Στη διαδικασία του ψηφιακού μετασχηματισμού της οικονομίας, η ανθρωπότητα πρέπει να χτίζει όλο και περισσότερα κέντρα επεξεργασίας δεδομένων. Τα ίδια τα κέντρα δεδομένων πρέπει επίσης να μεταμορφωθούν: τα ζητήματα της ανοχής σε σφάλματα και της ενεργειακής τους απόδοσης είναι πλέον πιο σημαντικά από ποτέ. Οι εγκαταστάσεις καταναλώνουν τεράστιες ποσότητες ηλεκτρικής ενέργειας και οι αστοχίες κρίσιμων υποδομών πληροφορικής που βρίσκονται μέσα σε αυτές είναι δαπανηρές για τις επιχειρήσεις. Οι τεχνολογίες τεχνητής νοημοσύνης και μηχανικής μάθησης έρχονται να βοηθήσουν τους μηχανικούς - τα τελευταία χρόνια χρησιμοποιούνται όλο και περισσότερο για τη δημιουργία πιο προηγμένων κέντρων δεδομένων. Αυτή η προσέγγιση αυξάνει τη διαθεσιμότητα των εγκαταστάσεων, μειώνει τον αριθμό των αστοχιών και μειώνει το λειτουργικό κόστος.
Πώς λειτουργεί;
Οι τεχνολογίες τεχνητής νοημοσύνης και μηχανικής μάθησης χρησιμοποιούνται για την αυτοματοποίηση της λήψης επιχειρησιακών αποφάσεων με βάση δεδομένα που συλλέγονται από διάφορους αισθητήρες. Κατά κανόνα, τέτοια εργαλεία είναι ενσωματωμένα με συστήματα κλάσης DCIM (Διαχείριση Υποδομής Κέντρου Δεδομένων) και σας επιτρέπουν να προβλέψετε την εμφάνιση καταστάσεων έκτακτης ανάγκης, καθώς και να βελτιστοποιήσετε τη λειτουργία του εξοπλισμού πληροφορικής, της μηχανικής υποδομής και ακόμη και του προσωπικού σέρβις. Πολύ συχνά, οι κατασκευαστές προσφέρουν υπηρεσίες cloud στους ιδιοκτήτες κέντρων δεδομένων που συγκεντρώνουν και επεξεργάζονται δεδομένα από πολλούς πελάτες. Τέτοια συστήματα γενικεύουν την εμπειρία της λειτουργίας διαφορετικών κέντρων δεδομένων και επομένως λειτουργούν καλύτερα από τα τοπικά προϊόντα.
Διαχείριση υποδομής πληροφορικής
Η HPE προωθεί την υπηρεσία προγνωστικής ανάλυσης cloud
Τροφοδοσία και ψύξη
Ένας άλλος τομέας εφαρμογής της τεχνητής νοημοσύνης στα κέντρα δεδομένων σχετίζεται με τη διαχείριση της μηχανικής υποδομής και, κυρίως, την ψύξη, το μερίδιο της οποίας στη συνολική κατανάλωση ενέργειας μιας εγκατάστασης μπορεί να ξεπεράσει το 30%. Η Google ήταν από τους πρώτους που σκέφτηκε την έξυπνη ψύξη: το 2016, μαζί με την DeepMind, ανέπτυξε
Άλλα παραδείγματα
Υπάρχουν πολλές καινοτόμες έξυπνες λύσεις για data centers στην αγορά και νέες εμφανίζονται συνεχώς. Η Wave2Wave δημιούργησε ένα ρομποτικό σύστημα μεταγωγής καλωδίων οπτικών ινών για αυτόματη οργάνωση διασυνδέσεων σε κόμβους ανταλλαγής κίνησης (Meet Me Rooms) μέσα στο κέντρο δεδομένων. Το σύστημα που αναπτύχθηκε από το ROOT Data Center και το LitBit χρησιμοποιεί AI για την παρακολούθηση εφεδρικών συνόλων γεννητριών ντίζελ και η Romonet έχει δημιουργήσει μια λύση λογισμικού αυτομάθησης για τη βελτιστοποίηση της υποδομής. Οι λύσεις που δημιουργήθηκαν από το Vigilent χρησιμοποιούν μηχανική εκμάθηση για την πρόβλεψη βλαβών και τη βελτιστοποίηση των συνθηκών θερμοκρασίας στις εγκαταστάσεις του κέντρου δεδομένων. Η εισαγωγή της τεχνητής νοημοσύνης, της μηχανικής μάθησης και άλλων καινοτόμων τεχνολογιών για την αυτοματοποίηση διαδικασιών στα κέντρα δεδομένων ξεκίνησε σχετικά πρόσφατα, αλλά σήμερα αυτός είναι ένας από τους πιο υποσχόμενους τομείς ανάπτυξης της βιομηχανίας. Τα σημερινά κέντρα δεδομένων έχουν γίνει πολύ μεγάλα και πολύπλοκα για να τα διαχειρίζονται αποτελεσματικά με μη αυτόματο τρόπο.
Πηγή: www.habr.com