Majanduse digitaalse ümberkujundamise käigus peab inimkond ehitama üha rohkem andmetöötluskeskusi. Samuti tuleb ümber kujundada andmekeskused ise: nende rikketaluvus ja energiatõhusus on nüüd olulisemad kui kunagi varem. Rajatised tarbivad tohutult elektrit ja neis paikneva kriitilise IT-infrastruktuuri rikked on ettevõtetele kulukad. Tehisintellekt ja masinõppetehnoloogiad tulevad inseneridele appi – viimastel aastatel on neid üha enam kasutatud arenenumate andmekeskuste loomisel. Selline lähenemine suurendab rajatiste kättesaadavust, vähendab rikete arvu ja tegevuskulusid.
Kuidas see toimib?
Tehisintellekti ja masinõppe tehnoloogiaid kasutatakse erinevatelt anduritelt kogutud andmete põhjal operatiivsete otsuste tegemise automatiseerimiseks. Reeglina on sellised tööriistad integreeritud DCIM (Data Center Infrastructure Management) klassi süsteemidega ja võimaldavad ennustada hädaolukordade tekkimist, samuti optimeerida IT-seadmete, inseneritaristu ja isegi teeninduspersonali tööd. Väga sageli pakuvad tootjad pilveteenuseid andmekeskuste omanikele, kes koguvad ja töötlevad paljude klientide andmeid. Sellised süsteemid üldistavad erinevate andmekeskuste kasutamise kogemust ja töötavad seetõttu paremini kui kohalikud tooted.
IT infrastruktuuri haldamine
HPE reklaamib pilve ennustavat analüüsiteenust Nimble Storage ja HPE 3PAR StoreServ salvestussüsteemidele, HPE ProLiant DL/ML/BL serveritele, HPE Apollo racksüsteemidele ja HPE Synergy platvormile ehitatud IT-taristu haldamiseks. InfoSight analüüsib seadmetesse paigaldatud andurite näitu, töötleb üle miljoni sündmuse sekundis ja õpib pidevalt ise. Teenus mitte ainult ei tuvasta rikkeid, vaid ennustab ka võimalikke probleeme IT infrastruktuuriga (seadmete rikked, salvestusmahu ammendumine, virtuaalmasinate jõudluse langus jne) juba enne nende tekkimist. Ennustava analüüsi jaoks kasutatakse VoltDB tarkvara pilves, kasutades autoregressiivseid prognoosimudeleid ja tõenäosuslikke meetodeid. Sarnane lahendus on saadaval ka Tegile Systemsi hübriidsalvestussüsteemidele: pilveteenus IntelliCare Cloud Analytics jälgib seadmete tervist, jõudlust ja ressursikasutust. Tehisintellekti ja masinõppe tehnoloogiaid kasutab ka Dell EMC oma suure jõudlusega andmetöötluslahendustes. Sarnaseid näiteid on palju, seda teed järgivad nüüd peaaegu kõik juhtivad arvutusseadmete ja andmesalvestussüsteemide tootjad.
Toide ja jahutus
Teine tehisintellekti kasutusvaldkond andmekeskustes on seotud inseneritaristu haldamisega ja eelkõige jahutusega, mille osakaal objekti kogu energiatarbimises võib ületada 30%. Google oli üks esimesi, kes mõtles nutika jahutuse peale: 2016. aastal arendas see koos DeepMindiga üksikute andmekeskuse komponentide jälgimiseks, mis vähendas kliimaseadmete energiakulusid 40%. Algselt andis see ainult vihjeid töötajatele, kuid hiljem täiustati ja nüüd saab masinaruumide jahutust iseseisvalt juhtida. Pilve paigutatud närvivõrk töötleb tuhandete sise- ja välisandurite andmeid: teeb otsuseid, võttes arvesse serverite koormust, temperatuuri, aga ka tuule kiirust väljas ja paljusid muid parameetreid. Pilvesüsteemi pakutavad juhised saadetakse andmekeskusesse ja seal kontrollivad need turvalisust veel kord kohalike süsteemide poolt, kusjuures personal saab alati automaatrežiimi välja lülitada ja jahutust käsitsi juhtida. Nlyte Software koos IBM Watsoni meeskonnaga loodud , mis kogub andmeid temperatuuri ja niiskuse, energiakulu ja IT-seadmete koormuse kohta. See võimaldab optimeerida insenertehniliste alamsüsteemide tööd ega vaja ühendust tootja pilvetaristuga – vajadusel saab lahenduse juurutada otse andmekeskuses.
Muud näited
Innovaatilisi nutilahendusi andmekeskustele on turul palju ja uusi tuleb juurde pidevalt. Wave2Wave on loonud robotkiudoptilise kaabli lülitussüsteemi, et automaatselt korraldada ristühendusi andmekeskuse sees olevates liiklusvahetussõlmedes (Meet Me Rooms). ROOT Data Centeri ja LitBiti arendatud süsteem kasutab AI-d diiselgeneraatorite varugeneraatorite jälgimiseks ning Romonet on loonud iseõppiva tarkvaralahenduse taristu optimeerimiseks. Vigilenti loodud lahendused kasutavad masinõpet, et ennustada tõrkeid ja optimeerida andmekeskuse ruumide temperatuuritingimusi. Tehisintellekti, masinõppe ja muude uuenduslike tehnoloogiate kasutuselevõtt protsesside automatiseerimiseks andmekeskustes algas suhteliselt hiljuti, kuid tänaseks on see tööstuse arengu üks paljutõotavamaid valdkondi. Tänapäeva andmekeskused on muutunud liiga suureks ja keerukaks, et neid tõhusalt käsitsi hallata.
Allikas: www.habr.com