尽管运维人员付出了最大的努力，但即使是运行良好的数据中心仍然存在冷却和热管理问题。由于冷却设备的运行成本约占数据中心运营成本的30％，因此组织比以往更加重视数据中心的热优化。
　　
　　然而，为了实现真正的冷却优化，数据中心技术有必要进一步发展，并更加细化。当使用适当的热数据来映射数据大厅时，可以实现全新的理解和冷却效率。这必然意味着对温度和冷却负荷进行更积极的监测和报告——最好是实时的。
　　
　　美国采暖、制冷与空调工程师学会（ASHRAE）建议每个机架部署三个以上的温度传感器。不过，如今的数据中心仍然很少能够达到这样的感知水平。在分析了70多个主要数据中心之后，调查人员发现这些数据中心中11％的机架实际上并不符合ASHRAE的传感标准。这是一个问题，因为如果没有全面的感知，运维人员实际上无法确定哪些关键业务机架符合哪些要求。
　　
　　实现全新级别的数据中心热兼容性
　　
　　为了解决这个问题，组织需要弄清楚如何构建其数据中心区域的机架级地图，以实时显示其所有冷却和散热性能。只有将这种粒度冷却和热量数据与智能监控和分析软件相结合，企业才能开始实时跟踪其数据中心冷却负载——这是一种可以做出热优化决策的智能技术。
　　
　　要实现这种真正的热优化，需要一个经过验证的安全流程，该流程基于数千个实时传感器和空间模型，这些模型结合起来消除了数据中心冷却的不确定性。由于目前传感器的价格较高，其广泛的应用面临一些障碍，但是这些物联网（IoT）传感器的成本还不到传统冷却系统成本的20％。
　　
　　通过将传感器的安装与最新3D可视化和监控软件的实时优化功能相结合，用户现在不仅可以确保整个数据中心的ASHRAE合规性，还可以使冷却系统更加节能。
　　
　　数据中心在冷却方面的成本仍然花费太多
　　
　　由于典型的冷却系统利用率仅为34％，其支出仍远高于组织所需的水平。为了解决这一问题，数据中心的运营数据需要更加精确。
　　
　　只有当数据大厅与适当的数据进行映射时，才能实现更高的效率。为了做到这一点，传统数据中心可能需要1000多个传感器，从而能够测量一系列先前未知的因素，其中包括能耗、热量输出和气流，而这些正是组织向下一代数据中心人工智能应用发展的信息。
　　
　　提供真正的冷却优化
　　
　　一旦通过3D空间模型收集和分析这些实时的机架级数据，专业软件就可以开始确定需要采取哪些措施来提高冷却质量，甚至警告特定区域的运营人员处于危险之中。
　　
　　通过访问实时机架级数据，可以准确提供数据平台所需软件支持的实时决策和场景规划能力，数据中心需要这些能力，以实现真正的冷却优化，这样可以有效地消除数据中心冷却的不确定性，并确保所有机架保持ASHRAE热兼容性。
　　
　　合乎逻辑的下一步是将实时传感器与智能软件相结合，提供深入的动态模拟图像，以便可视化数据中心内的热量变化。
　　
　　这是走向真正的人工智能管理的精密数据中心的一个重要步骤，将为建立智能反馈回路提供基础，可以将气流数据分析为“影响区”模块，当与标准建筑管理系统（BMS）结合时，能够实现逐个区域数据中心冷却的自动化过程。在此之后，添加更多的情景分析，可以使用监控数据来学习和预测数据中心的性能。
　　
　　这种软件驱动的热优化方法，可以为组织在其数据中心内向人工智能管理的热优化过渡所需要的实时决策和场景规划功能提供一个平台。
　　
　　编辑：Harris