В процеса на цифровата трансформация на икономиката, човечеството трябва да създава все повече центрове за данни. Самите центрове за данни също трябва да се трансформират: въпросите за тяхната устойчивост и енергийната ефективност са по-важни от всякога. Обектите консумират огромно количество електрическа енергия, а отказите на критично важната ИТ-инфраструктура, разположена в тях, обременяват бизнеса значително. На помощ на инженерите идват технологии за изкуствен интелект и машинно обучение — през последните години те все по-често се използват за създаване на по-добри центрове за данни. Такъв подход увеличава нивото на готовност на обектите, намалява броя на отказите и намалява експлоатационните разходи.
Как работи това?
Технологиите за изкуствен интелект и машинно обучение се използват за автоматизиране на оперативни решения, основаващи се на данни, събирани от различни сензори. Обикновено тези средства се интегрират с класове системи DCIM (Управление на инфраструктурата на центровете за данни) и позволяват прогнозиране на извънредни ситуации, както и оптимизиране на работата на ИТ оборудването, инженерната инфраструктура и дори обслужващия персонал. Много производители предлагат облачни услуги на собствениците на центрове за данни, които събират и обработват данни от множество клиенти. Тези системи обобщават опита от експлоатацията на различни центрове за данни, затова работят по-добре от локалните продукти.
Управление на ИТ инфраструктурата
Компания HPE предлага облачна услуга за предсказателна аналитика за управление на ИТ инфраструктура, изградена на системи за съхранение Nimble Storage и HPE 3PAR StoreServ, сървъри HPE ProLiant DL/ML/BL, рафтови системи HPE Apollo и платформата HPE Synergy. InfoSight анализира показанията от инсталираните сензори в оборудването, обработвайки над един милион събития в секунда и постоянно се самообучава. Сервисът не само открива неизправности, но и прогнозира възможни проблеми с ИТ инфраструктурата (повреди на оборудването, изчерпване на капацитета на СХД, намаляване на производителността на виртуалните машини и т.н.) още преди да се появят. За предиктивната аналитика в облака е развернато софтуерно решение на компанията VoltDB, използващо авторегресионни модели и вероятностни методи за прогнозиране. Подобно решение е налично и за хибридни системи за съхранение на данни на компанията Tegile Systems: облачният сервиз IntelliCare Cloud Analytics осъществява мониторинг на състоянието, производителността и използването на ресурсите на устройствата. Технологиите за изкуствен интелект и машинно обучение се използват също така от Dell EMC в техните решения за високо производителни изчисления. Подобни примери има много, по този път в момента вървят почти всички водещи производители на компютърно оборудване и системи за съхранение на данни.
Енергоснабдяване и охлаждане
Друга сфера на приложение на ИИ в дата центровете е свързана с управлението на инженерната инфраструктура и предимно с охлаждането, чиято част в общото енергийно потребление на обекта може да надвишава 30 %. Една от първите компании, която обмисли умно охлаждане, е корпорацията Google: през 2016 година в сътрудничество с компанията DeepMind те разработиха за мониторинг на отделни компоненти на ЦОД, позволяваща да се намалят разходите за охлаждане с 40%. Първоначално тя само даваше подсказки на персонала, но впоследствие беше усъвършенствана и сега може самостоятелно да управлява охлаждането на машинните зали. Развита в облака невронна мрежа обработва данни от хиляди вътрешни и външни сензори: тя взима решения, като съобразява натоварването на сървърите, температурата, както и скоростта на вятъра навън и множество други параметри. Предложените от облачната система инструкции се изпращат в дата-центъра, където отново се проверяват за безопасност от местните системи, като персоналът винаги може да деактивира автоматичния режим и да започне да управлява охлаждането ръчно. Nlyte Software в партньорство с екипа на IBM Watson създаде , което събира данни за температурата и влажността, потреблението на енергия и натовареността на ИТ оборудването. То позволява оптимизация на работата на инженерните подсистеми и не изисква свързване към облачната инфраструктура на производителя — при необходимост решението може да бъде разположено директно в дата-центъра.
Други примери
На пазара има много иновационни умни решения за центрове за данни и постоянно се появяват нови. Компанията Wave2Wave създаде роботизирана система за комутация на оптични кабели за автоматизирана организация на кръстосаните свързвания в точките за обмен на трафик (Meet Me Room) в ЦОД. Системата, разработена от ROOT Data Center и LitBit, използва ИИ за мониторинг на резервни дизелови генератори, а Romonet създаде самообучаващо се софтуерно решение за оптимизация на инфраструктурата. Създадените от компанията Vigilent решения използват машинно обучение за предсказване на повреди и оптимизация на температурния режим в помещенията на дата-центъра. Внедряването на изкуствен интелект, машинно обучение и други иновационни технологии за автоматизация на процесите в дата-центровете започна сравнително наскоро, но днес това е едно от най-перспективните направления на развитие в индустрията. Съвременните ЦОД стават твърде големи и сложни, за да се управляват ефективно ръчно.
Източник: habr.com
