寻找最有效点
数据中心的运营管理人员有一个复杂的任务，那就是找到资本支出和运营支出之和满足正常运行时间的最有效点。如何以最小的投资和最低的运营成本实现最大的正常运行时间呢？有时正常运行时间是固定的，比如99995%，成本应该由此产生。在其他情况下，需要找到给定成本下的最大正常运行时间。在任何情况下，管理人员的操作都是着眼于一个非常复杂的选项领域，其中每个决策都会影响其他变量。这有点像下棋，您需要着眼于未来
人工智能一次又一次地打败人类
1996年，IBM公司开发的一台名叫“深蓝”的计算机与国际象棋世界冠军加里·卡斯帕罗夫（Garry Kasparov）展开了一场较量，深蓝最终以3.5比2.5的成绩赢得了比赛。2017年，人工智能“阿尔法围棋”击败了当时的世界冠军柯洁，赢得了围棋比赛中的全部3局，围棋比国际象棋复杂得多。人工智能（AI）已经一次又一次地被证明比人类在战略决策方面做得更好。因此，显而易见的是，人工智能将在数据中心非常复杂的决策中发挥重要作用。
运行一个数据中心会有多复杂?
一个数据中心有很多相互关联的变量。其中就包括服务器层面的空气温度、CRAC入口和出口的温度、空速、各种基础设施设备的效率水平。然后是服务器的时间可靠的能量需求。一些在夜间达到高峰，而另一些在办公时间更为活跃。
当您在处理所有这些参数时，您需要同时考虑所有机械设备的冗余性，以便单个故障不会导致停机。在满足以上情况的同时，您还必须注意维护所有的硬件，并在维护期间兼顾到冗余性，对了，您还需要在花费尽可能少的精力的情况下完成所有这些
明白了吗？这对人类来说几乎是一项不可能完成的任务。机器做数学运算的速度几乎要比人类快无限倍。
这仅仅是计算的问题吗?
不，因为计算机做数学运算只是计算输入代码的内容。它不能独立思考。深度学习使计算机能够分析大量数据并从中得出结论。但即使这样也有其局限性：以前从未发生过的情况如何处理？您如何预测您还没有测试过的东西？这就引申出了“数字孪生”的概念。Perf-iT在其最新版本的4D Cool中使用了这项技术，这是数据中心效率管理的一个全新概念。
数字孪生与‘假设’
4D Cool是一款基于现实生活数据的管理系统，这些数据借助数量有限的传感器以及计算流体力学（CFD）生成，其可以预测数据室每个角落的温度，以及数据中心的完全数字化版本。通过分析计算流体力学的输出以及来自传感器的真实数据，系统可以不断改进其预测。当可预测性水平足够高时，它就可以分析假设性的情况，例如：假设我们的变压器坏了，或者假设我们在这条通道上再放500台服务器。这些“假设性场景”只能通过数字孪生这一概念来计算，因为数字孪生是您真实生活数据中心的精确表示。
数据中心的未来是数字化的
数据中心的规模和复杂性在不断提高。一个人不可能做到同时处理这么多变量，并预测多个变量变化的影响。这时候就需要计算机介入。但是单靠数字运算并不能达到目的。计算机需要通过与真实数据的交叉核对来验证自己的计算结果。而数字孪生正好就是负责处理这个的。DC管理人员现在有了这样一个工具，可以用它来分析数据中心变化所带来的影响，从而确定最佳行动方案。4D Cool就是那个工具，我们很乐意为您演示
我们来讨论一下您的数据中心需求。