A gazdaság digitális átalakulása során az emberiségnek egyre több adatfeldolgozó központot kell kiépítenie. Magukat az adatközpontokat is át kell alakítani: hibatűrésük és energiahatékonyságuk kérdése most fontosabb, mint valaha. A létesítmények hatalmas mennyiségű áramot fogyasztanak, és a bennük található kritikus informatikai infrastruktúra meghibásodásai költségesek a vállalkozások számára. A mesterséges intelligencia és a gépi tanulási technológiák a mérnökök segítségére sietnek – az utóbbi években egyre gyakrabban alkalmazzák őket fejlettebb adatközpontok létrehozására. Ez a megközelítés növeli a létesítmények rendelkezésre állását, csökkenti a meghibásodások számát és csökkenti az üzemeltetési költségeket.
Hogyan működik?
A mesterséges intelligenciát és a gépi tanulási technológiákat a különféle érzékelőktől gyűjtött adatokon alapuló operatív döntéshozatal automatizálására használják. Az ilyen eszközök általában integrálva vannak a DCIM (Data Center Infrastructure Management) osztályú rendszerekkel, és lehetővé teszik a vészhelyzetek előfordulásának előrejelzését, valamint az informatikai berendezések, a mérnöki infrastruktúra és még a kiszolgáló személyzet működésének optimalizálását is. Nagyon gyakran a gyártók felhőszolgáltatásokat kínálnak az adatközpont-tulajdonosoknak, amelyek sok ügyféltől gyűjtik össze és dolgozzák fel az adatokat. Az ilyen rendszerek általánosítják a különböző adatközpontok üzemeltetésének tapasztalatait, ezért jobban működnek, mint a helyi termékek.
IT infrastruktúra menedzsment
A HPE népszerűsíti a felhőalapú prediktív elemzési szolgáltatást Nimble Storage és HPE 3PAR StoreServ tárolórendszerekre, HPE ProLiant DL/ML/BL szerverekre, HPE Apollo rack rendszerekre és HPE Synergy platformra épülő IT infrastruktúra menedzselésére. Az InfoSight a berendezésekbe telepített érzékelők leolvasását elemzi, másodpercenként több mint egymillió eseményt dolgoz fel, és folyamatosan önállóan tanul. A szolgáltatás nemcsak észleli a hibákat, hanem előre jelzi az IT infrastruktúrával kapcsolatos esetleges problémákat (berendezések meghibásodása, tárolókapacitás kimerülése, virtuális gépek teljesítményének csökkenése stb.) még azok előfordulása előtt. A prediktív elemzéshez a VoltDB szoftvert a felhőben telepítik, autoregresszív előrejelzési modelleket és valószínűségi módszereket használva. A hibrid tárolórendszerekhez hasonló megoldás érhető el a Tegile Systemstől: az IntelliCare Cloud Analytics felhőszolgáltatás figyeli az eszközök állapotát, teljesítményét és erőforrás-használatát. A Dell EMC a mesterséges intelligenciát és a gépi tanulási technológiákat is alkalmazza nagy teljesítményű számítástechnikai megoldásaiban. Sok hasonló példa van, ma már szinte minden vezető számítástechnikai berendezés és adattároló rendszer gyártója ezt az utat követi.
Tápellátás és hűtés
Az AI másik alkalmazási területe az adatközpontokban a mérnöki infrastruktúra menedzseléséhez és mindenekelőtt a hűtéshez kapcsolódik, amelynek részesedése a létesítmény teljes energiafogyasztásában meghaladhatja a 30%-ot. A Google az elsők között gondolt az intelligens hűtésre: 2016-ban a DeepMinddel együtt fejlesztette az egyes adatközpont-összetevők figyelésére, ami 40%-kal csökkentette a légkondicionáló energiaköltségét. Kezdetben csak tippeket adott a személyzetnek, de később továbbfejlesztették, és ma már önállóan vezérelheti a géptermek hűtését. A felhőbe telepített neurális hálózat több ezer beltéri és kültéri érzékelő adatait dolgozza fel: a szerverek terhelését, a hőmérsékletet, valamint a kinti szélsebességet és sok más paramétert figyelembe véve hoz döntéseket. A felhőrendszer által felkínált instrukciók az adatközpontba kerülnek, ahol a helyi rendszerek ismét ellenőrzik a biztonságukat, miközben a munkatársak bármikor kikapcsolhatják az automata üzemmódot, és elkezdhetik manuálisan kezelni a hűtést. Az Nlyte Software az IBM Watson csapatával közösen jött létre , amely adatokat gyűjt a hőmérsékletről és a páratartalomról, az energiafogyasztásról és az informatikai berendezések terheléséről. Lehetővé teszi a mérnöki alrendszerek működésének optimalizálását, és nem igényel csatlakozást a gyártó felhőinfrastruktúrájához – szükség esetén a megoldás közvetlenül az adatközpontban telepíthető.
Egyéb példák
Nagyon sok innovatív intelligens megoldás van az adatközpontokhoz a piacon, és folyamatosan jelennek meg újak. A Wave2Wave robotizált optikai kábel kapcsolórendszert hozott létre, amely automatikusan megszervezi a keresztkapcsolatokat az adatközponton belüli forgalomcsere csomópontokban (Meet Me Rooms). A ROOT Data Center és a LitBit által kifejlesztett rendszer mesterséges intelligencia segítségével figyeli a tartalék dízelgenerátor-készleteket, a Romonet pedig öntanuló szoftvermegoldást készített az infrastruktúra optimalizálására. A Vigilent által létrehozott megoldások gépi tanulást használnak a meghibásodások előrejelzésére és az adatközpont helyiségeinek hőmérsékleti viszonyainak optimalizálására. A mesterséges intelligencia, a gépi tanulás és más innovatív folyamatautomatizálási technológiák bevezetése az adatközpontokban viszonylag nemrég kezdődött, de mára ez az egyik legígéretesebb iparági fejlesztési terület. Napjaink adatközpontjai túl nagyok és összetettek lettek ahhoz, hogy hatékonyan kezelhetők legyenek manuálisan.
Forrás: will.com