V průběhu digitální transformace ekonomiky musí lidstvo stavět stále více datových center. Samotná datová centra se také musí transformovat: otázky jejich odolnosti a energetické účinnosti jsou nyní důležitější než kdy jindy. Tyto objekty spotřebovávají obrovské množství elektřiny a selhání kritické IT infrastruktury umístěné v nich stojí firmy nemalé peníze. Na pomoc inženýrům přicházejí technologie umělé inteligence a strojového učení – v posledních letech se čím dál častěji používají k vytváření dokonalejších datových center. Tento přístup zvyšuje úroveň připravenosti objektů, snižuje počet selhání a snižuje provozní náklady.
Jak to funguje?
Technologie umělé inteligence a strojového učení se používají k automatizaci přijímání operačních rozhodnutí na základě dat shromážděných z různých senzorů. Takováto řešení se obvykle integrují se systémy typu DCIM (Data Center Infrastructure Management) a umožňují předpovídat vznik nehod, stejně jako optimalizovat činnost IT vybavení, inženýrské infrastruktury a dokonce i obslužného personálu. Velmi často výrobci nabízejí majitelům datových center cloudové služby, které shromažďují a zpracovávají data mnoha klientů. Takové systémy shrnují zkušenosti z provozu různých datových center, a proto fungují lépe než místní produkty.
Správa IT infrastruktury
Společnost HPE propaguje cloudovou službu prediktivní analýzy pro správu IT infrastruktury postavené na úložných systémech Nimble Storage a HPE 3PAR StoreServ, serverech HPE ProLiant DL/ML/BL, rackových systémech HPE Apollo a platformě HPE Synergy. InfoSight analyzuje údaje z nainstalovaných senzorů, zpracovává více než milion událostí za sekundu a neustále se samo-učí. Služba nejen odhaluje závady, ale také předpovídá možné problémy s IT infrastrukturou (selhání zařízení, vyčerpání kapacity úložných systémů, snížení výkonu virtuálních strojů atd.) ještě před jejich vznikem. Pro prediktivní analýzu je v cloudu nasazen software firmy VoltDB, který využívá autoregresní modely předpovědi a pravděpodobnostní metody. Podobné řešení je dostupné i pro hybridní úložné systémy firmy Tegile Systems: cloudová služba IntelliCare Cloud Analytics provádí monitoring stavu, výkonu a využití zdrojů zařízení. Technologie umělé inteligence a strojového učení také využívá Dell EMC ve svých řešeních pro vysoce výkonné výpočty. Takových příkladů je mnoho, tímto směrem se nyní vydávají prakticky všichni přední výrobci výpočetní techniky a systémů pro ukládání dat.
Napájení a chlazení
Další oblastí použití AI v datových centrech je správa inženýrské infrastruktury, zejména chlazení, jehož podíl na celkové spotřebě energie může překročit 30 %. Jedním z prvních, kdo přemýšlel o chytrém chlazení, byla společnost Google: v roce 2016 ve spolupráci se společností DeepMind vyvinuli pro monitorování jednotlivých komponent datových center, což umožnilo snížit energetické náklady na klimatizaci o 40 %. Zpočátku pouze poskytoval doporučení personálu, ale později byl vylepšen a nyní může samostatně řídit chlazení strojoven. Rozvinutá v cloudu neuronová síť zpracovává data z tisíců vnitřních a venkovních senzorů: přijímá rozhodnutí s ohledem na zátěž serverů, teplotu, stejně jako rychlost větru venku a mnoha dalších parametrů. Nabízené pokyny od cloudového systému jsou zasílány do datového centra, kde jsou ještě jednou kontrolovány na bezpečnost místními systémy, přičemž personál může vždy automatický režim deaktivovat a začít řídit chlazení manuálně. Nlyte Software ve spolupráci s týmem IBM Watson vytvořil , který shromažďuje údaje o teplotě a vlhkosti, spotřebě energie a vytížení IT zařízení. Umožňuje optimalizovat výkon inženýrských subsystémů a nevyžaduje připojení k cloudové infrastruktuře výrobce — v případě potřeby může být řešení nasazeno přímo v datovém centru.
Další příklady
Inovativních chytrých řešení pro datová centra je na trhu mnoho a neustále přibývají nová. Společnost Wave2Wave vytvořila robotizovaný systém přepínání optických vláken pro automatizované organizování křížových připojení v místech výměny provozu (Meet Me Room) uvnitř datových center. Systém vyvinutý ROOT Data Center a LitBit používá umělou inteligenci pro monitorování záložních dieselgenerátorů, zatímco v Romonet vyvinuli samočinně u学习jákú říšivo软件用于优化基础设施。由Vigilent开发的解决方案使用机器学习来预测故障并优化数据中心房间的温度。 在数据中心引入人工智能、机器学习和其他创新技术以实现过程自动化的过程相比之下较新，但如今这是行业发展的最具前景的方向之一。 现代数据中心已经变得过于庞大和复杂，无法有效地进行手动管理。
Zdroj: habr.com
