Digitaalsete transformatsioonide käigus peab inimkond ehitama üha rohkem andmekeskusi. Samuti peavad andmekeskused transformeeruma: nende töökindluse ja energiatõhususe küsimused on nüüd tähtsamad kui kunagi varem. Objekti tarbimine on tohutu, ja vähenenud kriitilise IT-infrastruktuuri katkestuste kohta makstavad kulud on äridele suured. Inseneride abiks tulevad tehisintellekti ja masinõppe tehnoloogiad — viimastel aastatel on neid üha enam kasutatud tõhusamate andmekeskuste loomisel. Selline lähenemine suurendab objektide valmisolekut, vähendab katkestuste arvu ja alandab käituskulusid.
Kuidas see töötab?
Tehisintellekti ja masinõppe tehnoloogiaid kasutatakse operatiivsete otsuste automaatseks tegemiseks, tuginedes erinevatest anduritelt kogutud andmetele. Reeglina integreeritakse sellised abinõud DCIM-süsteemidega (Data Center Infrastructure Management) ja need võimaldavad prognoosida väljapääsuteenuste olukordi ning optimeerida IT-seadmestiku, inseneri-infrastruktuuri ja isegi teenindava personali tööd. Väga tihti pakuvad tootjad andmekeskuste omanikele pilveteenuseid, mis koguvad ja töötlevad paljude klientide andmeid. Sellised süsteemid kokkuvõtavad erinevate andmekeskuste kasutuskogemust, seetõttu töötavad need paremini kui kohalikud tooted.
IT-infrastruktuuri haldamine
HPE edendab ennustusanalüüsi pilveteenust IT-infrastruktuuri haldamiseks, mis on rajatud Nimble Storage ja HPE 3PAR StoreServ salvestussüsteemidele, HPE ProLiant DL/ML/BL serveritele, HPE Apollo riiulipõhistele süsteemidele ja HPE Synergy platvormile. InfoSight analüüsib seadmetes installitud andurite näite, töötledes rohkem kui miljon sündmust sekundis ja pidevalt enesetäiendades. Teenus mitte ainult ei tuvastada rikkeid, vaid ka prognoosib võimalikke probleeme IT-infrastruktuuris (seadmete rikked, salvestusruumi ammendumine, virtuaalmasinate jõudluse langus jne) veel enne nende tekkimist. Etteennustava analüütika jaoks on pilves rakendatud ettevõtte VoltDB tarkvara, mis kasutab autoregressioonimudeleid ja tõenäosusmudeleid. Sarnased lahendused on saadaval ka Tegile Systems'i hübriidsete andmesalvestussüsteemide jaoks: pilveteenus IntelliCare Cloud Analytics jälgib seadmete seisukorda, jõudlust ja ressursside kasutamist. Dell EMC kasutab ka tehisintellekti ja masinõppe tehnoloogiad oma välja töötatud suure jõudlusega arvutuste lahendustes. Selliseid näiteid on palju, ning praegu järgivad seda teed praktiliselt kõik juhtivad arvutitehnika ja andmesalvestussüsteemide tootjad.
Energiavarustus ja jahutus
Teine tehisintellekti rakendus andmekeskustes on seotud inseneri infrastruktuuri haldamisega, eelkõige jahutusega, mille osakaal objekti kogutarbimises võib ületada 30%. Üks esimesi, kes mõtles nutikale jahutusele, oli Google'i korporatsioon: 2016. aastal arendas see koos ettevõttega DeepMind välja andmete jälgimiseks eraldiseisvate andmekeskuse komponente, mis võimaldas energiasõltuvusi jahutuse vähendamine 40%. Alguses andis see ainult näpunäiteid personalile, kuid hiljem tõhustati seda ning nüüd suudab see ise hallata masinahallide jahutust. Pilves paiknev tehisintellekt töötleb andmeid tuhandelt sise- ja välisdetsensorilt: see teeb otsuseid, arvestades serverite koormust, temperatuuri ja ka väljas olevat tuulekiirus ning paljusid teisi parameetreid. Pilveteenuse pakkuja antud juhised saadetakse andmekeskusesse ja seal kontrollitakse neid veel kord kohalike süsteemide poolt turvalisuse tagamiseks, samas kui personal saab alati automaatrežiimi välja lülitada ja alustada jahutuse käsitsi juhtimist. Nlyte Software koostöös IBM Watson meeskonnaga lõi , mis kogub andmeid temperatuuri ja niiskuse, energiatarbimise ja IT-seadmete koormuse kohta. See võimaldab optimeerida inseneritehniliste aluste tööd ja ei nõua tootja pilve infrastruktuuri ühendamist — vajadusel saab lahenduse paigaldada otse andmekeskusesse.
Teised näited
Innovatiivseid nutikaid lahendusi andmekeskustele on turul palju ja uusi tekib pidevalt. Firma Wave2Wave lõi automatiseeritud disainitud kiudoptiliste kaablite ühenduse süsteemi robootika jaoks, et automatiseerida ristside paigutusi liikluse vahetuspunktides (Meet Me Room) andmekeskuse sees. ROOT Data Centeri ja LitBit'i arendatud süsteem kasutab tehisintellekti varu generaatorite jälgimiseks, samas kui Romonet on loonud iseõppiva tarkvara lahenduse infrastruktuuri optimeerimiseks. Vigilent'i loodud lahendused kasutavad masinõpet, et prognoosida rikkeid ja optimeerida temperatuuri tingimusi andmekeskuse ruumides. Tehisintellekti, masinõppe ja muude innovaatiliste tehnoloogiate rakendamine andmekeskustes automatiseerimisprotsesside jaoks on alguse saanud suhteliselt hiljuti, kuid täna on see üks kõige perspektiivikamaid suundi tööstuse arengus. Kaasaegsed andmekeskused on saanud liiga suurteks ja keerukateks, et neid tõhusalt käsitsi juhtida.
Allikas: habr.com
