Digitaalse transformatsiooni käigus peab inimkond looma üha rohkem andmekeskusi. Andmekeskused peavad samuti muutuma: nende töökindluse ja energiatõhususe küsimused on nüüd tähtsamad kui kunagi varem. Need objeked tarbivad tohutult energiat ning häired nendes asuvates kriitiliselt olulistes IT-infrastruktuurides maksavad ettevõtetele kalliks. Inseneridele tulevad appi tehisintellekti ja masinõppe tehnoloogiad – viimastel aastatel on neid järjest rohkem kasutatud täiustatud andmekeskuste loomiseks. Selline lähenemine suurendab objektide valmisoleku taset, vähendab rikete arvu ja alandab opereerimiskulusid.
Kuidas see töötab?
Tehisintellekti ja masinõppe tehnoloogiaid kasutatakse operatiivsete otsuste automatiseerimiseks, tuginedes mitmesugustest anduritest kogutud andmetele. Sellised vahendid integreeritakse tavaliselt DCIM (Data Center Infrastructure Management) klassi süsteemidega, et ennustada erakorraliste olukordade tekkimist ning optimeerida IT-seadmete, inseneriinfrastruktuuri ja isegi teenindava personali tööd. Sageli pakuvad tootjad andmekeskuste omanikele pilveteenuseid, mis koguvad ja töötlevad paljusid kliendiandmeid. Sellised süsteemid üldistavad erinevate andmekeskuste tegevuse kogemust, mistõttu nad töötavad paremini kui kohalikud tooted.
IT-infrastruktuuri haldamine
HPE reklaamib ennustava analüüsi pilveteenust IT-infrastruktuuri haldamiseks, mis on üles ehitatud Nimble Storage ja HPE 3PAR StoreServ andmesalvestussüsteemidele, HPE ProLiant DL/ML/BL serveritele, HPE Apollo riiulisüsteemidele ja HPE Synergy platvormile. InfoSight analüüsib varustatud seadmetes asuvate sensorite näitajaid, töödeldes üle miljone sündmuse sekundis ja pidevalt enesekehtestades. Teenus mitte ainult ei tuvasta tõrkeid, vaid ka ennustab võimalikke probleeme IT-infrastruktuuriga (seadmestike rikked, andmesalvestuse mahutavuse ammendamine, virtuaalmasinate jõudluse langemine jne) enne nende esinemist. Ennustava analüütika jaoks on pilves kasutusele võetud VoltDB tarkvara, mis kasutab autoregressiivseid ennustamismudeleid ja tõenäosusmeetodeid. Sarnane lahendus on saadaval ka Tegile Systems'i hübriidsüsteemide jaoks: pilveteenus IntelliCare Cloud Analytics jälgib seadmete olekut, jõudlust ja ressursside kasutust. Dell EMC kasutab oma kõrgsoorituse lahendustes samuti tehisintellekti ja masinõppe tehnoloogiaid. Selliseid näiteid on palju, seda teed järgivad praegu praktiliselt kõik juhtivad arvutitehnika ja andmesalvestussüsteemide tootjad.
Energiavarustus ja jahutus
Teise rakenduse valdkond AI andmekeskustes on seotud inseneri infrastruktuuri haldamisega, eelkõige jahutamisega, mille osakaal kogu objekti energiatarbimises võib ületada 30%. Üks esimesi, kes mõtles nutikast jahutusest, oli Google: 2016. aastal koos ettevõttega DeepMind töötati välja andmete jälgimiseks andmekeskuse üksikute komponentide kohta, mis on võimaldanud vähendada jahutuse energiatarbimist kuni 40%. Alguses andis see vaid vihjeid töötajatele, kuid hiljem täiustati seda, et see suudaks masinate jahutust iseseisvalt juhtida. Pilves töötav närvivõrk töödeldes andmeid tuhandetest sise- ja välisedetektoritest: see teeb otsuseid arvestades serverite koormust, temperatuuri, samuti väljas oleva tuule kiirusest ja paljusid muid parameetreid. Pilvesüsteem pakub juhiseid, mis saadetakse andmekeskusesse ja kontrollitakse seal kohalikud süsteemid veelkord enne ohutuse tagamist, samas kui töötajad saavad alati automaatrežiimi välja lülitada ja jahutust käsitsi juhtida. , mis kogub andmeid temperatuurist ja niiskusest, energiatarbimisest ja IT-seadmete koormusest. See võimaldab optimeerida inseneriteenuste tööd ega vaja tootja pilvinfrastruktuuri ühendamist — vajadusel saab lahenduse paigaldada otseselt andmekeskusesse.
Teised näited
Turu keskuses on palju uuenduslikke nutikaid lahendusi ning uusi ilmub pidevalt. Wave2Wave on loonud robotiseeritud süsteemi kiudoptiliste kaablite vahetamiseks, et automatiseerida ühenduste korraldamist liiklust vahetamise punktides (Meet Me Room) andmekeskustes. ROOT Data Center ja LitBit välja töötatud süsteem kasutab tehisintellekti varu DGUs jälgimiseks, samas kui Romonet on loonud iseseisvalt õppiva tarkvaralahenduse infrastruktuuri optimeerimiseks. Vigilenti loodud lahendused kasutavad masinõpet rikete ennustamiseks ja õhutemperatuuri optimeerimiseks andmekeskuse ruumides. Tehisintellekti, masinõppe ja muude uuenduslike tehnoloogiate rakendamine andmekeskustes protsesside automatiseerimiseks on alustatud alles hiljuti, kuid tänaseks on see üks kõige paljutõotavamaid valdkondi tööstuse arengus. Kaasaegsed andmekeskused on muutunud liiga suurteks ja keerukateks, et neid tõhusalt käsitsi hallata.
Allikas: habr.com
