ડેટા સેન્ટરમાં રોબોટ્સ: આર્ટિફિશિયલ ઈન્ટેલિજન્સ કેવી રીતે ઉપયોગી થઈ શકે?

અર્થવ્યવસ્થાના ડિજિટલ પરિવર્તનની પ્રક્રિયામાં, માનવતાએ વધુને વધુ ડેટા પ્રોસેસિંગ કેન્દ્રો બનાવવા પડશે. ડેટા કેન્દ્રો પોતે પણ રૂપાંતરિત હોવા જોઈએ: તેમની ખામી સહિષ્ણુતા અને ઊર્જા કાર્યક્ષમતાના મુદ્દાઓ હવે પહેલા કરતા વધુ મહત્વપૂર્ણ છે. સુવિધાઓ વિપુલ પ્રમાણમાં વીજળીનો વપરાશ કરે છે, અને તેમની અંદર સ્થિત મહત્વપૂર્ણ IT ઈન્ફ્રાસ્ટ્રક્ચરની નિષ્ફળતા વ્યવસાયો માટે મોંઘી પડે છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ ટેક્નોલોજીઓ ઇજનેરોની મદદ માટે આવી રહી છે - તાજેતરના વર્ષોમાં તેઓ વધુ અદ્યતન ડેટા સેન્ટર્સ બનાવવા માટે વધુને વધુ ઉપયોગમાં લેવાય છે. આ અભિગમ સુવિધાઓની ઉપલબ્ધતામાં વધારો કરે છે, નિષ્ફળતાઓની સંખ્યા ઘટાડે છે અને સંચાલન ખર્ચ ઘટાડે છે.

તે કેવી રીતે કામ કરે છે?

આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ ટેક્નોલોજીનો ઉપયોગ વિવિધ સેન્સરમાંથી એકત્રિત કરવામાં આવેલા ડેટાના આધારે ઓપરેશનલ નિર્ણય લેવાનું સ્વચાલિત કરવા માટે થાય છે. નિયમ પ્રમાણે, આવા સાધનો DCIM (ડેટા સેન્ટર ઈન્ફ્રાસ્ટ્રક્ચર મેનેજમેન્ટ) ક્લાસ સિસ્ટમ્સ સાથે સંકલિત છે અને તમને કટોકટીની પરિસ્થિતિઓની ઘટનાની આગાહી કરવાની મંજૂરી આપે છે, તેમજ IT સાધનો, એન્જિનિયરિંગ ઈન્ફ્રાસ્ટ્રક્ચર અને સેવા કર્મચારીઓના સંચાલનને પણ ઑપ્ટિમાઇઝ કરે છે. ઘણી વાર, ઉત્પાદકો ડેટા સેન્ટરના માલિકોને ક્લાઉડ સેવાઓ પ્રદાન કરે છે જે ઘણા ગ્રાહકો પાસેથી ડેટા એકઠા કરે છે અને તેની પ્રક્રિયા કરે છે. આવી સિસ્ટમો વિવિધ ડેટા સેન્ટરના સંચાલનના અનુભવને સામાન્ય બનાવે છે અને તેથી સ્થાનિક ઉત્પાદનો કરતાં વધુ સારી રીતે કાર્ય કરે છે.

આઇટી ઇન્ફ્રાસ્ટ્રક્ચર મેનેજમેન્ટ

HPE ક્લાઉડ પ્રિડિક્ટિવ એનાલિટિક્સ સેવાને પ્રોત્સાહન આપે છે ઇન્ફોસાઇટ Nimble Storage અને HPE 3PAR StoreServ સ્ટોરેજ સિસ્ટમ્સ, HPE ProLiant DL/ML/BL સર્વર્સ, HPE એપોલો રેક સિસ્ટમ્સ અને HPE સિનર્જી પ્લેટફોર્મ પર બનેલ આઇટી ઇન્ફ્રાસ્ટ્રક્ચરનું સંચાલન કરવા માટે. ઇન્ફોસાઇટ સાધનસામગ્રીમાં સ્થાપિત સેન્સરના રીડિંગ્સનું વિશ્લેષણ કરે છે, પ્રતિ સેકન્ડમાં એક મિલિયનથી વધુ ઇવેન્ટ્સ પર પ્રક્રિયા કરે છે અને સતત સ્વ-શિક્ષણ કરે છે. સેવા માત્ર ખામીઓ જ શોધી શકતી નથી, પરંતુ તે થાય તે પહેલાં જ IT ઈન્ફ્રાસ્ટ્રક્ચર (ઉપકરણોની નિષ્ફળતા, સંગ્રહ ક્ષમતાનો થાક, વર્ચ્યુઅલ મશીનોની કામગીરીમાં ઘટાડો વગેરે) સાથે સંભવિત સમસ્યાઓની આગાહી પણ કરે છે. અનુમાનિત એનાલિટિક્સ માટે, વોલ્ટડીબી સોફ્ટવેર ક્લાઉડમાં જમાવવામાં આવે છે, ઓટોરેગ્રેસિવ ફોરકાસ્ટિંગ મોડલ્સ અને સંભવિત પદ્ધતિઓનો ઉપયોગ કરીને. ટેગીલ સિસ્ટમ્સમાંથી હાઇબ્રિડ સ્ટોરેજ સિસ્ટમ્સ માટે સમાન સોલ્યુશન ઉપલબ્ધ છે: ઇન્ટેલિકેર ક્લાઉડ એનાલિટિક્સ ક્લાઉડ સેવા ઉપકરણોના આરોગ્ય, પ્રદર્શન અને સંસાધન વપરાશ પર નજર રાખે છે. ડેલ EMC દ્વારા તેના ઉચ્ચ-પ્રદર્શન કમ્પ્યુટિંગ સોલ્યુશન્સમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ ટેક્નોલોજીનો પણ ઉપયોગ કરવામાં આવે છે. ઘણા સમાન ઉદાહરણો છે; કમ્પ્યુટિંગ સાધનો અને ડેટા સ્ટોરેજ સિસ્ટમ્સના લગભગ તમામ અગ્રણી ઉત્પાદકો હવે આ માર્ગને અનુસરી રહ્યા છે.

વીજ પુરવઠો અને ઠંડક

ડેટા સેન્ટર્સમાં AIની અરજીનો બીજો વિસ્તાર એન્જિનિયરિંગ ઇન્ફ્રાસ્ટ્રક્ચરના સંચાલન અને સૌથી ઉપર, ઠંડક સાથે સંબંધિત છે, જેનો હિસ્સો સુવિધાના કુલ ઉર્જા વપરાશમાં 30% થી વધી શકે છે. Google એ સ્માર્ટ કૂલિંગ વિશે વિચારનાર સૌપ્રથમ હતું: 2016 માં, ડીપમાઇન્ડ સાથે મળીને, તે વિકસિત થયું કૃત્રિમ બુદ્ધિ સિસ્ટમ વ્યક્તિગત ડેટા સેન્ટર ઘટકોનું નિરીક્ષણ કરવા માટે, જેણે એર કન્ડીશનીંગ માટે ઊર્જા ખર્ચમાં 40% ઘટાડો કર્યો. શરૂઆતમાં, તે ફક્ત સ્ટાફને સંકેતો આપતો હતો, પરંતુ પછીથી તેમાં સુધારો કરવામાં આવ્યો હતો અને હવે તે સ્વતંત્ર રીતે મશીન રૂમના ઠંડકને નિયંત્રિત કરી શકે છે. ક્લાઉડમાં તૈનાત ન્યુરલ નેટવર્ક હજારો ઇન્ડોર અને આઉટડોર સેન્સરમાંથી ડેટા પર પ્રક્રિયા કરે છે: તે સર્વર પરના ભારણ, તાપમાન, તેમજ બહારની પવનની ગતિ અને અન્ય ઘણા પરિમાણોને ધ્યાનમાં લઈને નિર્ણયો લે છે. ક્લાઉડ સિસ્ટમ દ્વારા આપવામાં આવતી સૂચનાઓ ડેટા સેન્ટરને મોકલવામાં આવે છે અને ત્યાં સ્થાનિક સિસ્ટમ્સ દ્વારા સુરક્ષા માટે ફરી એકવાર તપાસવામાં આવે છે, જ્યારે સ્ટાફ હંમેશા સ્વચાલિત મોડને બંધ કરી શકે છે અને કૂલિંગને મેન્યુઅલી મેનેજ કરવાનું શરૂ કરી શકે છે. IBM વોટસન ટીમ સાથે મળીને Nlyte સોફ્ટવેર બનાવ્યું ઉકેલ, જે તાપમાન અને ભેજ, ઉર્જા વપરાશ અને IT સાધનો પરના લોડ અંગેનો ડેટા એકત્રિત કરે છે. તે તમને એન્જિનિયરિંગ સબસિસ્ટમ્સના ઑપરેશનને ઑપ્ટિમાઇઝ કરવાની મંજૂરી આપે છે અને ઉત્પાદકના ક્લાઉડ ઇન્ફ્રાસ્ટ્રક્ચર સાથે કનેક્શનની જરૂર નથી - જો જરૂરી હોય, તો સોલ્યુશન સીધા ડેટા સેન્ટરમાં જમાવી શકાય છે.

અન્ય ઉદાહરણો

માર્કેટમાં ડેટા સેન્ટર્સ માટે ઘણા બધા નવીન સ્માર્ટ સોલ્યુશન્સ છે અને નવા સતત દેખાઈ રહ્યા છે. Wave2Wave એ ડેટા સેન્ટરની અંદર ટ્રાફિક એક્સચેન્જ નોડ્સ (મીટ મી રૂમ્સ) માં ક્રોસ-કનેક્શન્સને આપમેળે ગોઠવવા માટે રોબોટિક ફાઇબર ઓપ્ટિક કેબલ સ્વિચિંગ સિસ્ટમ બનાવી છે. રૂટ ડેટા સેન્ટર અને લિટબીટ દ્વારા વિકસિત સિસ્ટમ બેકઅપ ડીઝલ જનરેટર સેટનું નિરીક્ષણ કરવા માટે AI નો ઉપયોગ કરે છે અને રોમોનેટે ઈન્ફ્રાસ્ટ્રક્ચરને શ્રેષ્ઠ બનાવવા માટે સ્વ-શિક્ષણ સોફ્ટવેર સોલ્યુશન બનાવ્યું છે. વિજિલન્ટ દ્વારા બનાવવામાં આવેલ ઉકેલો નિષ્ફળતાઓની આગાહી કરવા અને ડેટા સેન્ટર પરિસરમાં તાપમાનની સ્થિતિને શ્રેષ્ઠ બનાવવા માટે મશીન લર્નિંગનો ઉપયોગ કરે છે. ડેટા સેન્ટર્સમાં પ્રોસેસ ઓટોમેશન માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ, મશીન લર્નિંગ અને અન્ય નવીન તકનીકોનો પરિચય પ્રમાણમાં તાજેતરમાં શરૂ થયો હતો, પરંતુ આજે આ ઉદ્યોગ વિકાસના સૌથી આશાસ્પદ ક્ષેત્રોમાંનું એક છે. આજના ડેટા કેન્દ્રો અસરકારક રીતે મેન્યુઅલી મેનેજ કરવા માટે ખૂબ મોટા અને જટિલ બની ગયા છે.

સોર્સ: www.habr.com