डेटा सेंटर में रोबोट: कृत्रिम बुद्धिमत्ता कैसे उपयोगी हो सकती है?

अर्थव्यवस्था के डिजिटल परिवर्तन की प्रक्रिया में, मानवता को अधिक से अधिक डेटा प्रोसेसिंग केंद्र बनाने होंगे। डेटा केंद्रों को स्वयं भी परिवर्तित किया जाना चाहिए: उनकी दोष सहनशीलता और ऊर्जा दक्षता के मुद्दे अब पहले से कहीं अधिक महत्वपूर्ण हैं। सुविधाएं भारी मात्रा में बिजली की खपत करती हैं, और उनके भीतर स्थित महत्वपूर्ण आईटी बुनियादी ढांचे की विफलता व्यवसायों के लिए महंगी होती है। कृत्रिम बुद्धिमत्ता और मशीन लर्निंग प्रौद्योगिकियाँ इंजीनियरों की सहायता के लिए आ रही हैं - हाल के वर्षों में उनका उपयोग अधिक उन्नत डेटा केंद्र बनाने के लिए किया जा रहा है। यह दृष्टिकोण सुविधाओं की उपलब्धता बढ़ाता है, विफलताओं की संख्या कम करता है और परिचालन लागत कम करता है।

यह कैसे काम करता है?

विभिन्न सेंसरों से एकत्र किए गए डेटा के आधार पर परिचालन निर्णय लेने को स्वचालित करने के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग प्रौद्योगिकियों का उपयोग किया जाता है। एक नियम के रूप में, ऐसे उपकरण डीसीआईएम (डेटा सेंटर इंफ्रास्ट्रक्चर मैनेजमेंट) क्लास सिस्टम के साथ एकीकृत होते हैं और आपको आपातकालीन स्थितियों की घटना की भविष्यवाणी करने के साथ-साथ आईटी उपकरण, इंजीनियरिंग बुनियादी ढांचे और यहां तक ​​​​कि सेवा कर्मियों के संचालन को अनुकूलित करने की अनुमति देते हैं। अक्सर, निर्माता डेटा सेंटर मालिकों को क्लाउड सेवाएं प्रदान करते हैं जो कई ग्राहकों से डेटा जमा और संसाधित करते हैं। ऐसी प्रणालियाँ विभिन्न डेटा केंद्रों के संचालन के अनुभव को सामान्य बनाती हैं, और इसलिए स्थानीय उत्पादों की तुलना में बेहतर काम करती हैं।

आईटी अवसंरचना प्रबंधन

एचपीई क्लाउड प्रेडिक्टिव एनालिटिक्स सेवा को बढ़ावा देता है जानकारी निंबले स्टोरेज और एचपीई 3पीएआर स्टोरसर्व स्टोरेज सिस्टम, एचपीई प्रोलिएंट डीएल/एमएल/बीएल सर्वर, एचपीई अपोलो रैक सिस्टम और एचपीई सिनर्जी प्लेटफॉर्म पर निर्मित आईटी बुनियादी ढांचे का प्रबंधन करने के लिए। इन्फोसाइट उपकरणों में स्थापित सेंसरों की रीडिंग का विश्लेषण करता है, प्रति सेकंड दस लाख से अधिक घटनाओं को संसाधित करता है और लगातार स्व-शिक्षण करता है। सेवा न केवल दोषों का पता लगाती है, बल्कि आईटी बुनियादी ढांचे (उपकरण विफलता, भंडारण क्षमता की कमी, आभासी मशीनों के प्रदर्शन में कमी इत्यादि) के साथ संभावित समस्याओं के होने से पहले ही भविष्यवाणी भी करती है। भविष्य कहनेवाला विश्लेषण के लिए, वोल्टडीबी सॉफ़्टवेयर को ऑटोरेग्रेसिव पूर्वानुमान मॉडल और संभाव्य तरीकों का उपयोग करके क्लाउड में तैनात किया गया है। टेगाइल सिस्टम्स से हाइब्रिड स्टोरेज सिस्टम के लिए एक समान समाधान उपलब्ध है: इंटेलीकेयर क्लाउड एनालिटिक्स क्लाउड सेवा उपकरणों के स्वास्थ्य, प्रदर्शन और संसाधन उपयोग की निगरानी करती है। डेल ईएमसी द्वारा अपने उच्च-प्रदर्शन कंप्यूटिंग समाधानों में कृत्रिम बुद्धिमत्ता और मशीन लर्निंग तकनीकों का भी उपयोग किया जाता है। ऐसे कई उदाहरण हैं; कंप्यूटिंग उपकरण और डेटा स्टोरेज सिस्टम के लगभग सभी अग्रणी निर्माता अब इस पथ का अनुसरण कर रहे हैं।

बिजली की आपूर्ति और शीतलन

डेटा केंद्रों में एआई के अनुप्रयोग का एक अन्य क्षेत्र इंजीनियरिंग बुनियादी ढांचे के प्रबंधन और सबसे ऊपर, शीतलन से संबंधित है, जिसकी किसी सुविधा की कुल ऊर्जा खपत में हिस्सेदारी 30% से अधिक हो सकती है। Google स्मार्ट कूलिंग के बारे में सोचने वाले पहले लोगों में से एक था: 2016 में, डीपमाइंड के साथ मिलकर इसे विकसित किया गया कृत्रिम बुद्धिमत्ता प्रणाली व्यक्तिगत डेटा सेंटर घटकों की निगरानी के लिए, जिससे एयर कंडीशनिंग के लिए ऊर्जा लागत 40% कम हो गई। शुरुआत में, यह केवल कर्मचारियों को संकेत देता था, लेकिन बाद में इसमें सुधार किया गया और अब मशीन रूम की कूलिंग को स्वतंत्र रूप से नियंत्रित किया जा सकता है। क्लाउड में तैनात एक तंत्रिका नेटवर्क हजारों इनडोर और आउटडोर सेंसर से डेटा संसाधित करता है: यह सर्वर पर लोड, तापमान, साथ ही बाहर हवा की गति और कई अन्य मापदंडों को ध्यान में रखते हुए निर्णय लेता है। क्लाउड सिस्टम द्वारा दिए गए निर्देश डेटा सेंटर में भेजे जाते हैं और वहां उन्हें एक बार फिर स्थानीय सिस्टम द्वारा सुरक्षा के लिए जांचा जाता है, जबकि कर्मचारी हमेशा स्वचालित मोड को बंद कर सकते हैं और मैन्युअल रूप से कूलिंग का प्रबंधन शुरू कर सकते हैं। IBM वॉटसन टीम के साथ मिलकर Nlyte Software बनाया गया निर्णय, जो तापमान और आर्द्रता, ऊर्जा खपत और आईटी उपकरणों पर भार पर डेटा एकत्र करता है। यह आपको इंजीनियरिंग सबसिस्टम के संचालन को अनुकूलित करने की अनुमति देता है और निर्माता के क्लाउड इंफ्रास्ट्रक्चर से कनेक्शन की आवश्यकता नहीं होती है - यदि आवश्यक हो, तो समाधान सीधे डेटा सेंटर में तैनात किया जा सकता है।

अन्य उदाहरण

बाज़ार में डेटा केंद्रों के लिए बहुत सारे नवोन्मेषी स्मार्ट समाधान मौजूद हैं और लगातार नए समाधान सामने आ रहे हैं। वेव2वेव ने डेटा सेंटर के अंदर ट्रैफिक एक्सचेंज नोड्स (मीट मी रूम) में क्रॉस-कनेक्शन को स्वचालित रूप से व्यवस्थित करने के लिए एक रोबोटिक फाइबर ऑप्टिक केबल स्विचिंग सिस्टम बनाया है। रूट डेटा सेंटर और लिटबिट द्वारा विकसित प्रणाली बैकअप डीजल जनरेटर सेट की निगरानी के लिए एआई का उपयोग करती है, और रोमोनेट ने बुनियादी ढांचे के अनुकूलन के लिए एक स्व-शिक्षण सॉफ्टवेयर समाधान बनाया है। विजिलेंट द्वारा बनाए गए समाधान विफलताओं की भविष्यवाणी करने और डेटा सेंटर परिसर में तापमान की स्थिति को अनुकूलित करने के लिए मशीन लर्निंग का उपयोग करते हैं। डेटा केंद्रों में प्रक्रिया स्वचालन के लिए कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और अन्य नवीन प्रौद्योगिकियों की शुरूआत अपेक्षाकृत हाल ही में शुरू हुई, लेकिन आज यह उद्योग विकास के सबसे आशाजनक क्षेत्रों में से एक है। आज के डेटा केंद्र इतने बड़े और जटिल हो गए हैं कि उन्हें प्रभावी ढंग से मैन्युअल रूप से प्रबंधित नहीं किया जा सकता है।

स्रोत: www.habr.com