徐葳

云計算時代，什么是云計算自動化？現(xiàn)在所謂先進(jìn)的云計算自動化的水平，是一個基于規(guī)則的專家系統(tǒng)。包括Openstack告訴你，如果系統(tǒng)里發(fā)生什么事，如果用戶干什么，我需要干什么，為什么這東西不能用？因?yàn)橄到y(tǒng)很復(fù)雜，這么復(fù)雜的東西，你需要寫多少行規(guī)則才能夠運(yùn)行它呢？并且一旦系統(tǒng)出了一點(diǎn)兒問題，就運(yùn)行不了。所以單靠寫規(guī)則來實(shí)現(xiàn)機(jī)器的智能不太現(xiàn)實(shí)。

那么，今天我們?nèi)绾卫么髷?shù)據(jù)和人工智能讓基礎(chǔ)設(shè)施更聰明？第一點(diǎn)你必須得看見數(shù)據(jù)中心有什么，發(fā)生了什么事，你如果看不見沒法智能。第二點(diǎn)，怎么總結(jié)以上提到的這些；第三點(diǎn)，怎么能夠讓這些機(jī)器自己“想”一些事清；第四點(diǎn)，讓我做的東西更加精確、更加可靠，讓大家能放心。讓機(jī)器自己有學(xué)習(xí)能力，這樣才能有一個真正智能計算的基礎(chǔ)架構(gòu)。

其實(shí)這個過程說起來容易，但每走一步，都會面臨巨大挑戰(zhàn)。計算機(jī)系統(tǒng)的發(fā)展，跟飛機(jī)比較相象，飛機(jī)是有物理模型后，才有控制鏈，計算機(jī)的增長到現(xiàn)在，叫做游擊增長，在這種情況下，我們怎樣能夠控制它，能夠讓它變的更智能？

系統(tǒng)管理與知識管理

簡單介紹下我們過去做的工作，給大家一些啟示：如何處理數(shù)據(jù)中心里的數(shù)據(jù)。在數(shù)據(jù)中心，你要想看到他本身產(chǎn)生大數(shù)據(jù)，怎么看？我們的機(jī)器無時無刻不產(chǎn)生著一些數(shù)據(jù)、日志、文字，怎樣把這些文字變成結(jié)構(gòu)化、半結(jié)構(gòu)化的信息，能夠知道系統(tǒng)發(fā)生了什么事，知道這些日志記載的用戶干了什么事情，這就是日志的分析。后來分析日志慢慢被人遺忘，為什么？因?yàn)榇蠹矣X得日志的生成分析有些貴，是不是值得花這么多錢分析這些數(shù)據(jù)？能不能分析出一些東西不好判斷。

為什么日志的分析非常貴呢？你需要把一個計算機(jī)里的信息、結(jié)構(gòu)化的信息排成一個平板化的文字型日志，當(dāng)你學(xué)習(xí)時再讀出來，分析成結(jié)構(gòu)化，這些東西浪費(fèi)了很多時間以及網(wǎng)絡(luò)帶寬等?，F(xiàn)在大家的做法是，我不采取日志，并且把日志信息開銷做得非常簡單，我可以不采集文本信息，直接采集結(jié)構(gòu)化信息，只有需要改變文本，需要給人看的情況下，生成信息，在這種情況下我們可以把日志分析的開銷降低。

日志這個系統(tǒng)有個監(jiān)控數(shù)據(jù)，一定要看到，你看的越細(xì)系統(tǒng)越智能，看到這么多數(shù)據(jù)，數(shù)據(jù)是零散的是亂的，怎么整理成知識。這些知識是人造的，人記錄的，干這個活要記錄，這種系統(tǒng)管理和運(yùn)營的經(jīng)驗(yàn)是難以傳授和難以保持的，幾天不干就忘掉了，所以，這就是為什么有IT咨詢行業(yè)。

我們希望知道的事情是什么？系統(tǒng)在哪里，那東西是人做的，為什么我們不能自動發(fā)覺它的知識，為什么不能自動管理它的知識呢，我們認(rèn)為這個是可行的。

我們看到系統(tǒng)里最簡單的規(guī)則，包括日志、數(shù)據(jù)庫里的內(nèi)容，通過文本挖掘和一些挖掘手段自動建立起一張知識結(jié)構(gòu)的網(wǎng)絡(luò)圖。抓住系統(tǒng)與不同組件之間的關(guān)系，也就抓住了時序上的關(guān)系。通過這個圖可以把系統(tǒng)管理員的各種問題，他腦子里想的問題全部變成圖，這樣我們可以讓一切東西，變的非常機(jī)械化和自動化。

系統(tǒng)管理與知識管理，是初步的工作后面還有很多可完善的地方。但系統(tǒng)管理工作、系統(tǒng)知識和系統(tǒng)里的數(shù)據(jù)我們是可以用一個非常機(jī)械的方法管理，這個是通往自動化更重要的一步。

靈活基礎(chǔ)設(shè)施的意義

靈活的基礎(chǔ)設(shè)施非常有意義，你要用好這種靈活基礎(chǔ)設(shè)施，需要有跨層的優(yōu)化方法，什么是跨層？機(jī)器設(shè)計時是一層一層的，為什么有這些層，為什么抽象？因?yàn)槿擞洸蛔∵@么多的知識，現(xiàn)在大數(shù)據(jù)時代是靠數(shù)據(jù)分析的這些知識，靠機(jī)器分析無所謂記不記得住，機(jī)器看的時候是一體看下去，把跨層優(yōu)化，嘗試很多方案，這種方案的結(jié)果是人工智能比人做的好，我們認(rèn)為應(yīng)該充分利用。

最后談一下控制機(jī)器。舉個例子，我們跟百度合作的數(shù)據(jù)中心供電項(xiàng)目，百度數(shù)據(jù)中心供電容量非常貴，建造花費(fèi) （大型系統(tǒng)）： 每千瓦9，000～13，000美元，但他的平均功率利用率<72%為什么？因?yàn)椴桓彝锓?，管理員怕應(yīng)用放上去會造成用電壓力，主要原因來自于供電時空分布不均勻，缺少智能調(diào)度，故以保守利用為主。

供電調(diào)度的思路看似很簡單，比如你覺得某個地方有點(diǎn)多了，就不要再把任務(wù)往這個地方調(diào)，而是調(diào)到別處去。但別的地方增加多少，某個地方減少多少，這個量是無法做到精確的，包括接口限制太大、影響系統(tǒng)運(yùn)行的因素太多、在生產(chǎn)系統(tǒng)上沒有辦法做系統(tǒng)模型等原因。

這時需要用持續(xù)的反饋控制，來補(bǔ)償誤差。例如，我們通過發(fā)電控制的技術(shù)手段減少誤差，多放17%服務(wù)器，增加15%吞吐量，是否不影響供電安全，也不影響業(yè)務(wù)性能？反饋控制是一種提升控制的可靠性和精度的好方法。我們希望控制一個系統(tǒng)，如果他穩(wěn)定，怎么穩(wěn)定更好，控制它比不控制要強(qiáng)。

最后總結(jié)一下，第一點(diǎn)，怎么讓數(shù)據(jù)中心變得更智能？數(shù)據(jù)要采集，要整理，我們要問系統(tǒng)你到底是什么，有什么問題。第二點(diǎn)，我們需要影響機(jī)器，需要給它做一些事情，這個時候我們需要軟件定義，讓這個控制的操作更加的可靠，更加精準(zhǔn)。

后面一步是什么？我們認(rèn)為用深度學(xué)習(xí)、加強(qiáng)學(xué)習(xí)的智能方法，讓系統(tǒng)知道我在何種情況下，什么時間做哪些動作。在這些條件下，系統(tǒng)才會真正變的更智能，而不是靠規(guī)則運(yùn)行。（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）