U procesu digitalne transformacije privrede čovječanstvo mora graditi sve više centara za obradu podataka. Sami podatkovni centri također se moraju transformirati: pitanja njihove tolerancije grešaka i energetske efikasnosti sada su važnija nego ikad. Objekti troše ogromne količine električne energije, a kvarovi na kritičnoj IT infrastrukturi smještenoj u njima su skupi za preduzeća. Tehnologije umjetne inteligencije i strojnog učenja dolaze u pomoć inženjerima – posljednjih godina sve se više koriste za stvaranje naprednijih centara podataka. Ovakav pristup povećava dostupnost objekata, smanjuje broj kvarova i smanjuje operativne troškove.
Как это работает?
Tehnologije umjetne inteligencije i strojnog učenja koriste se za automatizaciju donošenja operativnih odluka na osnovu podataka prikupljenih od različitih senzora. U pravilu, takvi alati su integrirani sa sistemima klase DCIM (Upravljanje infrastrukturom podatkovnog centra) i omogućavaju vam da predvidite pojavu hitnih situacija, kao i optimizirate rad IT opreme, inženjerske infrastrukture, pa čak i servisnog osoblja. Vrlo često proizvođači nude usluge u oblaku vlasnicima podatkovnih centara koji akumuliraju i obrađuju podatke mnogih kupaca. Takvi sistemi generaliziraju iskustvo upravljanja različitim podatkovnim centrima i stoga rade bolje od lokalnih proizvoda.
Upravljanje IT infrastrukturom
HPE promoviše uslugu analitike za predviđanje u oblaku za upravljanje IT infrastrukturom izgrađenom na Nimble Storage i HPE 3PAR StoreServ sistemima za skladištenje, HPE ProLiant DL/ML/BL serverima, HPE Apollo rack sistemima i HPE Synergy platformi. InfoSight analizira očitanja senzora instaliranih u opremi, obrađuje više od milion događaja u sekundi i stalno se samouči. Servis ne samo da otkriva kvarove, već i predviđa moguće probleme sa IT infrastrukturom (kvarovi opreme, iscrpljivanje skladišnih kapaciteta, smanjene performanse virtuelnih mašina, itd.) čak i pre nego što se pojave. Za prediktivnu analitiku, VoltDB softver je raspoređen u oblaku, koristeći modele autoregresivnog predviđanja i probabilističke metode. Slično rješenje je dostupno za hibridne sisteme za pohranu iz Tegile Systems: IntelliCare Cloud Analytics usluga u oblaku prati zdravlje, performanse i korištenje resursa uređaja. Umjetnu inteligenciju i tehnologije strojnog učenja također koristi Dell EMC u svojim računalnim rješenjima visokih performansi. Sličnih primjera ima mnogo, ovim putem sada idu gotovo svi vodeći proizvođači računarske opreme i sistema za pohranu podataka.
Napajanje i hlađenje
Još jedno područje primjene AI u podatkovnim centrima odnosi se na upravljanje inženjerskom infrastrukturom i prije svega hlađenjem, čiji udio u ukupnoj potrošnji energije jednog objekta može premašiti 30%. Google je bio jedan od prvih koji je razmišljao o pametnom hlađenju: 2016. godine, zajedno sa DeepMindom, razvio je za praćenje pojedinačnih komponenti data centra, što je smanjilo troškove energije za klimatizaciju za 40%. U početku je davao samo nagoveštaje osoblju, ali je kasnije poboljšan i sada može samostalno kontrolisati hlađenje mašinskih prostorija. Neuronska mreža raspoređena u oblaku obrađuje podatke sa hiljada unutrašnjih i vanjskih senzora: donosi odluke uzimajući u obzir opterećenje servera, temperaturu, kao i brzinu vjetra napolju i mnoge druge parametre. Instrukcije koje nudi cloud sistem šalju se u data centar i tamo ih lokalni sistemi još jednom provjeravaju na sigurnost, dok osoblje uvijek može isključiti automatski način rada i početi ručno upravljati hlađenjem. Nlyte Software je zajedno sa IBM Watson timom kreirao , koji prikuplja podatke o temperaturi i vlažnosti, potrošnji energije i opterećenju IT opreme. Omogućava vam da optimizirate rad inženjerskih podsistema i ne zahtijeva povezivanje s infrastrukturom oblaka proizvođača - ako je potrebno, rješenje se može postaviti direktno u podatkovni centar.
Ostali primjeri
Na tržištu postoji mnogo inovativnih pametnih rješenja za podatkovne centre i stalno se pojavljuju nova. Wave2Wave je kreirao robotski sistem za komutaciju optičkih kablova za automatsku organizaciju unakrsnih veza u čvorovima za razmenu saobraćaja (Meet Me Rooms) unutar data centra. Sistem koji su razvili ROOT Data Center i LitBit koristi AI za nadgledanje rezervnih dizel agregata, a Romonet je kreirao softversko rješenje koje se samostalno uči za optimizaciju infrastrukture. Rešenja koja je kreirao Vigilent koriste mašinsko učenje za predviđanje kvarova i optimizaciju temperaturnih uslova u prostorijama data centra. Uvođenje umjetne inteligencije, strojnog učenja i drugih inovativnih tehnologija za automatizaciju procesa u podatkovnim centrima počelo je relativno nedavno, ali danas je to jedno od najperspektivnijih područja razvoja industrije. Današnji centri podataka postali su preveliki i složeni da bi se njima efikasno upravljalo ručno.
izvor: www.habr.com