Dalam proses transformasi digital perekonomian, umat manusia harus membangun lebih banyak pusat pemrosesan data. Pusat data sendiri juga harus diubah: permasalahan toleransi kesalahan dan efisiensi energi kini menjadi lebih penting dari sebelumnya. Fasilitas memerlukan listrik dalam jumlah besar, dan kegagalan infrastruktur TI penting yang berada di dalamnya menimbulkan kerugian bagi bisnis. Teknologi kecerdasan buatan dan pembelajaran mesin mulai membantu para insinyur - dalam beberapa tahun terakhir teknologi ini semakin banyak digunakan untuk menciptakan pusat data yang lebih canggih. Pendekatan ini meningkatkan ketersediaan fasilitas, mengurangi jumlah kegagalan dan mengurangi biaya operasional.
Bagaimana cara kerjanya?
Teknologi kecerdasan buatan dan pembelajaran mesin digunakan untuk mengotomatiskan pengambilan keputusan operasional berdasarkan data yang dikumpulkan dari berbagai sensor. Biasanya, alat tersebut terintegrasi dengan sistem kelas DCIM (Manajemen Infrastruktur Pusat Data) dan memungkinkan Anda memprediksi terjadinya situasi darurat, serta mengoptimalkan pengoperasian peralatan TI, infrastruktur teknik, dan bahkan personel layanan. Seringkali produsen menawarkan layanan cloud kepada pemilik pusat data yang mengumpulkan dan memproses data dari banyak pelanggan. Sistem seperti itu menggeneralisasi pengalaman mengoperasikan pusat data yang berbeda, dan karenanya bekerja lebih baik dibandingkan produk lokal.
Manajemen infrastruktur TI
HPE mempromosikan layanan analisis prediktif cloud untuk mengelola infrastruktur TI yang dibangun pada sistem penyimpanan Nimble Storage dan HPE 3PAR StoreServ, server HPE ProLiant DL/ML/BL, sistem rak HPE Apollo, dan platform HPE Synergy. InfoSight menganalisis pembacaan sensor yang dipasang di peralatan, memproses lebih dari satu juta kejadian per detik dan terus belajar mandiri. Layanan ini tidak hanya mendeteksi kesalahan, tetapi juga memprediksi kemungkinan masalah pada infrastruktur TI (kegagalan peralatan, kehabisan kapasitas penyimpanan, penurunan kinerja mesin virtual, dll.) bahkan sebelum kesalahan tersebut terjadi. Untuk analisis prediktif, perangkat lunak VoltDB diterapkan di cloud, menggunakan model perkiraan autoregresif dan metode probabilistik. Solusi serupa tersedia untuk sistem penyimpanan hibrid dari Tegile Systems: layanan cloud IntelliCare Cloud Analytics memantau kesehatan, kinerja, dan penggunaan sumber daya perangkat. Teknologi kecerdasan buatan dan pembelajaran mesin juga digunakan oleh Dell EMC dalam solusi komputasi berkinerja tinggi. Ada banyak contoh serupa; hampir semua produsen peralatan komputasi dan sistem penyimpanan data terkemuka kini mengikuti jalur ini.
Catu daya dan pendinginan
Area penerapan AI lainnya di pusat data terkait dengan pengelolaan infrastruktur teknik dan, yang terpenting, pendinginan, yang porsinya dalam total konsumsi energi suatu fasilitas dapat melebihi 30%. Google adalah salah satu orang pertama yang memikirkan tentang pendinginan cerdas: pada tahun 2016, bersama dengan DeepMind, Google berkembang untuk memantau masing-masing komponen pusat data, yang mengurangi biaya energi untuk AC sebesar 40%. Awalnya hanya memberikan petunjuk kepada staf, namun kemudian ditingkatkan dan kini dapat mengontrol pendinginan ruang mesin secara mandiri. Jaringan saraf yang diterapkan di cloud memproses data dari ribuan sensor dalam dan luar ruangan: jaringan ini membuat keputusan dengan mempertimbangkan beban di server, suhu, serta kecepatan angin di luar dan banyak parameter lainnya. Instruksi yang ditawarkan oleh sistem cloud dikirim ke pusat data dan di sana sekali lagi diperiksa keamanannya oleh sistem lokal, sementara staf selalu dapat mematikan mode otomatis dan mulai mengatur pendinginan secara manual. Nlyte Software bersama dengan tim IBM Watson dibuat , yang mengumpulkan data tentang suhu dan kelembapan, konsumsi energi, dan beban pada peralatan TI. Ini memungkinkan Anda untuk mengoptimalkan pengoperasian subsistem teknik dan tidak memerlukan koneksi ke infrastruktur cloud pabrikan - jika perlu, solusinya dapat diterapkan langsung di pusat data.
Contoh lainnya
Ada banyak solusi cerdas inovatif untuk pusat data di pasar dan solusi baru terus bermunculan. Wave2Wave telah menciptakan sistem peralihan kabel serat optik robotik untuk secara otomatis mengatur koneksi silang di node pertukaran lalu lintas (Meet Me Rooms) di dalam pusat data. Sistem yang dikembangkan oleh ROOT Data Center dan LitBit menggunakan AI untuk memantau genset diesel cadangan, dan Romonet telah menciptakan solusi perangkat lunak pembelajaran mandiri untuk mengoptimalkan infrastruktur. Solusi yang dibuat oleh Vigilent menggunakan pembelajaran mesin untuk memprediksi kegagalan dan mengoptimalkan kondisi suhu di lokasi pusat data. Pengenalan kecerdasan buatan, pembelajaran mesin, dan teknologi inovatif lainnya untuk otomatisasi proses di pusat data dimulai relatif baru-baru ini, tetapi saat ini hal ini merupakan salah satu bidang pengembangan industri yang paling menjanjikan. Pusat data saat ini sudah terlalu besar dan rumit untuk dikelola secara manual secara efektif.
Sumber: www.habr.com