En el proceso de transformación digital de la economía, la humanidad tiene que construir cada vez más centros de procesamiento de datos. Los propios centros de datos también deben transformarse: las cuestiones relacionadas con su tolerancia a fallos y su eficiencia energética son ahora más importantes que nunca. Las instalaciones consumen enormes cantidades de electricidad y las fallas de la infraestructura de TI crítica ubicada dentro de ellas son costosas para las empresas. Las tecnologías de inteligencia artificial y aprendizaje automático están acudiendo en ayuda de los ingenieros; en los últimos años se han utilizado cada vez más para crear centros de datos más avanzados. Este enfoque aumenta la disponibilidad de las instalaciones, reduce el número de fallas y reduce los costos operativos.
Como funciona?
Las tecnologías de inteligencia artificial y aprendizaje automático se utilizan para automatizar la toma de decisiones operativas basadas en datos recopilados de varios sensores. Como regla general, estas herramientas están integradas con sistemas de clase DCIM (Data Center Infrastructure Management) y le permiten predecir la aparición de situaciones de emergencia, así como optimizar el funcionamiento de los equipos de TI, la infraestructura de ingeniería e incluso el personal de servicio. Muy a menudo, los fabricantes ofrecen servicios en la nube a los propietarios de centros de datos que acumulan y procesan datos de muchos clientes. Estos sistemas generalizan la experiencia de operar diferentes centros de datos y, por lo tanto, funcionan mejor que los productos locales.
gestión de infraestructura de TI
HPE promueve el servicio de análisis predictivo en la nube para gestionar la infraestructura de TI basada en los 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 los equipos, procesa más de un millón de eventos por segundo y realiza un autoaprendizaje constante. El servicio no sólo detecta fallos, sino que también predice posibles problemas con la infraestructura informática (fallos de equipos, agotamiento de la capacidad de almacenamiento, disminución del rendimiento de las máquinas virtuales, etc.) incluso antes de que se produzcan. Para el análisis predictivo, el software VoltDB se implementa en la nube, utilizando modelos de pronóstico autorregresivos y métodos probabilísticos. Una solución similar está disponible para sistemas de almacenamiento híbridos de Tegile Systems: el servicio en la nube IntelliCare Cloud Analytics monitorea el estado, el rendimiento y el uso de recursos de los dispositivos. Dell EMC también utiliza tecnologías de inteligencia artificial y aprendizaje automático en sus soluciones informáticas de alto rendimiento. Hay muchos ejemplos similares; casi todos los principales fabricantes de equipos informáticos y sistemas de almacenamiento de datos están siguiendo este camino.
Fuente de alimentación y refrigeración.
Otro campo de aplicación de la IA en los centros de datos está relacionado con la gestión de infraestructuras de ingeniería y, sobre todo, de refrigeración, cuyo porcentaje en el consumo total de energía de una instalación puede superar el 30%. Google fue uno de los primeros en pensar en la refrigeración inteligente: en 2016, junto con DeepMind, desarrolló para monitorear componentes individuales del centro de datos, lo que redujo los costos de energía para el aire acondicionado en un 40%. Al principio sólo daba consejos al personal, pero posteriormente se mejoró y ahora puede controlar de forma independiente la refrigeración de las salas de máquinas. Una red neuronal desplegada en la nube procesa datos de miles de sensores interiores y exteriores: toma decisiones teniendo en cuenta la carga de 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 los sistemas locales vuelven a comprobar su seguridad, mientras que el personal siempre puede desactivar el modo automático y empezar a gestionar la refrigeración manualmente. Nlyte Software junto con el equipo de IBM Watson crean , que recopila datos sobre temperatura y humedad, consumo de energía y carga de equipos informáticos. Le permite optimizar el funcionamiento de los subsistemas de ingeniería y no requiere conexión a la infraestructura en la nube del fabricante; si es necesario, la solución se puede implementar directamente en el centro de datos.
Otros ejemplos
Hay muchas soluciones inteligentes innovadoras para centros de datos en el mercado y constantemente aparecen otras nuevas. Wave2Wave ha creado un sistema robótico de conmutación de cables de fibra óptica para organizar automáticamente las conexiones cruzadas en nodos de intercambio de tráfico (Meet Me Rooms) dentro del centro de datos. El sistema desarrollado por ROOT Data Center y LitBit utiliza IA para monitorear los grupos electrógenos diésel de respaldo, y Romonet ha creado una solución de software de autoaprendizaje para optimizar la infraestructura. Las soluciones creadas por Vigilent utilizan el aprendizaje automático para predecir fallas y optimizar las condiciones de temperatura en las instalaciones del centro de datos. La introducción de la inteligencia artificial, el aprendizaje automático y otras tecnologías innovadoras para la automatización de procesos en los centros de datos comenzó hace relativamente poco tiempo, pero hoy en día es una de las áreas más prometedoras del desarrollo de la industria. Los centros de datos actuales se han vuelto demasiado grandes y complejos para gestionarlos manualmente de forma eficaz.
Fuente: habr.com