En el proceso de transformación digital de la economía, la humanidad se ve obligada a construir cada vez más centros de datos. Estos centros también deben transformarse: la resiliencia y la eficiencia energética son más importantes que nunca. Los centros consumen una gran cantidad de energía eléctrica, y las fallas en la infraestructura crítica de TI que albergan resultan costosas para las empresas. Las tecnologías de inteligencia artificial y aprendizaje automático vienen en ayuda de los ingenieros; en los últimos años, se utilizan cada vez más para crear centros de datos más avanzados. Este enfoque aumenta el nivel de disponibilidad de los centros, reduce la cantidad de fallas y disminuye los costos operativos.
¿Cómo funciona?
Las tecnologías de inteligencia artificial y aprendizaje automático se utilizan para automatizar la toma de decisiones operativas basadas en los datos recopilados de varios sensores. Generalmente, estos medios se integran con sistemas de clase DCIM (Gestión de Infraestructura de Centros de Datos) y permiten prever la aparición de situaciones de emergencia, así como optimizar el funcionamiento del equipo de TI, la infraestructura técnica e incluso el personal de mantenimiento. Frecuentemente, los fabricantes ofrecen a los propietarios de centros de datos servicios en la nube que acumulan y procesan datos de muchos clientes. Estos sistemas generalizan la experiencia de operación de diferentes centros de datos, por lo que funcionan mejor que los productos locales.
Gestión de Infraestructura TI
La empresa HPE promueve el servicio en la nube de análisis predictivo para gestionar la infraestructura de TI construida sobre sistemas de almacenamiento Nimble Storage y HPE 3PAR StoreServ, servidores HPE ProLiant DL/ML/BL, sistemas en rack HPE Apollo y la plataforma HPE Synergy. InfoSight analiza las lecturas de los sensores instalados en el equipo, procesando más de un millón de eventos por segundo y aprendiendo continuamente. El servicio no solo identifica fallos, sino que también predice posibles problemas en la infraestructura de TI (fallos de hardware, agotamiento de la capacidad de almacenamiento, disminución del rendimiento de las máquinas virtuales, etc.) antes de que ocurran. Para la analítica predictiva en la nube, se ha desplegado software de la empresa VoltDB, que utiliza modelos autorregresivos y métodos probabilísticos de previsión. Una solución similar está disponible para los sistemas híbridos de almacenamiento de datos de Tegile Systems: el servicio en la nube IntelliCare Cloud Analytics realiza el monitoreo del estado, rendimiento y utilización de los recursos de los dispositivos. Las tecnologías de inteligencia artificial y aprendizaje automático son utilizadas también por Dell EMC en sus soluciones para computación de alto rendimiento. Existen muchos ejemplos similares, y actualmente todos los principales fabricantes de hardware de computación y sistemas de almacenamiento de datos están avanzando en esta dirección.
Suministro de energía y refrigeración
Otra aplicación de la inteligencia artificial en los centros de datos está relacionada con la gestión de la infraestructura de ingeniería, especialmente con la refrigeración, que puede representar más del 30 % del consumo total de energía del sitio. Una de las primeras en pensar en la refrigeración inteligente fue la corporación Google: en 2016, en colaboración con la empresa DeepMind, desarrolló para monitorear componentes individuales de los centros de datos, lo que ha permitido reducir en un 40 % el consumo de energía para la climatización. Inicialmente, solo proporcionaba sugerencias al personal, pero posteriormente se mejoró y ahora puede gestionar la refrigeración de las salas de máquinas de forma autónoma. Una red neuronal desplegada en la nube procesa datos de miles de sensores internos y externos: toma decisiones considerando la carga en los servidores, la temperatura, así como la velocidad del viento exterior y muchos otros parámetros. Las instrucciones ofrecidas por el sistema en la nube se envían al centro de datos y allí se verifican nuevamente por sistemas locales de seguridad, mientras que el personal siempre puede desactivar el modo automático y comenzar a gestionar la refrigeración manualmente. Nlyte Software, junto con el equipo de IBM Watson, creó , que recopila datos sobre temperatura y humedad, consumo de energía y carga de los equipos de TI. Permite optimizar el trabajo de los subsistemas de ingeniería y no requiere conexión a la infraestructura en la nube del fabricante; si es necesario, la solución puede desplegarse directamente en el centro de datos.
Otros ejemplos
Hay muchas soluciones inteligentes innovadoras para centros de datos en el mercado y están apareciendo constantemente nuevas. La empresa Wave2Wave ha creado un sistema robótico de conmutación de cables de fibra óptica para la organización automatizada de conexiones cruzadas en los puntos de intercambio de tráfico (Meet Me Room) dentro del centro de datos. El sistema desarrollado por ROOT Data Center y LitBit utiliza IA para monitorear generadores de respaldo, mientras que en Romonet han creado una solución de software auto-aprendizaje para optimizar la infraestructura. Las soluciones creadas por Vigilent utilizan aprendizaje automático para predecir fallos y optimizar la temperatura en las instalaciones del centro de datos. La implementación de inteligencia artificial, aprendizaje automático y otras tecnologías innovadoras para automatizar procesos en los centros de datos comenzó relativamente reciente, pero hoy en día es una de las áreas más prometedoras de desarrollo en la industria. Los centros de datos modernos se han vuelto demasiado grandes y complejos para gestionarlos de manera efectiva manualmente.
Fuente: habr.com
