数据中心IT设备硬件智能化运维管理探索

工业和信息化部日前出台《新型数据中心发展三年行动计划》，统筹推进新型数据中心发展，构建以新型数据中心为核心的智能算力生态体系，发挥对数字经济的赋能和驱动作用。新型数据中心是以5G、工业互联网、云计算、人工智能等应用需求为牵引，汇聚多元数据资源、运用绿色低碳技术、具备安全可靠能力、提供高效算力服务、赋能千行百业应用的新型基础设施，具有高技术、高算力、高能效、高安全特征。

在当前AI、大数据蓬勃发展的时代，新的业务需求也在推动着数据中心的发展。一般来说，中小型数据中心都有数以万计的IT设备，大型数据中心的IT设备数量甚至超过10万台。面对巨量设备，IT人如何才能实现运维效率的提升。本文从科技手段视角探索数据中心规模化IT设备硬件运维模式。

一、带外管理结合AI机器人实现巡检自动化：

数据中心IT设备通常有服务器、存储、带库、网络等类型，涉及品牌、型号繁杂且数量众多，各厂商建设的五花八门的监控平台无法实现集中统一管理。

IPMI智能平台管理接口是IT设备管理的一项协议标准接口，也是目前业内绝大部分设备遵循的管理标准。以IPMI协议作为依托，结合SNMP等管理协议，建设一套集中化的设备管理平台，通过监测与管理IT设备上的管理口，直接获取硬件相关信息，实现对各类型IT设备的统一管理及自动化巡检。

图一 集中管理平台

而对于无法通过该项标准接口管理的设备（如加密设备等），则通过AI机器人的方式进行巡检管理。

巡检机器人在AI自学习、机器视觉算法的配合下，对每个机柜的指示灯、设备温度、运行噪声等状态进行识别与积累学习。每次巡检时通过摄像头观察机柜状态的变化，一旦捕捉到设备有任何异常，则立即通过短信、语音等方式告警，并能引导工程师到达故障发生位置，减少排查时间。

图二 机房巡检机器人

以上两项举措，可以大幅降低数据中心海量设备巡检对于人力的需求。

二、打通最后“一公里”实现报修自动化：

全天候的自动巡检可以及时发现设备故障，发现故障后如何尽快定位并报修也是一道难题。传统的报修模式是设备发生故障后，运维人员通过带外采集设备日志进行报修并提供给厂商，由厂商工程师进行分析定位及维修。由于未与厂商维修流程贯通，此种模式受人工报修、采集设备日志等环节影响，效率并不高。 因此进一步提升效率，打通数据中心内流程与厂商报修流程的系统接口，是关键一步。

建立自动报修系统，依据设备告警分级策略自动报修，打通与厂商技术支撑系统接口，自动采集设备日志并推送厂商，节省中间人工环节，跟踪处理全流程进展直至闭环，实现设备从发现告警到报修处理完成的全流程自动化。

图三 打通最后一公里

三、5G+AR打造硬件的可视化运维：

利用5G的大带宽和低延迟特点，通过AR技术及设备实时展示机柜内相关设备硬件信息、CPU使用率、内存使用率、硬盘状态、机体温度等，帮助运维人员及时了解设备状态和历史数据，并在故障发生时给出处理方案，提高运维人员工作效率及准确性。遇到技术难题时，可以基于AR设备实现与后台系统的信息交互获得故障现场视觉，完成现场与后台数据比对，并在实际设备虚拟影像中圈点精确标注出需要更换的配件位置，还可以引入技术专家，实时视觉指导完成处理故障。

图三AR可视化机房设备管理

四、机房设备资产数字化管理模式

为保证业务连续和稳定，金融业内普遍采用异地多数据中心的灾备架构方式，必然推动IT设备种类、数量呈现规模化增长。海量的设备导致资产管理难度越来越大，而这些设备资产如采用传统人工录入方式，会存在成本高、效率低、易差错等问题；设备变更时还需要主动修改相关信息，时间长也会产生资产信息不准确等问题。引进机柜内U位资产管理模块——以RFID、NFC技术等为依托，完成资产发现、资产记录及计算各类数据，实现U位资产实时定位、自动盘点的功能，实时掌握机房内U位使用情况，真正地做到U位资产和资源管理数字化。

图四 资产管理模块

未来展望：5G、大数据、人工智能、图像识别等新技术的蓬勃兴起，推动着数据中心管理技术的发展，势必会给数据中心的数字化运维带来质的突变。如何利用新技术促进运维转型，是值得每个运维人思考的问题。