐步成熟
截至2007年，数据中心的设计、建造和运维已经形成了非常规范的规程，如电信行业协会（TIA）等专业机构推出了被行业认可的设计标准。
同时，数据中心的一些运行指标也被开发出来，用于评估中断对业务的影响。
目前，仍然有大量的操作规程正在开发，而且绿色、节能、环保的数据中心也开始受到大家的广泛关注。。
机房IT设备的发展决定了数据中心的设计需求（1/2）
国内机房的发展历程：
大型机、小型机时代
服务器时代
机架化时代
2010~ 未来一代
机房IT设备的发展决定了数据中心的设计需求（1/2）
大型主机时代
科学计算为主
为某台计算机（大、中、小型机）建设
无统一建设标准或规范
供电由稳压器到UPS引进
制冷由普通空调到精密空调
洁净度控制由防尘到新风除尘
系统稳定工作时间，几个小时到几周
服务器时代
IT技术应用普及
服务器-客户端的网络模式
网络通讯设备、数据存储设备的使用
国家标准的制订
供电系统的完善
空调系统的完善
防雷标准的完善
综合监控系统的出现
专门机房装修设计的出现
IT稳定工作时间为几个月周
服务器时代
IT设备的进一步小型化
所有IT设备上架
业务对IT系统依赖性急增
可用性（连续性）
部门内的标准化
系统稳定几个月或连续稳定
数据中心总体构架
数据中心涉及范围很广，包含土建、电气、消防、网络、运营等系统，从IDC的逻辑功能上来划分，IDC可分为物理层、网络层、资源层、业务层、运维管理层5大逻辑功能模块。
数据中心等级与分类
按服务对象分类
企业数据中心
企业数据中心指由企业或机构构建并所有，服务于企业或机构自身业务的数据中心，它为企业、客户及合作伙伴提供数据处理、数据访问等信息服务。
互联网数据中心。
互联网数据中心由服务提供商所有，通过互联网向客户提供有偿信息服务。相对于企业数据中心来讲，互联网数据中心的服务对象更广，规模更大，设备与管理更为专业。
按数据中心服务级别分类
单级数据中心
单级数据中心即指企业或机构以大集中方式进行数据中心建设，整个企业或机构只设立一个数据中心。
多级数据中心
企业或机构以多层次、分布式建设的数据中心是多级数据中心，总部
正在加载中，请稍后...}