华为数据中心智能营维的思考与实践方案

数据中心智能营维的思考与实践CAGR=10.1%单位:亿美元Source:MarketsAndMarkets201520252005x1000705.6x400全球联接数（亿）智能终端数（亿）920x180年数据流量（ZB）全球数据中心基础设施高速发展用户联接激增Source:HWGIV数据洪流驱动数据中心市场持续高速发展超3000种设备，10000+机架某公司CTO：不是我管数据中心，而是数据中心在管我不专业的运维操作是数据中心故障的主要原因70%来源：Uptime大量的人工人均维护低于100柜/人恶劣的事故哑设备，470万/次中断在线购物远程教育智能医疗智能制造手机银行智能交通数据中心支撑了智能社会，但自身管理仍靠“手拉肩扛”智能时代，数据中心管理却非常原始，低效不安全4PUE1.8

2018年，DC平均PUE是

1.58数据中心全生命周期能耗高3年电费可新建一个DC在基础设施能耗中，制冷系统占比最高，相当于供配电系统的3倍以上=7x全球数据中心每年电力消耗（0.3TkWh,2014）相当于7个大亚湾核电站发电量来源:Uptimesurvey2018PUE高，能耗大，生命周期电费约是投资约3倍“规、建、维、优”全生命周期智能化解决方案数字化勘测，数字化设计3D扫描建模CFD/SAP2000仿真分析数字化交付VR模拟施工，AI辅助质量管理PUE仿真测试验收数字化运维AI智能算法，冷电链路无人巡检功率扩容，PUE仿真，热点消除数字化运营iCooling@AI，降PUE，省电费AI仿真，最优租户资源配置规划阶段建设阶段运维阶段优化阶段业务变更3D仿真智能Agent(管家)租户租户租户数字化设计

交付可视化、基于BIM交付平台

物料数字化、项目物料管理平台

管理透明化、项目工期跟踪平台工程预设计、标准化BIM预设计组件预制化、丰富的BIM模型库模块工厂化、机电模块工厂预制数字化交付数据中心全生命周期数字化转型使能者数字化工勘数据采集标准和可行性评估表，内嵌CFD+3D仿真评估，支持在线远程可视协同基于意图的数字化运维运维全景图：可用性是重点，人员数量多，运维成本高冷冻站中压配电室油机室IT室电池室主控室低压配电室UPS室会议室备件室冷却塔数据中心规模运维人员xx600柜12xx1600柜15xx1200柜15设备巡检巡检制度/人员排班人员培训，考核电气巡检(如UPS)暖通巡检(如冷站)维保UPS维保(季度)精密空调维保电池维保(季度)备件管理供应商管理供应商评价管理供应商沟通管理供应商服务报告物理安全进出登记刷卡记录权限审视数据中心基础设施运维全景图应急/检修应急演练（月度）重大检修（年度）故障处理实时监控告警定位故障处理参观陪同风险管理风险识别影响度评估应对预案7*24H巡检6-12次/天告警和事件驱动运维OPEX分析设备宕机机房烧毁SLA罚款租户资源丢失等等痛点3：故障处理耗时长，无效告警多，故障难定位，工时占比30%痛点2：系统可靠性是重点，在停电事件、日常运行中存在诸多风险，导致机房宕机、烧毁，SLA罚款等痛点1：设备巡检投入大，工时占比55%人力费用-工时分析其他费用（如宕机）DC运维痛点1：巡检方法落后，运维人力投入大，OPEX费用高人工巡检，方法落后，工时投入大（55%）设备人工巡检：一抄，二看，三听，四闻巡检内容(自研设备)变压器低压配电UPS电池空调一抄参数检查(人工抄表)√√√√二看分合闸位置检查（眼睛）

√

远程控制开关位置（眼睛）

√

指示灯状态识别（眼睛）

√√

√显示屏是否正常（眼睛）

√√√三听设备内部有无异响（耳朵）√四闻设备内部有无异味（鼻子）√

√

√

√抄数据看状态听异响闻异味SLA：IT设备中断供电&单路供电时间超限、机房起火、重复故障会导致相关机柜租金被罚TOP故障：连接松动、变压器过热、开关越级跳闸、油机PF不匹配、ATS切换失败、电池起火等导致系统级故障变压器低压配电UPS配电UPS中压配电PDUrPDU市电油机供电保命备电时间>15min启动时间小于15min中压/低压ATS电池DC运维痛点2：供电中断和SLA面临诸多挑战基于意图的自动化运维运维意图：SLA设备监控、告警、性能、日志等数据告警精准识别根因自动定位生成修复方案巡检排查业务恢复操作设备操作故障修复报告/SLA报告

DCFacility仿真&决策硬件更换预测性维护备件下单五级运维演进标准，AI+云驱动运维模式的创新精准态势分析云中心端边云AI控制器+Local-basedDCIM智能感知供电设施制冷设施昇腾310健康度预测算法自愈算法系统级告警根因分析大数据以及AI算法AI图像和视频识别AI声音识别设备多点数据融合应急控制算法智能运维解决方案构想AI+边缘计算技术应用，使能设备全数字化云计算+大数据使能设备健康预测和和系统自愈无线测温图像声音热成像Cloud-basedDCIML0L1L2L3L4L5人工运维工具辅助自动运维部分自动运维限定条件自动运维高度自动运维完全自动运维可控自愈人工人工人工人工人工√AI自愈控制故障预测人工人工人工人工√AI预测性维护√故障隔离人工人工人工√√√可诊根因分析人工人工人工√AI

故障诊断√√无人巡检人工人工√AI感知√√√可视数据采集人工部分数字化+人工感知√√√√L0：人工运维，手工记录数据L1：工具辅助自动运维：通过手机APP等方式，实现运维过程的操作和数据电子化，部分设备哑状态通过人辅助感知（释放双手）L2：部分自动运维：通过AI的技术对哑设备状态进行识别，远程巡检（释放五官+腿）L3：限定条件自动运维：通过AI的技术，针对设备运行过程中出现的问题进行智能诊断，快速找到根因并给出应急指导（部分释放大脑）L4：高度自动运维：通过AI的技术，能够对设备的健康状态进行预测，先于客户发现问题，提前处理，提升系统可用性（完全释放大脑）L5：完全自动运维：跨域，多任务，对系统出现的故障能够“自修复”，或者自治运行，保障系统可靠性和业务可用性。（机器大脑）L1层（供电、制冷）引入AI巡检技术，提升自动化能力图像识别工业语音识别训练平台能源AI控制器变压器低压配电UPS空调视频传感◆模型训练模型库AI算法声音传感人与机器的完美集合，效率提升50%NetEco数据采集大数据训练平台数据中心智能运维，极致体验，预见未来面向L4的技术驱动

温度故障预测

基于链路温度大数据预测故障，防连接松动高温起火电池螺丝松动，机房起火异常过载，机房起火扩容场景，业务中断能源AI控制器时间温度过载预测告警阈值能源云-NetEco可靠性TOP问题方案构想AI运维AI节能AI运营业务应用AI芯片芯片使能应用使能UPS、电池健康度预测算法油机、空调异常检测算法指示灯，码表、水浸图像识别算法工具PUE仿真CFD仿真流程引擎……能源模型/算法能源数据湖设备大数据（UPS、电池、空调、油机）链路大数据（供电链路、制冷链路）运维大数据（巡检、维保、风险、故障）运营大数据（资源容量生命周期变化）框架HuaweiEINAIE边缘智能云

平台端微模块传感DCPUEV1.0(PUE1.31@廊坊)DC容量规划DC运营规划图像识别工业语音识别预测性维护能源领域AI模型&算法，联合价值客户共建能源数据湖公司全栈AI能力能源设备数字化&数据优势能源云边端协同DC无人巡检DCPUEV2.0(PUE1.25@廊坊)DC预测性维护UPS精密配电融合全栈AI能力，“端边云”协同，推进DC管理数字化变革AI

节能AI@PUE功能实现全景图室外冷源IT散热制冷能耗冷却塔冷冻泵LCUIT系统冷水机组数量/风扇转速数量/进出水温度数量/频率进出水温度控制因子流量/温度流量/温度冷热通道温度/湿度过程因子PUE的数学表达

:y'=f(,,)=a1*+a2*+a3*+….+b1*+b2*+b3*+…..+c1*+c2*PUE的定义室外干球/湿球温度IT负载环境因子y=+冷却泵数量/频率iCooling@AI：通过AI计算出PUE的准确的函数表达，并代入环境因子，推理出最优的控制因子组合iCooling2.0@AI，E2E协同，系统级智能能效寻优②数据治理③模型训练④推理决策700+数据采集点，实时监测制冷系统运行状态9个月运行数据10万行*700列①数据采集PUE预测准确率9个月数据训练4~12H推理时间：1min节能效果8%-15%数据清洗：1亿条数据清洗1小时完成特征值提取在给定的气候条件、业务SLA等条件下，通过深度学习，自动推理最优PUE下的系统参数，实现数据中心能效最优iCooling效果实践廊坊二期PUE：1.421.371.311.26东莞FDC：全年PUE可降低至1.38数据中心生态合作，打造智能未来华为携手产业合作伙伴，构建智能运维管理解决方案应用开发设备接入基础设施统一模型华为DCIM平台业务接口开放AI引擎数据引擎IoT支持微服务架构设施监控资源管理运维管理能效管理系统集成支撑产业合作伙伴持续构筑E2E解决方案竞争力武汉建行香港中文大学DCIM管理系统预集成预测试预集成、预测试训练平台华为数据中心生态合作计划平台开放行业赋能开放实验室工具与社区接口开放，行业通用标准OpenLab，预集成预测试开放工具与社区，实时在线定期赋能与认证体系开发工具OpenLabs培训赋能预集成认证Copyright©2018HuaweiTechnologiesCo.,Ltd.

AllRightsReserved.

Theinformationinthisdocumentmaycontainpredictive

statementsincluding,withoutlimitation,statementsregarding

thefuturefinancialandoperatingresults,futureproduct

portfolio,newtechnology,etc.Thereareanumberoffactorsthat

couldcauseactualresultsanddevelopmentstodiffermaterially

fromthoseexpressedorimpliedinthepredictivestatements.

Therefore,suchinformationisp