阿里巴巴使用AI分配数据中心资源，最多省出一半服务器

为了能有更多时间在双 11 期间买买买，阿里巴巴的工程师研发出了一款 AI 来解放自己。

11 月 6 日，阿里巴巴数据中心 AI 调度官“达灵”正式上任。在实习期间，达灵打破了人类工程师的多项纪录：将数据中心资源分配率拉升到了 90% 以上，在部分业务中节省了一半服务器，并且可以 2 秒钟锁定异常机器，命中率 94% 。

“伴随双 11 规模的逐年暴涨，管理、调度上万台服务器这样的工作已经不适合人来做了。” 阿里巴巴 资深搜索研发专家郑南 说，达灵这套算法能够快速给出最优的计算资源部署方案，并且根据访问量不断搬运应用和数据，确保没有一台机器偷懒。

今年工程师的职责变成如何用数据去喂养 “达灵”。 郑南 说，我们要做的就是提供 表格数据大小 、应用历史 访问量以及目前的部署方案 等信息，省下的就是喝着茶看她的表演。 “她甚至可以在线上克隆一个真实的服务，自己进行压力测试，以判断方案是否最优。”

除了对计算资源的不断调度、应用的不断搬运外，达灵还有一个职责是及时发现异常机器，快速隔离。要知道，双 11 期间一台机器的异常，可能带来百万级用户的下单失败。

但对工程师来说，从机器出现异常、被发现到处理完成，整个过程有时会长达数分钟。而这已经是人类能做到的极限。达灵能够把时间、负载、服务状态等不确定因素通过数据算法关联，最终快速锁定异常机器。

日常工作中，达灵 每天会采集 29 亿条机器运营状态， 日均隔离异常机器 1000 次左右，在大促期间调度准确率达到 94% ，时间只需要 2 秒钟。

阿 里巴巴 iDST 团队是达灵的创造者。项目负责人 朱胜火博士 说， 达灵的工作首先是在集群监控数据之上，建立起很多个深度学习、在线学习的模型，由此对集群内每一台机器、每一个应用，当前和未来的状态都了然于胸。在此基础上，达灵通过应用强化学习、组合优化等技术，可以在复杂环境中自行学习判断，作出一系列比如错峰排布、碎片规整等聪明的决策，从而全局最优化集群的资源 分配 率以及稳定性。

除了 “达灵”以外，机器运营小二、机器导购员、智能客服、 AI 设计师、机器拣货员、机房巡逻员等一系列新物种已在天猫双 11 前夕集中上岗。