Talouden digitaalisen muutoksen myötä ihmiskunnan on rakennettava yhä enemmän tietojenkäsittelykeskuksia. Myös itse konesaleja on muutettava: niiden vikasietoisuus ja energiatehokkuus ovat nyt tärkeämpiä kuin koskaan. Toimitilat kuluttavat valtavia määriä sähköä, ja niissä sijaitsevan kriittisen IT-infrastruktuurin viat ovat yrityksille kalliita. Tekoäly ja koneoppimisteknologiat tulevat insinöörien avuksi – viime vuosina niitä on käytetty yhä enemmän kehittyneempien datakeskusten luomiseen. Tämä lähestymistapa lisää tilojen saatavuutta, vähentää vikojen määrää ja alentaa käyttökustannuksia.
Miten se toimii?
Tekoäly- ja koneoppimistekniikoita käytetään automatisoimaan operatiivista päätöksentekoa eri antureilta kerätyn datan perusteella. Tällaiset työkalut on pääsääntöisesti integroitu DCIM (Data Center Infrastructure Management) -luokan järjestelmiin ja mahdollistavat hätätilanteiden ennakoinnin sekä IT-laitteiden, suunnitteluinfrastruktuurin ja jopa huoltohenkilöstön toiminnan optimoinnin. Hyvin usein valmistajat tarjoavat pilvipalveluita konesalien omistajille, jotka keräävät ja käsittelevät tietoja monilta asiakkailta. Tällaiset järjestelmät yleistävät erilaisten datakeskusten käyttökokemuksen ja toimivat siten paremmin kuin paikalliset tuotteet.
IT-infrastruktuurin hallinta
HPE edistää pilven ennustavaa analytiikkapalvelua hallita IT-infrastruktuuria, joka perustuu Nimble Storage- ja HPE 3PAR StoreServ -tallennusjärjestelmiin, HPE ProLiant DL/ML/BL -palvelimiin, HPE Apollo -telinejärjestelmiin ja HPE Synergy -alustaan. InfoSight analysoi laitteisiin asennettujen antureiden lukemia, prosessoi yli miljoona tapahtumaa sekunnissa ja oppii jatkuvasti itseään. Palvelu ei vain havaitse vikoja, vaan myös ennakoi mahdollisia IT-infrastruktuurin ongelmia (laitevikoja, tallennuskapasiteetin loppumista, virtuaalikoneiden suorituskyvyn heikkenemistä jne.) jo ennen niiden ilmenemistä. Ennakoivaa analytiikkaa varten VoltDB-ohjelmisto on otettu käyttöön pilvessä käyttämällä autoregressiivisiä ennustemalleja ja todennäköisyysmenetelmiä. Tegile Systemsin hybriditallennusjärjestelmiin on saatavilla vastaava ratkaisu: IntelliCare Cloud Analytics -pilvipalvelu valvoo laitteiden kuntoa, suorituskykyä ja resurssien käyttöä. Dell EMC käyttää myös tekoälyä ja koneoppimistekniikoita tehokkaissa laskentaratkaisuissaan. Vastaavia esimerkkejä on monia, ja lähes kaikki johtavat laskentalaitteiden ja tietojen tallennusjärjestelmien valmistajat seuraavat nyt tätä tietä.
Virtalähde ja jäähdytys
Toinen tekoälyn sovellusalue palvelinkeskuksissa liittyy teknisen infrastruktuurin hallintaan ja ennen kaikkea jäähdytykseen, jonka osuus kiinteistön kokonaisenergiankulutuksesta voi ylittää 30 %. Google oli ensimmäisten joukossa, joka mietti älykästä jäähdytystä: vuonna 2016 se kehitti yhdessä DeepMindin kanssa yksittäisten konesalikomponenttien valvontaan, mikä alensi ilmastoinnin energiakustannuksia 40 %. Aluksi se antoi vain vihjeitä henkilökunnalle, mutta sitä parannettiin myöhemmin ja pystyy nyt ohjaamaan konehuoneiden jäähdytystä itsenäisesti. Pilveen sijoitettu hermoverkko käsittelee tuhansien sisä- ja ulkoantureiden dataa: se tekee päätöksiä ottaen huomioon palvelimien kuormituksen, lämpötilan sekä tuulen nopeuden ulkona ja monet muut parametrit. Pilvijärjestelmän tarjoamat ohjeet lähetetään konesaliin, jossa ne tarkistetaan jälleen kerran paikallisten järjestelmien varalta, kun taas henkilökunta voi aina sammuttaa automaattitilan ja aloittaa jäähdytyksen manuaalisen hallinnan. Nlyte Software luotiin yhdessä IBM Watson -tiimin kanssa , joka kerää tietoja lämpötilasta ja kosteudesta, energiankulutuksesta ja IT-laitteiden kuormituksesta. Sen avulla voit optimoida suunnittelun osajärjestelmien toiminnan, eikä se vaadi yhteyttä valmistajan pilviinfrastruktuuriin – tarvittaessa ratkaisu voidaan ottaa käyttöön suoraan konesalissa.
Muita esimerkkejä
Markkinoilla on paljon innovatiivisia älykkäitä ratkaisuja datakeskuksiin ja uusia tulee jatkuvasti. Wave2Wave on luonut robotin valokaapelin kytkentäjärjestelmän, joka järjestää automaattisesti ristikytkennät datakeskuksen liikenteen vaihtosolmuissa (Meet Me Rooms). ROOT Data Centerin ja LitBitin kehittämä järjestelmä käyttää tekoälyä varadieselgeneraattoreiden valvontaan, ja Romonet on luonut itseoppivan ohjelmistoratkaisun infrastruktuurin optimointiin. Vigilentin luomissa ratkaisuissa koneoppimisen avulla ennakoidaan vikoja ja optimoidaan konesalin tilojen lämpötilaolosuhteet. Tekoälyn, koneoppimisen ja muiden innovatiivisten prosessiautomaatioteknologioiden käyttöönotto datakeskuksissa aloitettiin suhteellisen äskettäin, mutta nykyään tämä on yksi lupaavimpia teollisuuden kehittämisen alueita. Nykypäivän palvelinkeskuksista on tullut liian suuria ja monimutkaisia, jotta niitä voidaan hallita tehokkaasti manuaalisesti.
Lähde: will.com