Im Prozess der digitalen Transformation der Wirtschaft sieht sich die Menschheit gezwungen, immer mehr Rechenzentren zu bauen. Auch die Rechenzentren selbst müssen sich wandeln: Fragen von Ausfallsicherheit und Energieeffizienz sind derzeit wichtiger denn je. Die Einrichtungen verbrauchen enorme Mengen an Elektrizität, und Ausfälle der darin untergebrachten kritischen IT-Infrastruktur sind für Unternehmen kostspielig. Künstliche Intelligenz und maschinelles Lernen kommen den Ingenieuren zur Hilfe – in den letzten Jahren werden sie zunehmend zur Schaffung ausgeklügelterer Rechenzentren eingesetzt. Dieser Ansatz erhöht die Bereitschaft der Einrichtungen, reduziert die Anzahl der Ausfälle und senkt die Betriebskosten.
Wie funktioniert das?
Technologien der künstlichen Intelligenz und des maschinellen Lernens werden zur Automatisierung der operativen Entscheidungsfindung auf der Grundlage von Daten, die von verschiedenen Sensoren gesammelt werden, eingesetzt. In der Regel werden solche Mittel in DCIM-Systeme (Data Center Infrastructure Management) integriert und ermöglichen die Vorhersage von unerwarteten Situationen sowie die Optimierung des Betriebs von IT-Ausrüstung, Ingenieurinfrastruktur und sogar des Wartungspersonals. Sehr häufig bieten Hersteller den Eigentümern von Rechenzentren Cloud-Dienste an, die Daten vieler Kunden sammeln und verarbeiten. Solche Systeme bündeln die Erfahrungen aus dem Betrieb verschiedener Rechenzentren und arbeiten daher besser als lokale Produkte.
IT-Infrastrukturmanagement
Das Unternehmen HPE fördert einen Cloud-Service für Predictive Analytics Für das Management der IT-Infrastruktur, die auf Nimble Storage- und HPE 3PAR StoreServ-Speichersystemen, HPE ProLiant DL/ML/BL-Servern, HPE Apollo-Rack-Systemen und der HPE Synergy-Plattform basiert. InfoSight analysiert die Daten von im Gerät installierten Sensoren, verarbeitet über eine Million Ereignisse pro Sekunde und lernt kontinuierlich dazu. Der Service erkennt nicht nur Störungen, sondern prognostiziert auch mögliche Probleme mit der IT-Infrastruktur (Ausrüstungsfehler, Kapazitätserschöpfung von Speicher-Arrays, Leistungsabfall virtueller Maschinen usw.) bereits bevor sie auftreten. Für die prädiktive Analyse ist in der Cloud die Software von VoltDB bereitgestellt, die autoregressionsbasierte Prognosemodelle und probabilistische Methoden verwendet. Eine ähnliche Lösung ist auch für die hybriden Datenspeichersysteme von Tegile Systems verfügbar: Der Cloud-Service IntelliCare Cloud Analytics überwacht den Zustand, die Leistung und die Nutzung von Ressourcen der Geräte. Dell EMC nutzt ebenfalls Technologien aus dem Bereich der künstlichen Intelligenz und des maschinellen Lernens in seinen Lösungen für Hochleistungsrechnen. Derartige Beispiele gibt es zahlreiche; auf diesem Weg bewegen sich derzeit fast alle führenden Hersteller von Rechentechnik und Datenspeichersystemen.
Stromversorgung und Kühlung
Ein weiterer Anwendungsbereich von KI in Rechenzentren bezieht sich auf das Management der technischen Infrastruktur, insbesondere auf die Kühlung, deren Anteil am Gesamtenergieverbrauch des Standorts 30 % überschreiten kann. Eines der ersten Unternehmen, das über intelligente Kühlung nachdachte, war Google: Im Jahr 2016 entwickelte es gemeinsam mit der Firma DeepMind zur Überwachung einzelner Komponenten des Rechenzentrums, die den Energieverbrauch für die Klimatisierung um 40 % senken konnten. Zunächst gab sie nur Tipps an das Personal, wurde jedoch später überarbeitet und kann nun die Kühlung der Serverräume eigenständig steuern. Ein im Cloud-Bereich bereitgestelltes neuronales Netzwerk verarbeitet Daten von Tausenden interner und externer Sensoren: Es trifft Entscheidungen unter Berücksichtigung der Serverlast, der Temperaturen sowie der Windgeschwindigkeit draußen und vieler anderer Parameter. Die von dem Cloud-System vorgeschlagenen Anweisungen werden an das Rechenzentrum gesendet und dort von den lokalen Systemen erneut auf Sicherheit geprüft, wobei das Personal jederzeit den automatischen Modus deaktivieren und die Kühlung manuell steuern kann. Nlyte Software hat zusammen mit dem Team von IBM Watson , das Daten über Temperatur und Luftfeuchtigkeit, Energieverbrauch und Auslastung der IT-Ausrüstung sammelt. Es ermöglicht die Optimierung der Arbeit der technischen Teilsysteme und benötigt keine Verbindung zur Cloud-Infrastruktur des Herstellers – wenn notwendig, kann die Lösung direkt im Rechenzentrum bereitgestellt werden.
Weitere Beispiele
Es gibt viele innovative intelligente Lösungen für Rechenzentren auf dem Markt, und ständig kommen neue hinzu. Das Unternehmen Wave2Wave hat ein robotergestütztes System zur Verbindung von Glasfaserkabeln geschaffen, das eine automatisierte Organisation von Kreuzverbindungen in Verkehrsaustauschpunkten (Meet Me Room) innerhalb des Rechenzentrums ermöglicht. Das von ROOT Data Center und LitBit entwickelte System nutzt KI zur Überwachung von Notstromaggregaten, während Romonet eine selbstlernende Softwarelösung zur Optimierung der Infrastruktur entwickelt hat. Die von Vigilent geschaffenen Lösungen verwenden maschinelles Lernen zur Vorhersage von Ausfällen und zur Optimierung des Temperaturregimes in den Räumlichkeiten des Rechenzentrums. Der Einsatz von Künstlicher Intelligenz, maschinellem Lernen und anderen innovativen Technologien zur Automatisierung von Prozessen in Rechenzentren hat relativ kürzlich begonnen, ist jedoch heute eines der vielversprechendsten Entwicklungsbereiche der Branche. Moderne Rechenzentren sind zu groß und komplex geworden, um sie effektiv manuell zu steuern.
Quelle: habr.com
