U procesu digitalne transformacije gospodarstva čovječanstvo mora graditi sve više centara za obradu podataka. Sami podatkovni centri također se moraju transformirati: pitanja njihove tolerancije na pogreške i energetske učinkovitosti sada su važnija nego ikada. Objekti troše enormne količine električne energije, a kvarovi na kritičnoj informatičkoj infrastrukturi smještenoj u njima skupo koštaju tvrtke. Inženjerima u pomoć priskaču tehnologije umjetne inteligencije i strojnog učenja koje se posljednjih godina sve više koriste za stvaranje naprednijih podatkovnih centara. Ovaj pristup povećava dostupnost objekata, smanjuje broj kvarova i smanjuje operativne troškove.
Kako se to radi?
Umjetna inteligencija i tehnologije strojnog učenja koriste se za automatizaciju donošenja operativnih odluka na temelju podataka prikupljenih s različitih senzora. U pravilu su takvi alati integrirani sa sustavima klase DCIM (Data Center Infrastructure Management) i omogućuju vam predviđanje nastanka izvanrednih situacija, kao i optimizaciju rada IT opreme, inženjerske infrastrukture, pa čak i servisnog osoblja. Vrlo često proizvođači vlasnicima podatkovnih centara nude usluge u oblaku koje prikupljaju i obrađuju podatke od mnogih kupaca. Takvi sustavi generaliziraju iskustvo upravljanja različitim podatkovnim centrima i stoga rade bolje od lokalnih proizvoda.
Upravljanje IT infrastrukturom
HPE promovira uslugu prediktivne analitike u oblaku za upravljanje IT infrastrukturom izgrađenom na Nimble Storage i HPE 3PAR StoreServ sustavima za pohranu, HPE ProLiant DL/ML/BL poslužiteljima, HPE Apollo rack sustavima i HPE Synergy platformi. InfoSight analizira očitanja senzora ugrađenih u opremu, obrađujući više od milijun događaja u sekundi i stalno samoučeći. Usluga ne samo da detektira greške, već i predviđa moguće probleme s IT infrastrukturom (kvarovi opreme, iscrpljenost kapaciteta za pohranu, smanjene performanse virtualnih strojeva itd.) čak i prije nego što se pojave. Za prediktivnu analitiku, VoltDB softver je postavljen u oblaku, koristeći autoregresivne modele predviđanja i probabilističke metode. Slično rješenje dostupno je za hibridne sustave za pohranu podataka tvrtke Tegile Systems: usluga u oblaku IntelliCare Cloud Analytics prati zdravlje, performanse i korištenje resursa uređaja. Dell EMC također koristi tehnologije umjetne inteligencije i strojnog učenja u svojim računalnim rješenjima visokih performansi. Mnogo je sličnih primjera, gotovo svi vodeći proizvođači računalne opreme i sustava za pohranu podataka sada idu tim putem.
Napajanje i hlađenje
Drugo područje primjene AI u podatkovnim centrima vezano je za upravljanje inženjerskom infrastrukturom i prije svega hlađenjem, čiji udio u ukupnoj potrošnji energije objekta može premašiti 30%. Google je među prvima razmišljao o pametnom hlađenju: 2016. godine, zajedno s DeepMindom, razvio je za nadzor pojedinačnih komponenti podatkovnog centra, što je smanjilo troškove energije za klimatizaciju za 40%. U početku je samo davao savjete osoblju, ali je kasnije poboljšan i sada može samostalno kontrolirati hlađenje strojarnica. Neuronska mreža raspoređena u oblaku obrađuje podatke s tisuća unutarnjih i vanjskih senzora: donosi odluke uzimajući u obzir opterećenje poslužitelja, temperaturu, kao i brzinu vjetra vani i mnoge druge parametre. Upute koje nudi cloud sustav šalju se u podatkovni centar i tamo ih lokalni sustavi još jednom provjeravaju za sigurnost, dok osoblje uvijek može isključiti automatski način rada i započeti ručno upravljati hlađenjem. Nlyte Software je kreirao zajedno s IBM Watson timom , koji prikuplja podatke o temperaturi i vlažnosti, potrošnji energije i opterećenju informatičke opreme. Omogućuje vam optimizaciju rada inženjerskih podsustava i ne zahtijeva povezivanje s infrastrukturom u oblaku proizvođača - ako je potrebno, rješenje se može implementirati izravno u podatkovnom centru.
Ostali primjeri
Na tržištu postoji mnogo inovativnih pametnih rješenja za podatkovne centre, a stalno se pojavljuju nova. Wave2Wave je stvorio robotski sustav za prebacivanje optičkih kabela za automatsku organizaciju unakrsnih veza u čvorovima za razmjenu prometa (Meet Me Rooms) unutar podatkovnog centra. Sustav koji su razvili ROOT Data Center i LitBit koristi AI za nadzor rezervnih dizel generatorskih setova, a Romonet je stvorio softversko rješenje koje se samostalno uči za optimizaciju infrastrukture. Rješenja koja je stvorio Vigilent koriste strojno učenje za predviđanje kvarova i optimiziranje temperaturnih uvjeta u prostorijama podatkovnog centra. Uvođenje umjetne inteligencije, strojnog učenja i drugih inovativnih tehnologija za automatizaciju procesa u podatkovnim centrima počelo je relativno nedavno, ali danas je to jedno od najperspektivnijih područja razvoja industrije. Današnji podatkovni centri postali su preveliki i složeni da bi se njima učinkovito upravljalo ručno.
Izvor: www.habr.com