Under den digitale transformation af økonomien står menneskeheden over for at skulle bygge flere datacentre. Selve datacentrene skal også transformeres: spørgsmål om deres driftsikkerhed og energieffektivitet er vigtigere end nogensinde. Anlægdene forbruger enorme mængder elektricitet, og nedbrud af den kritisk vigtige IT-infrastruktur, der er placeret i dem, koster virksomheden dyrt. Kunstig intelligens og maskinlæringsteknologier kommer ingeniører til hjælp — i de seneste år er de blevet brugt oftere til at skabe mere avancerede datacentre. Denne tilgang øger anlæggenes beredskab, reducerer antallet af nedbrud og sænker driftsomkostningerne.
Hvordan fungerer det?
Teknologierne for kunstig intelligens og maskinlæring bruges til at automatisere beslutningstagning baseret på data indsamlet fra forskellige sensorer. Sådanne værktøjer integreres typisk med DCIM-systemer (Data Center Infrastructure Management) og muliggør forudsigelse af akutte situationer samt optimering af IT-udstyr, ingeniørinfrastruktur og endda servicepersonale. Meget ofte tilbyder producenterne ejere af datacentre cloudtjenester, der opsamler og behandler data fra mange kunder. Disse systemer generaliserer erfaringerne fra driften af forskellige datacentre og derfor fungerer bedre end lokale produkter.
Styring af IT-infrastruktur
HPE promoverer en cloudtjeneste til prædiktiv analyse til at styre it-infrastrukturen, der er bygget på lagringssystemerne Nimble Storage og HPE 3PAR StoreServ, HPE ProLiant DL/ML/BL-servere, HPE Apollo-racksystemer og HPE Synergy-platformen. InfoSight analyserer målingerne fra de installerede sensorer i udstyret, behandler over en million begivenheder per sekund og lærer konstant af sig selv. Tjenesten identificerer ikke kun fejl, men forudser også mulige problemer med it-infrastrukturen (hardwarefejl, udtømning af lagerkapacitet, forringelse af ydeevnen for virtuelle maskiner osv.) inden de opstår. Til forudsigende analyse i skyen er der implementeret software fra firmaet VoltDB, som bruger autoregressionsmodeller til forudsigelse og probabilistiske metoder. En lignende løsning er også tilgængelig for hybride datalagringssystemer fra Tegile Systems: sky-tjenesten IntelliCare Cloud Analytics overvåger tilstand, ydeevne og ressourceforbrug af enhederne. Dell EMC anvender også kunstig intelligens og maskinlæring i sine løsninger til højtydende computing. Der findes mange sådanne eksempler, og næsten alle førende producenter af computerudstyr og lagringssystemer følger i denne retning.
Strømforsyning og køling
Et andet anvendelsesområde for AI i datacentre er styringen af ingeniørinfrastrukturen, primært omkring køling, hvilket kan udgøre over 30 % af det samlede energiforbrug for anlægget. En af de første til at tænke på intelligent køling var Google: I 2016 udviklede de sammen med DeepMind til overvågning af enkelte komponenter i datacenteret, hvilket har reduceret energiforbruget til klimaanlæg med 40 %. Oprindeligt gav den kun tips til personalet, men er siden blevet opgraderet og kan nu styre kølingen i maskinrummene selv. En skybaseret neural netværk behandler data fra tusindvis af interne og eksterne sensorer: den træffer beslutninger baseret på serverbelastning, temperatur, samt vindhastighed udenfor og en række andre parametre. Instruktionerne fra det skybaserede system sendes til datacenteret og kontrolleres igen for sikkerhed af lokale systemer, samtidig med at personalet altid kan deaktivere automatisk tilstand og begynde at styre kølingen manuelt. Nlyte Software har skabt , som indsamler data om temperatur og fugtighed, energiforbrug og belastning af it-udstyr. Det gør det muligt at optimere driften af ingeniørsystemer og kræver ikke tilslutning til producentens skyinfrastruktur — om nødvendigt kan løsningen implementeres direkte i datacenteret.
Andre eksempler
Der er mange innovative smarte løsninger til datacentre på markedet, og nye bliver hele tiden introduceret. Virksomheden Wave2Wave har skabt et robotisk system til skift af fiberoptiske kabler til automatiseret organisering af krydsforbindelser i trafikudvekslingssteder (Meet Me Room) inde i datacenteret. Det system, der er udviklet af ROOT Data Center og LitBit, bruger kunstig intelligens til overvågning af nødstrømsgeneratorer, mens Romonet har udviklet en selv-lærende softwareløsning til optimering af infrastrukturen. Vigilent har skabt løsninger, der anvender maskinlæring til at forudsige fejl og optimere temperaturforholdene i datacenteret. Implementeringen af kunstig intelligens, maskinlæring og andre innovative teknologier i datacentre til automatisering af processer er relativt ny, men i dag er det en af de mest lovende udviklingsretninger i branchen. Moderne datacentre er blevet for store og komplekse til effektiv manuel administration.
Kilde: habr.com
