Dans le cadre de la transformation numérique de l'économie, l'humanité doit construire de plus en plus de centres de données. Ces centres doivent également se transformer : la question de leur résilience et de leur efficacité énergétique est plus cruciale que jamais. Ces installations consomment une énorme quantité d'électricité, et les pannes des infrastructures informatiques critiques qu'elles hébergent coûtent cher aux entreprises. Les technologies d'intelligence artificielle et d'apprentissage automatique viennent au secours des ingénieurs — ces dernières années, elles sont de plus en plus utilisées pour créer des centres de données plus performants. Cette approche augmente le niveau de préparation des installations, réduit le nombre de pannes et diminue les coûts d'exploitation.
Comment cela fonctionne ?
Les technologies d'intelligence artificielle et d'apprentissage automatique sont utilisées pour automatiser la prise de décisions opérationnelles sur la base des données collectées par divers capteurs. En général, ces outils sont intégrés avec des systèmes de type DCIM (Gestion des infrastructures des centres de données) et permettent de prévoir l'apparition de situations d'urgence, ainsi que d'optimiser le fonctionnement du matériel informatique, de l'infrastructure technique et même du personnel de maintenance. Très souvent, les fabricants proposent aux propriétaires de centres de données des services cloud qui accumulent et traitent les données de nombreux clients. Ces systèmes synthétisent l'expérience d'exploitation de différents centres de données, ce qui les rend plus performants que les produits locaux.
Gestion de l'infrastructure informatique
La société HPE promeut un service cloud d'analyse prédictive pour la gestion de l'infrastructure informatique basée sur les systèmes de stockage Nimble Storage et HPE 3PAR StoreServ, les serveurs HPE ProLiant DL/ML/BL, les systèmes de rack HPE Apollo et la plateforme HPE Synergy. InfoSight analyse les données des capteurs installés dans le matériel, traitant plus d'un million d'événements par seconde et s'auto-formant en permanence. Le service non seulement détecte les pannes, mais prédit également les problèmes potentiels de l'infrastructure informatique (pannes de matériel, saturation de la capacité de stockage, diminution des performances des machines virtuelles, etc.) avant qu'ils ne se produisent. Pour l'analyse prédictive dans le cloud, un logiciel de la société VoltDB a été déployé, utilisant des modèles autorégressifs de prévision et des méthodes probabilistes. Une solution similaire est également disponible pour les systèmes de stockage hybrides de la société Tegile Systems : le service cloud IntelliCare Cloud Analytics surveille l'état, la performance et l'utilisation des ressources des dispositifs. Les technologies d'intelligence artificielle et d'apprentissage automatique sont également utilisées par Dell EMC dans ses solutions pour le calcul haute performance. De nombreux exemples de ce type existent, et pratiquement tous les principaux fabricants de matériel informatique et de systèmes de stockage de données suivent actuellement cette voie.
Alimentation électrique et refroidissement
Une autre application de l'IA dans les centres de données est liée à la gestion de l'infrastructure technique, notamment le refroidissement, dont la part dans la consommation énergétique totale peut dépasser 30 %. L'une des premières à réfléchir à un refroidissement intelligent a été la société Google : en 2016, elle a développé conjointement avec la société DeepMind Pour surveiller des composants spécifiques des centres de données, permettant de réduire de 40 % la consommation d'énergie pour le refroidissement. À l'origine, elle se limitait à fournir des conseils au personnel, mais a depuis été améliorée et peut maintenant gérer le refroidissement des salles machines de manière autonome. Déployée dans le cloud, un réseau neuronal traite les données de milliers de capteurs internes et externes : il prend des décisions en tenant compte de la charge sur les serveurs, des températures, ainsi que de la vitesse du vent à l'extérieur et de nombreux autres paramètres. Les instructions fournies par le système cloud sont envoyées au centre de données et vérifiées de nouveau pour leur sécurité par les systèmes locaux, tout en permettant au personnel de désactiver le mode automatique et de commencer à gérer le refroidissement manuellement. Nlyte Software, en collaboration avec l'équipe IBM Watson, a créé , qui recueille des données sur la température et l'humidité, la consommation d'énergie et la charge de l'équipement informatique. Il permet d'optimiser le fonctionnement des sous-systèmes techniques et ne nécessite pas de connexion à l'infrastructure cloud du fabricant—si nécessaire, la solution peut être déployée directement dans le centre de données.
D'autres exemples
Il existe de nombreuses solutions innovantes et intelligentes pour les centres de données sur le marché et de nouvelles apparaissent constamment. L'entreprise Wave2Wave a développé un système robotisé de commutation de câbles à fibre optique pour organiser automatiquement les connexions croisées dans les points d'échange de trafic (Meet Me Room) à l'intérieur du centre de données. Le système développé par ROOT Data Center et LitBit utilise l'IA pour surveiller les groupes électrogènes de secours, tandis que Romonet a créé une solution logicielle auto-apprenante pour optimiser l'infrastructure. Les solutions de l'entreprise Vigilent utilisent l'apprentissage automatique pour prédire les pannes et optimiser la température dans les salles du centre de données. L'introduction de l'intelligence artificielle, de l'apprentissage automatique et d'autres technologies innovantes pour l'automatisation des processus dans les centres de données a commencé relativement récemment, mais aujourd'hui, c'est l'un des domaines de développement les plus prometteurs de l'industrie. Les centres de données modernes sont devenus trop grands et trop complexes pour être gérés efficacement manuellement.
Source : habr.com
