No proceso de transformación dixital da economía, a humanidade ten que construír cada vez máis centros de procesamento de datos. Os propios centros de datos tamén deben transformarse: os problemas de tolerancia a fallos e eficiencia enerxética son agora máis importantes que nunca. As instalacións consomen enormes cantidades de electricidade e os fallos das infraestruturas de TI críticas localizadas nelas son custosos para as empresas. A intelixencia artificial e as tecnoloxías de aprendizaxe automática están chegando en auxilio dos enxeñeiros; nos últimos anos utilizáronse cada vez máis para crear centros de datos máis avanzados. Este enfoque aumenta a dispoñibilidade das instalacións, reduce o número de fallos e reduce os custos operativos.
Como funciona isto?
A intelixencia artificial e as tecnoloxías de aprendizaxe automática utilízanse para automatizar a toma de decisións operativas baseándose nos datos recollidos de varios sensores. Como regra xeral, tales ferramentas están integradas con sistemas de clase DCIM (Data Center Infrastructure Management) e permítenlle prever a aparición de situacións de emerxencia, así como optimizar o funcionamento dos equipos informáticos, a infraestrutura de enxeñería e mesmo o persoal de servizo. Moitas veces, os fabricantes ofrecen servizos na nube aos propietarios de centros de datos que acumulan e procesan datos de moitos clientes. Estes sistemas xeneralizan a experiencia de operar diferentes centros de datos e, polo tanto, funcionan mellor que os produtos locais.
xestión de infraestruturas de TI
HPE promove o servizo de análise preditiva na nube para xestionar a infraestrutura de TI construída nos sistemas de almacenamento Nimble Storage e HPE 3PAR StoreServ, servidores HPE ProLiant DL/ML/BL, sistemas de rack HPE Apollo e plataforma HPE Synergy. InfoSight analiza as lecturas dos sensores instalados nos equipos, procesando máis dun millón de eventos por segundo e aprendendo constantemente. O servizo non só detecta avarías, senón que tamén prevé posibles problemas coa infraestrutura informática (fallas dos equipos, esgotamento da capacidade de almacenamento, diminución do rendemento das máquinas virtuais, etc.) mesmo antes de que se produzan. Para a análise preditiva, o software VoltDB está implantado na nube, utilizando modelos de predición autorregresivo e métodos probabilísticos. Unha solución similar está dispoñible para os sistemas de almacenamento híbridos de Tegile Systems: o servizo na nube IntelliCare Cloud Analytics supervisa a saúde, o rendemento e o uso de recursos dos dispositivos. Dell EMC tamén utiliza tecnoloxías de intelixencia artificial e aprendizaxe automática nas súas solucións informáticas de alto rendemento. Hai moitos exemplos similares; case todos os principais fabricantes de equipos informáticos e sistemas de almacenamento de datos seguen agora este camiño.
Alimentación e refrixeración
Outro ámbito de aplicación da IA nos centros de datos está relacionado coa xestión de infraestruturas de enxeñería e, sobre todo, de refrixeración, cuxa participación no consumo total de enerxía dunha instalación pode superar o 30%. Google foi un dos primeiros en pensar en refrixeración intelixente: en 2016, xunto con DeepMind, desenvolveu para supervisar compoñentes individuais do centro de datos, o que reduciu os custos enerxéticos do aire acondicionado nun 40%. Inicialmente, só daba pistas ao persoal, pero posteriormente mellorouse e agora pode controlar o arrefriamento das salas de máquinas de forma independente. Unha rede neuronal despregada na nube procesa datos de miles de sensores interiores e exteriores: toma decisións tendo en conta a carga dos servidores, a temperatura, así como a velocidade do vento no exterior e moitos outros parámetros. As instrucións que ofrece o sistema na nube son enviadas ao centro de datos e alí son revisadas de novo a seguridade polos sistemas locais, mentres que o persoal sempre pode desactivar o modo automático e comezar a xestionar o arrefriamento manualmente. Creouse Nlyte Software xunto co equipo de IBM Watson , que recolle datos sobre temperatura e humidade, consumo de enerxía e carga dos equipos informáticos. Permítelle optimizar o funcionamento dos subsistemas de enxeñería e non require conexión á infraestrutura na nube do fabricante; se é necesario, a solución pódese implementar directamente no centro de datos.
Outros exemplos
No mercado hai moitas solucións intelixentes innovadoras para centros de datos e constantemente aparecen novas. Wave2Wave creou un sistema robótico de conmutación de cables de fibra óptica para organizar automaticamente as conexións cruzadas nos nodos de intercambio de tráfico (Meet Me Rooms) dentro do centro de datos. O sistema desenvolvido por ROOT Data Center e LitBit usa a intelixencia artificial para supervisar os xeradores diésel de reserva, e Romonet creou unha solución de software de autoaprendizaxe para optimizar a infraestrutura. As solucións creadas por Vigilent utilizan a aprendizaxe automática para predicir fallos e optimizar as condicións de temperatura nas instalacións do centro de datos. A introdución da intelixencia artificial, a aprendizaxe automática e outras tecnoloxías innovadoras para a automatización de procesos nos centros de datos comezou hai relativamente pouco, pero hoxe esta é unha das áreas máis prometedoras do desenvolvemento da industria. Os centros de datos actuais volvéronse demasiado grandes e complexos para ser xestionados manualmente de forma eficaz.
Fonte: www.habr.com