В процеса на дигитална трансформация на икономиката човечеството трябва да изгражда все повече и повече центрове за обработка на данни. Самите центрове за данни също трябва да бъдат трансформирани: въпросите за тяхната устойчивост на грешки и енергийна ефективност сега са по-важни от всякога. Съоръженията консумират огромни количества електроенергия и повреди на критичната ИТ инфраструктура, разположена в тях, струват скъпо на бизнеса. Технологиите за изкуствен интелект и машинно обучение идват на помощ на инженерите – през последните години те все повече се използват за създаване на по-модерни центрове за данни. Този подход увеличава наличността на съоръженията, намалява броя на повреди и намалява оперативните разходи.
Как действа тя?
Изкуственият интелект и технологиите за машинно обучение се използват за автоматизиране на вземането на оперативни решения въз основа на данни, събрани от различни сензори. По правило такива инструменти са интегрирани със системи от клас DCIM (Data Center Infrastructure Management) и ви позволяват да предвидите появата на извънредни ситуации, както и да оптимизирате работата на ИТ оборудване, инженерна инфраструктура и дори обслужващ персонал. Много често производителите предлагат облачни услуги на собствениците на центрове за данни, които натрупват и обработват данни от много клиенти. Такива системи обобщават опита от работата с различни центрове за данни и следователно работят по-добре от местните продукти.
Управление на ИТ инфраструктура
HPE популяризира услугата за облачен прогнозен анализ за управление на ИТ инфраструктура, изградена върху системи за съхранение Nimble Storage и HPE 3PAR StoreServ, сървъри HPE ProLiant DL/ML/BL, стелажни системи HPE Apollo и платформата HPE Synergy. InfoSight анализира показанията на сензорите, инсталирани в оборудването, като обработва повече от милион събития в секунда и постоянно се самообучава. Услугата не само открива неизправности, но и прогнозира възможни проблеми с ИТ инфраструктурата (откази в оборудването, изчерпване на капацитета за съхранение, намалена производителност на виртуални машини и др.) още преди да възникнат. За прогнозни анализи софтуерът VoltDB се внедрява в облака, като се използват авторегресивни модели за прогнозиране и вероятностни методи. Подобно решение е налично за хибридни системи за съхранение от Tegile Systems: облачната услуга IntelliCare Cloud Analytics следи здравето, производителността и използването на ресурсите на устройствата. Технологиите за изкуствен интелект и машинно обучение се използват и от Dell EMC в неговите високопроизводителни изчислителни решения. Има много подобни примери, почти всички водещи производители на компютърно оборудване и системи за съхранение на данни вече следват този път.
Захранване и охлаждане
Друга област на приложение на AI в центровете за данни е свързана с управлението на инженерната инфраструктура и преди всичко охлаждането, чийто дял в общото потребление на енергия на едно съоръжение може да надхвърли 30%. Google беше един от първите, които помислиха за интелигентно охлаждане: през 2016 г., заедно с DeepMind, разработиха за наблюдение на отделни компоненти на центъра за данни, което намали енергийните разходи за климатизация с 40%. Първоначално той само даваше съвети на персонала, но впоследствие беше подобрен и вече може самостоятелно да контролира охлаждането на машинните помещения. Невронна мрежа, разположена в облака, обработва данни от хиляди вътрешни и външни сензори: взема решения, като взема предвид натоварването на сървърите, температурата, както и скоростта на вятъра навън и много други параметри. Инструкциите, предлагани от облачната система, се изпращат до центъра за данни и там отново се проверяват за сигурност от локалните системи, докато персоналът винаги може да изключи автоматичния режим и да започне ръчно управление на охлаждането. Nlyte Software създаде заедно с екипа на IBM Watson , който събира данни за температура и влажност, консумация на енергия и натоварване на IT оборудването. Позволява ви да оптимизирате работата на инженерните подсистеми и не изисква връзка с облачната инфраструктура на производителя - ако е необходимо, решението може да бъде внедрено директно в центъра за данни.
Други примери
На пазара има много иновативни интелигентни решения за центрове за данни и постоянно се появяват нови. Wave2Wave създаде роботизирана система за превключване на оптични кабели за автоматично организиране на кръстосани връзки в възлите за обмен на трафик (Meet Me Rooms) в центъра за данни. Системата, разработена от ROOT Data Center и LitBit, използва AI за наблюдение на резервни дизел генератори, а Romonet създаде самообучаващо се софтуерно решение за оптимизиране на инфраструктурата. Решенията, създадени от Vigilent, използват машинно обучение за прогнозиране на повреди и оптимизиране на температурните условия в помещенията на центровете за данни. Въвеждането на изкуствен интелект, машинно обучение и други иновативни технологии за автоматизация на процесите в центровете за данни започна сравнително наскоро, но днес това е една от най-обещаващите области на развитие на индустрията. Днешните центрове за данни са станали твърде големи и сложни, за да бъдат управлявани ефективно ръчно.
Източник: www.habr.com