V procesu digitální transformace ekonomiky musí lidstvo budovat další a další centra pro zpracování dat. Transformovat se musí i samotná datová centra: otázky jejich odolnosti proti chybám a energetické účinnosti jsou nyní důležitější než kdy jindy. Zařízení spotřebovávají obrovské množství elektřiny a výpadky kritické IT infrastruktury v nich umístěné jsou pro podniky nákladné. Techniky umělé inteligence a strojového učení přicházejí na pomoc inženýrům – v posledních letech se stále častěji používají k vytváření pokročilejších datových center. Tento přístup zvyšuje dostupnost zařízení, snižuje počet poruch a snižuje provozní náklady.
Jak to funguje?
Technologie umělé inteligence a strojového učení se používají k automatizaci provozního rozhodování na základě dat shromážděných z různých senzorů. Tyto nástroje jsou zpravidla integrovány se systémy třídy DCIM (Data Center Infrastructure Management) a umožňují předvídat výskyt nouzových situací a také optimalizovat provoz IT zařízení, inženýrské infrastruktury a dokonce i servisního personálu. Výrobci velmi často nabízejí majitelům datových center cloudové služby, které shromažďují a zpracovávají data od mnoha zákazníků. Takové systémy zobecňují zkušenosti s provozováním různých datových center, a proto fungují lépe než místní produkty.
správa IT infrastruktury
HPE podporuje cloudovou prediktivní analytickou službu 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 ze senzorů instalovaných v zařízení, zpracovává více než milion událostí za sekundu a neustále se samoučí. Služba nejen detekuje poruchy, ale také předvídá možné problémy s IT infrastrukturou (výpadky zařízení, vyčerpání úložné kapacity, pokles výkonu virtuálních strojů atd.) ještě dříve, než k nim dojde. Pro prediktivní analytiku je software VoltDB nasazen v cloudu pomocí autoregresivních předpovědních modelů a pravděpodobnostních metod. Podobné řešení je dostupné pro hybridní úložné systémy od Tegile Systems: cloudová služba IntelliCare Cloud Analytics monitoruje stav, výkon a využití zdrojů zařízení. Technologie umělé inteligence a strojového učení využívá také společnost Dell EMC ve svých vysoce výkonných počítačových řešeních. Podobných příkladů je mnoho, touto cestou se nyní ubírají téměř všichni přední výrobci výpočetní techniky a systémů pro ukládání dat.
Napájení a chlazení
Další oblast uplatnění AI v datových centrech souvisí se správou inženýrské infrastruktury a především chlazení, jehož podíl na celkové spotřebě energie objektu může přesáhnout 30 %. Google byl jedním z prvních, kdo přemýšlel o chytrém chlazení: v roce 2016 společně s DeepMind vyvinul pro monitorování jednotlivých komponent datového centra, což snížilo náklady na energii na klimatizaci o 40 %. Zpočátku pouze napovídal personálu, ale následně byl vylepšen a nyní může samostatně ovládat chlazení strojoven. Neuronová síť nasazená v cloudu zpracovává data z tisíců vnitřních a venkovních senzorů: rozhoduje s ohledem na zatížení serverů, teplotu, venkovní rychlost větru a mnoho dalších parametrů. Pokyny nabízené cloudovým systémem jsou odesílány do datového centra a tam jsou opět kontrolovány z hlediska zabezpečení místními systémy, přičemž obsluha může kdykoli vypnout automatický režim a začít řídit chlazení ručně. Nlyte Software společně s týmem IBM Watson vytvořili , která shromažďuje údaje o teplotě a vlhkosti, spotřebě energie a zatížení IT zařízení. Umožňuje optimalizovat provoz inženýrských subsystémů a nevyžaduje napojení na cloudovou infrastrukturu výrobce – v případě potřeby lze řešení nasadit přímo v datovém centru.
Další příklady
Inovativních chytrých řešení pro datová centra je na trhu spousta a stále se objevují nová. Wave2Wave vytvořil robotický systém přepínání kabelů z optických vláken, který automaticky organizuje křížová spojení v uzlech výměny provozu (Meet Me Rooms) uvnitř datového centra. Systém vyvinutý společnostmi ROOT Data Center a LitBit využívá AI k monitorování záložních dieselgenerátorových agregátů a společnost Romonet vytvořila softwarové řešení s automatickým učením pro optimalizaci infrastruktury. Řešení vytvořená společností Vigilent využívají strojové učení k předpovídání poruch a optimalizaci teplotních podmínek v prostorách datových center. Zavádění umělé inteligence, strojového učení a dalších inovativních technologií pro automatizaci procesů v datových centrech začalo relativně nedávno, ale dnes je to jedna z nejslibnějších oblastí rozvoje průmyslu. Dnešní datová centra jsou příliš velká a složitá na to, aby je bylo možné efektivně spravovat ručně.
Zdroj: www.habr.com