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
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
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