Dans le processus de transformation numérique de l’économie, l’humanité doit construire de plus en plus de centres de traitement de données. Les centres de données eux-mêmes doivent également être transformés : les questions de tolérance aux pannes et d’efficacité énergétique sont désormais plus importantes que jamais. Les installations consomment d’énormes quantités d’électricité et les pannes des infrastructures informatiques critiques qui s’y trouvent coûtent cher aux entreprises. Les technologies d'intelligence artificielle et d'apprentissage automatique viennent en aide aux ingénieurs - ces dernières années, elles ont été de plus en plus utilisées pour créer des centres de données plus avancés. Cette approche augmente la disponibilité des installations, réduit le nombre de pannes et réduit les coûts d'exploitation.
Comment ça marche?
Les technologies d’intelligence artificielle et d’apprentissage automatique sont utilisées pour automatiser la prise de décision opérationnelle basée sur les données collectées à partir de divers capteurs. En règle générale, ces outils sont intégrés aux systèmes de classe DCIM (Data Center Infrastructure Management) et vous permettent de prédire l'apparition de situations d'urgence, ainsi que d'optimiser le fonctionnement des équipements informatiques, des infrastructures d'ingénierie et même du personnel de service. Très souvent, les fabricants proposent des services cloud aux propriétaires de centres de données qui accumulent et traitent les données de nombreux clients. De tels systèmes généralisent l'expérience d'exploitation de différents centres de données et fonctionnent donc mieux que les produits locaux.
Gestion des infrastructures informatiques
HPE promeut le service d'analyse prédictive cloud pour gérer l'infrastructure informatique construite sur les systèmes de stockage Nimble Storage et HPE 3PAR StoreServ, les serveurs HPE ProLiant DL/ML/BL, les systèmes rack HPE Apollo et la plateforme HPE Synergy. InfoSight analyse les relevés des capteurs installés dans les équipements, traitant plus d'un million d'événements par seconde et s'auto-apprenant en permanence. Le service détecte non seulement les pannes, mais prédit également d'éventuels problèmes avec l'infrastructure informatique (pannes d'équipement, épuisement de la capacité de stockage, diminution des performances des machines virtuelles, etc.) avant même qu'ils ne surviennent. Pour l'analyse prédictive, le logiciel VoltDB est déployé dans le cloud, à l'aide de modèles de prévision autorégressifs et de méthodes probabilistes. Une solution similaire est disponible pour les systèmes de stockage hybrides de Tegile Systems : le service cloud IntelliCare Cloud Analytics surveille la santé, les performances et l'utilisation des ressources des appareils. Les technologies d’intelligence artificielle et d’apprentissage automatique sont également utilisées par Dell EMC dans ses solutions informatiques hautes performances. Il existe de nombreux exemples similaires ; presque tous les principaux fabricants d’équipements informatiques et de systèmes de stockage de données suivent désormais cette voie.
Alimentation et refroidissement
Un autre domaine d'application de l'IA dans les centres de données est lié à la gestion des infrastructures d'ingénierie et, surtout, au refroidissement, dont la part dans la consommation énergétique totale d'une installation peut dépasser 30 %. Google a été l'un des premiers à réfléchir au refroidissement intelligent : en 2016, en collaboration avec DeepMind, il a développé pour surveiller les composants individuels du centre de données, ce qui a permis de réduire les coûts énergétiques liés à la climatisation de 40 %. Initialement, il ne donnait que des indications au personnel, mais il a ensuite été amélioré et peut désormais contrôler de manière indépendante le refroidissement des salles des machines. Un réseau de neurones déployé dans le cloud traite les données de milliers de capteurs intérieurs et extérieurs : il prend des décisions en tenant compte de la charge des serveurs, de la température, mais aussi de la vitesse du vent extérieur et de nombreux autres paramètres. Les instructions proposées par le système cloud sont envoyées au centre de données et là, leur sécurité est à nouveau vérifiée par les systèmes locaux, tandis que le personnel peut toujours désactiver le mode automatique et commencer à gérer le refroidissement manuellement. Nlyte Software et l'équipe IBM Watson ont créé , qui collecte des données sur la température et l'humidité, la consommation d'énergie et la charge des équipements informatiques. Il vous permet d'optimiser le fonctionnement des sous-systèmes d'ingénierie 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.
Autres exemples
Il existe sur le marché de nombreuses solutions intelligentes innovantes pour les centres de données et de nouvelles apparaissent constamment. Wave2Wave a créé un système robotisé de commutation de câbles à fibre optique pour organiser automatiquement les connexions croisées dans les nœuds d'échange de trafic (Meet Me Rooms) à l'intérieur du centre de données. Le système développé par ROOT Data Center et LitBit utilise l'IA pour surveiller les groupes électrogènes diesel de secours, et Romonet a créé une solution logicielle d'auto-apprentissage pour optimiser l'infrastructure. Les solutions créées par Vigilent utilisent l'apprentissage automatique pour prédire les pannes et optimiser les conditions de température dans les locaux des centres 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 il s'agit aujourd'hui de l'un des domaines de développement industriel les plus prometteurs. Les centres de données d'aujourd'hui sont devenus trop grands et complexes pour être gérés manuellement de manière efficace.
Source: habr.com