智能故障诊断，开启数据中心运维“下半场”

从云计算第一次被提出至今已颠末去了15年，跟着云计算市场的赓续扩张，数据中心折务器的范围也随之快速增加。发展的懊恼之于年夜范围数据中心是运维。一边是海量装备、高度繁杂运维情况的实际，另一边是提供高质量的IT服务，晋升效力并低落本钱的诉求，运维团队面对伟大挑战。而对付数据中心面对的挑战，势需要在事前就订定各种风险的应对策略。

数据中心发展的懊恼：范围与运维难度齐增

周全数字化催生了更多的数据处置需求，年夜数据中心作为承载海量数据存储和处置才能的运算中心，其建设范围和质量将直接决议数据服务才能，可以说，年夜型数据中心的才能决议了数字经济成长的速率与高度。

这也就不难懂得，为什么在环球规模内呈现数字根基举措措施兴建高潮。据Gartner数据统计，2020年环球云计算市场快速增加，增速跨越40%，中国云计算市场也连续两位数增加，市场增加动能逐渐从泛互联网向财产化快速渗入渗出，增加连续加快。

跟着数据中心折务器范围的快速增加，年夜范围数据中心运维跨越数十万台服务器成为常态。只要数据中心在运营，就无法避免呈现故障。而寄托传统运维已无法满意海量装备的监控及运维治理需求。

腾讯云星星海试验室研发副总监刘超

“以往服务器出了故障，必要L1、L2、L3维护的进程，耗时异常长。” 腾讯云星星海试验室研发副总监刘超说。今朝，腾讯云线网运行超百万以上的服务器，腾讯云在环球27个地舆区域内运营着67个可用区，部署在环球各地的服务器数目跨越100万台，跨越1300个加快节点，带宽贮备达100T，“作为云服务商，我们愿望故障可以智能预警和诊断，而不是再去靠人工去网络阐发海量数据，更好保障营业的持续稳固。”刘超弥补道。

腾讯云与海潮结合宣布数据中心折务器智能故障诊断技术白皮书——《数据中心折务器智能故障诊断TIFDS（Tencent & Inspur Fault Diagnosis System）体系技术白皮书》显示，年夜范围数据中心折务器运维存在四年夜痛点：

机械故障后，紧张的日记信息不全，无法主动精确进行故障部件定位；服务器呈现问题后主要基于人工阐发和履历断定成果，主动化与智能化水平不高，故障诊断效能较低；Ÿ人工履历阐发依附年夜量运维人力投入并导致较长的运维光阴(MTTR)， 影响营业快速规复，本钱高时效性差；Ÿ因为诊断成果的明白化率低，以及人工断定的参与，引起二次故障维修比例较高，从而导致额外数据迁徙本钱和营业影响。

腾讯云服务器保有量高速增加，“肩扛手挑”的运维方式无法满意需求，刘超表现，“这远远不是效力高与低的问题，而是能与不克不及的问题，整个数据中心的运维必需要走向智能化。”

“七分运维”，有AI的“下半场”

“三分建设、七分运维”，业界在年夜范围数据中心运维方面的摸索正在进入“下半场”。7月27日，在由OCP社区主理、海潮承办的第三届OCP China Day时代，腾讯云与海潮结合研发的TIFDS数据中心折务器故障智能诊断体系架构初次表态。

TIFDS故障诊断体系是服务器康健监管技术及故障预警诊断技术的总称，旨在实现运维事情义务由人工离线阐发向主动智能在线辨认的偏向成长，树立一套以带外BMC为中心的主动化故障诊断体系。

该体系依托腾讯跨越100万台服务器的维护数据，深度定制了服务器变乱日记，经由过程AI技术对服务器运营数据进行及时的阐发，从而实现了对CPU，内存、硬盘，PCIe等部件的故障监控，失效猜测，主动化预警，将服务器故障诊断主动明白化率晋升至95%以上。

“TIFDS架构是腾讯云和海潮深度互助的成果。”刘超说，“底层代码主要由海潮去开发；模子校验的进程、数据的输入，以及后面整个优化的进程又是两边配合开发。”

海潮信息腾讯年夜客户部副主任倪旭华

正如海潮信息腾讯年夜客户部副主任倪旭华所说：“这是一次突破了传统甲乙方关系的、战略互助伙伴间的互助。”

从关闭到开放，智能故障诊断的诗和远方

奇点年夜学开创人彼得-戴曼迪斯在他的那本《将来咆哮而来》里归纳了的九年夜指数型技术，“人工智能”位列此中，而且指出，“当某些自力加快成长的技术与其他自力加快成长的技术交融时”，将带来伟大的变更力气，由此重塑行业。

好比，药物开发的速率之以是正在赓续加速，不仅是由于生物技术正在以指数级的速率成长，还由于人工智能、量子计算和其他几个指数级加快成长的技术也在向这个范畴挨近，以及跨范畴间的通力协作。

数据中心范畴，也是如斯。开放计算正成为当前甚至将来数据中心的立异主力，经由过程环球化协作的立异模式，能耗、高速收集通讯、智能运维及轮回应用，无论老问题，照样新需求，这些影响数据中心根基举措措施可连续成长的重年夜问题正在被办理。

本年是OCP成立10周年，在曩昔的十年里，开放计算作为全新财产协作模式，推进了5G、AI、边沿等立异技术的快速落地，为数据中心的绿色成长和高效代价发掘做出伟大进献。

交融和稳固，是数据中心营业运转的根基。海潮与腾讯云的此次互助，是数据中心从规格定制迈向需求定制的紧张一步，为行业带来了一些数据中心运维的革新思绪和视角。

谈及两边的互助，倪旭华把海潮比方为——从开药店的，酿成开病院的了。“规格的定制是客户已经很清晰他要什么了，我们帮他实现。这相称于你去药店买药，你说要什么，药店奉告你有或者没有。然则需求定制酿成了我以病院的方式，跟客户一路针对他的征象、需求去诊断他出了什么问题，然后再有针对性地提出‘诊疗计划’。”

除了在深度上有了显著的变化，在广度方面，互助也给海潮带来了更年夜的拓展空间，让海潮从更多聚焦在服务器、存储这类硬件产物与交付，逐渐转向故障诊断体系的软硬联合，乃至是一体化办理计划。

作为OCP焦点成员，海潮和腾讯云正在联袂践行开放的理念。这次宣布的白皮书为年夜范围数据中心运维体系提供了完整的架构参考，是腾讯云与海潮基于JDM互助模式的又一立异结果，对晋升数据中心运维效力和云计算稳固性来说具有紧张的借鉴意义。除此之外，两边深度互助的诸如加快模块开发、硬件设计尺度的摊开也都已经列上议事日程，比及SPEC完整后就会进献给OCP社区。

现在，每一个计算生态中的小小过程，放到将来，都是推进年夜生态巨变的症结元素