Nel processo di trasformazione digitale dell'economia, l'umanità deve costruire sempre più centri di elaborazione dati. Anche i CDC devono trasformarsi: le questioni legate alla loro resilienza e all'efficienza energetica sono ora più importanti che mai. Le strutture consumano una quantità enorme di energia elettrica e i guasti delle infrastrutture IT critiche in esse collocate costano molto alle aziende. A supporto degli ingegneri arrivano le tecnologie dell'intelligenza artificiale e del machine learning: negli ultimi anni, vengono sempre più frequentemente utilizzate per creare data center più avanzati. Questo approccio aumenta il livello di prontezza delle strutture, riduce il numero di guasti e abbassa i costi operativi.
Come funziona?
Le tecnologie dell'intelligenza artificiale e del machine learning vengono utilizzate per automatizzare la presa di decisioni operative basate sui dati raccolti da vari sensori. Di norma, questi strumenti si integrano con sistemi di classe DCIM (Data Center Infrastructure Management) e consentono di prevedere l'insorgere di situazioni di emergenza, oltre a ottimizzare il funzionamento delle attrezzature IT, delle infrastrutture ingegneristiche e persino del personale di supporto. Molto spesso, i produttori offrono ai proprietari dei CDC servizi cloud che accumulano e trattano i dati di molti clienti. Questi sistemi generalizzano l'esperienza di exploitazione di diversi data center, quindi funzionano meglio dei prodotti locali.
Gestione delle infrastrutture IT
L'azienda HPE promuove un servizio cloud di analisi predittiva per gestire l'infrastruttura IT costruita su sistemi di storage Nimble Storage e HPE 3PAR StoreServ, su server HPE ProLiant DL/ML/BL, su sistemi rack HPE Apollo e sulla piattaforma HPE Synergy. InfoSight analizza i dati dei sensori installati nell'hardware, elaborando oltre un milione di eventi al secondo e apprendendo costantemente. Il servizio non solo rileva guasti, ma prevede anche potenziali problemi con l'infrastruttura IT (guasti hardware, esaurimento della capacità del sistema di storage, riduzione delle prestazioni delle macchine virtuali, ecc.) prima che si verifichino. Per l'analisi predittiva nel cloud, è stato implementato il software dell'azienda VoltDB, che utilizza modelli di previsione autoregressivi e metodi probabilistici. Una soluzione simile è disponibile anche per i sistemi di storage ibridi dell'azienda Tegile Systems: il servizio cloud IntelliCare Cloud Analytics monitora lo stato, le prestazioni e l'utilizzo delle risorse dei dispositivi. Anche Dell EMC utilizza tecnologie di intelligenza artificiale e machine learning nelle proprie soluzioni per il calcolo ad alte prestazioni. Ci sono molteplici esempi simili e quasi tutti i principali produttori di hardware e sistemi di storage stanno seguendo questo percorso.
Alimentazione e raffreddamento
Un'altra area di applicazione dell'IA nei data center riguarda la gestione dell'infrastruttura ingegneristica e, in particolare, il raffreddamento, la cui quota nel consumo energetico totale dell'oggetto può superare il 30%. Una delle prime aziende a pensare al raffreddamento intelligente è stata Google: nel 2016, insieme all'azienda DeepMind, ha sviluppato per il monitoraggio di singoli componenti dei data center, che ha consentito di ridurre i consumi energetici per il raffreddamento del 40%. Inizialmente forniva solo suggerimenti al personale, ma successivamente è stata migliorata e ora può gestire autonomamente il raffreddamento delle sale macchine. Una rete neurale implementata nel cloud elabora i dati provenienti da migliaia di sensori interni ed esterni: prende decisioni considerando il carico sui server, la temperatura e la velocità del vento esterna, oltre a molti altri parametri. Le istruzioni fornite dal sistema cloud vengono inviate al data center e qui sono nuovamente verificate in termini di sicurezza dai sistemi locali, mentre il personale può sempre disattivare la modalità automatica e gestire il raffreddamento manualmente. Nlyte Software, in collaborazione con il team di IBM Watson, ha creato , che raccoglie dati sulla temperatura e sull'umidità, sul consumo energetico e sul carico delle attrezzature IT. Permette di ottimizzare il funzionamento dei sottosistemi ingegneristici e non richiede il collegamento all'infrastruttura cloud del produttore: se necessario, la soluzione può essere implementata direttamente nel data center.
Altri esempi
Nel mercato esistono moltissime soluzioni innovative e intelligenti per i data center e ne emergono continuamente di nuove. La società Wave2Wave ha creato un sistema robotizzato di commutazione di cavi in fibra ottica per l'organizzazione automatizzata delle connessioni incrociate nei nodi di scambio di traffico (Meet Me Room) all'interno del data center. Il sistema sviluppato da ROOT Data Center e LitBit utilizza l'IA per monitorare i generatori di backup, mentre in Romonet è stata realizzata una soluzione software autoapprendente per ottimizzare l'infrastruttura. Le soluzioni create dalla società Vigilent utilizzano l'apprendimento automatico per prevedere i guasti e ottimizzare le condizioni termiche negli ambienti del data center. L'implementazione dell'intelligenza artificiale, dell'apprendimento automatico e di altre tecnologie innovative per l'automazione dei processi nei data center è iniziata relativamente di recente, ma oggi rappresenta una delle aree più promettenti per lo sviluppo del settore. I data center moderni sono diventati troppo grandi e complessi per essere gestiti in modo efficace manualmente.
Fonte: habr.com
