En el procés de transformació digital de l'economia, la humanitat ha de construir cada cop més centres de dades. Els centres de dades també s'han de transformar: els problemes de la seva tolerància a errors i l'eficiència energètica són ara més importants que mai. Les instal·lacions consumeixen grans quantitats d'electricitat i les fallades de la infraestructura informàtica crítica allotjada en elles són costoses per a les empreses. La intel·ligència artificial i les tecnologies d'aprenentatge automàtic estan arribant a l'ajuda dels enginyers; en els darrers anys s'han utilitzat cada cop més per crear centres de dades més avançats. Aquest enfocament augmenta la disponibilitat de les instal·lacions, redueix el nombre de fallades i redueix els costos operatius.
Com funciona?
La intel·ligència artificial i les tecnologies d'aprenentatge automàtic s'utilitzen per automatitzar les decisions operatives basades en dades recollides de diversos sensors. Per regla general, aquestes eines s'integren amb els sistemes de classe DCIM (Gestió d'Infraestructura del Centre de Dades) i permeten predir l'ocurrència de situacions d'emergència, així com optimitzar el funcionament dels equips informàtics, la infraestructura d'enginyeria i fins i tot el personal de manteniment. Molt sovint, els fabricants ofereixen serveis al núvol als propietaris de centres de dades que acumulen i processen dades de molts clients. Aquests sistemes generalitzen l'experiència operativa de diferents centres de dades, per tant funcionen millor que els productes locals.
Gestió d'infraestructura informàtica
HPE avança el servei al núvol d'anàlisi predictiva per gestionar la infraestructura de TI basada en sistemes d'emmagatzematge Nimble Storage i HPE 3PAR StoreServ, servidors HPE ProLiant DL/ML/BL, sistemes de bastidor HPE Apollo i la plataforma HPE Synergy. InfoSight analitza les lectures dels sensors instal·lats a l'equip, processant més d'un milió d'esdeveniments per segon i aprenent constantment. El servei no només detecta disfuncions, sinó que també prediu possibles problemes amb la infraestructura informàtica (falles de maquinari, esgotament de la capacitat d'emmagatzematge, rendiment reduït de les màquines virtuals, etc.) fins i tot abans que es produeixin. Per a l'anàlisi predictiva, el programari VoltDB es desplega al núvol, utilitzant models de previsió autoregressiva i mètodes probabilístics. Una solució similar també està disponible per als sistemes d'emmagatzematge híbrids de Tegile Systems: el servei al núvol IntelliCare Cloud Analytics supervisa la salut, el rendiment i l'ús de recursos dels dispositius. Dell EMC també utilitza intel·ligència artificial i tecnologies d'aprenentatge automàtic en les seves solucions informàtiques d'alt rendiment. Hi ha molts exemples similars, i gairebé tots els principals fabricants d'equips informàtics i sistemes d'emmagatzematge de dades segueixen aquest camí.
Alimentació i refrigeració
Un altre àmbit d'aplicació de la IA als centres de dades està associat a la gestió de la infraestructura d'enginyeria i, sobretot, a la refrigeració, la quota del qual en el consum total d'energia d'una instal·lació pot superar el 30%. Google Corporation va ser una de les primeres a pensar en la refrigeració intel·ligent: el 2016, juntament amb DeepMind, va desenvolupar per al seguiment dels components individuals del centre de dades, que va permetre reduir en un 40% els costos energètics de la climatització. Inicialment, només va donar pistes al personal, però posteriorment es va millorar i ara pot controlar la refrigeració de les sales de màquines ella mateixa. Una xarxa neuronal desplegada al núvol processa dades de milers de sensors interiors i exteriors: pren decisions en funció de la càrrega del servidor, la temperatura, així com la velocitat del vent a l'exterior i molts altres paràmetres. Les instruccions que ofereix el sistema de núvol s'envien al centre de dades i allà tornen a comprovar la seguretat per part dels sistemes locals, mentre que el personal sempre pot apagar el mode automàtic i començar a gestionar la refrigeració manualment. Nlyte Software va col·laborar amb l'equip d'IBM Watson per crear , que recull dades sobre temperatura i humitat, consum d'energia i utilització d'equips informàtics. Permet optimitzar el treball dels subsistemes d'enginyeria i no requereix connexió a la infraestructura del núvol del fabricant; si cal, la solució es pot desplegar directament al centre de dades.
Altres exemples
Hi ha moltes solucions intel·ligents innovadores per a centres de dades al mercat i contínuament n'apareixen de noves. Wave2Wave ha creat un sistema de commutació robòtic de fibra òptica per a la connexió creuada automatitzada en nodes d'intercanvi de trànsit (Meet Me Room) dins del centre de dades. Desenvolupat per ROOT Data Center i LitBit, el sistema utilitza IA per supervisar grups electrògens en espera, mentre que Romonet va crear una solució de programari d'autoaprenentatge per a l'optimització de la infraestructura. Les solucions de Vigilent utilitzen l'aprenentatge automàtic per predir errors i optimitzar les temperatures del centre de dades. La introducció de la intel·ligència artificial, l'aprenentatge automàtic i altres tecnologies innovadores per a l'automatització de processos als centres de dades va començar fa relativament poc, però avui és una de les àrees més prometedores per al desenvolupament de la indústria. Els centres de dades actuals s'han tornat massa grans i complexos per gestionar-los de manera eficient a mà.
Font: www.habr.com