Տնտեսության թվային վերափոխման գործընթացում մարդկությունը ստիպված է ավելի ու ավելի շատ տվյալների մշակման կենտրոններ կառուցել։ Տվյալների կենտրոններն իրենք նույնպես պետք է փոխակերպվեն. դրանց սխալների հանդուրժողականության և էներգաարդյունավետության խնդիրները այժմ ավելի կարևոր են, քան երբևէ: Հաստատությունները սպառում են հսկայական քանակությամբ էլեկտրաէներգիա, և դրանցում տեղակայված կարևոր ՏՏ ենթակառուցվածքի խափանումները ծախսատար են բիզնեսի համար: Արհեստական ինտելեկտը և մեքենայական ուսուցման տեխնոլոգիաները օգնության են հասնում ինժեներներին. վերջին տարիներին դրանք ավելի ու ավելի են օգտագործվում տվյալների ավելի առաջադեմ կենտրոններ ստեղծելու համար: Այս մոտեցումը մեծացնում է հարմարությունների առկայությունը, նվազեցնում է խափանումների թիվը և նվազեցնում գործառնական ծախսերը:
Ինչպես է դա աշխատում.
Արհեստական ինտելեկտը և մեքենայական ուսուցման տեխնոլոգիաները օգտագործվում են գործառնական որոշումների կայացման ավտոմատացման համար՝ հիմնված տարբեր սենսորներից հավաքված տվյալների վրա: Որպես կանոն, նման գործիքները ինտեգրված են DCIM (Data Center Infrastructure Management) դասի համակարգերի հետ և թույլ են տալիս կանխատեսել արտակարգ իրավիճակների առաջացումը, ինչպես նաև օպտիմալացնել ՏՏ սարքավորումների, ինժեներական ենթակառուցվածքի և նույնիսկ սպասարկող անձնակազմի աշխատանքը: Շատ հաճախ արտադրողները տվյալների կենտրոնների սեփականատերերին առաջարկում են ամպային ծառայություններ, որոնք կուտակում և մշակում են բազմաթիվ հաճախորդների տվյալները: Նման համակարգերը ընդհանրացնում են տվյալների տարբեր կենտրոնների գործարկման փորձը և, հետևաբար, ավելի լավ են աշխատում, քան տեղական արտադրանքները:
ՏՏ ենթակառուցվածքի կառավարում
HPE-ն խթանում է ամպային կանխատեսող վերլուծական ծառայությունը
Էլեկտրաէներգիայի մատակարարում և հովացում
Տվյալների կենտրոններում AI-ի կիրառման մեկ այլ ոլորտ կապված է ինժեներական ենթակառուցվածքի կառավարման և, առաջին հերթին, հովացման հետ, որի մասնաբաժինը օբյեկտի ընդհանուր էներգիայի սպառման մեջ կարող է գերազանցել 30%-ը։ Google-ն առաջիններից մեկն էր, ով մտածեց խելացի սառեցման մասին. 2016 թվականին DeepMind-ի հետ համատեղ այն զարգացրեց.
Այլ օրինակներ
Շուկայում կան բազմաթիվ նորարարական խելացի լուծումներ տվյալների կենտրոնների համար, և անընդհատ հայտնվում են նորերը: Wave2Wave-ը ստեղծել է ռոբոտային օպտիկամանրաթելային մալուխի միացման համակարգ՝ տվյալների կենտրոնի ներսում երթևեկության փոխանակման հանգույցներում (Meet Me Rooms) ավտոմատ կազմակերպելու համար: Համակարգը, որը մշակվել է ROOT Data Center-ի և LitBit-ի կողմից, օգտագործում է AI-ն՝ վերահսկելու պահեստային դիզելային գեներատորների հավաքածուները, և Romonet-ը ստեղծել է ինքնաուսուցման ծրագրային լուծում ենթակառուցվածքների օպտիմալացման համար: Vigilent-ի կողմից ստեղծված լուծումներն օգտագործում են մեքենայական ուսուցում՝ կանխատեսելու ձախողումները և օպտիմալացնելու ջերմաստիճանի պայմանները տվյալների կենտրոնի տարածքներում: Արհեստական ինտելեկտի, մեքենայական ուսուցման և այլ նորարարական տեխնոլոգիաների ներդրումը տվյալների կենտրոններում գործընթացների ավտոմատացման համար սկսվել է համեմատաբար վերջերս, բայց այսօր սա արդյունաբերության զարգացման ամենահեռանկարային ոլորտներից մեկն է: Այսօրվա տվյալների կենտրոնները չափազանց մեծ և բարդ են դարձել ձեռքով արդյունավետ կառավարելու համար:
Source: www.habr.com