Nel processo di trasformazione digitale dell'economia, l'umanità deve costruire sempre più centri di elaborazione dati. Anche i data center devono trasformarsi: le questioni relative alla loro resilienza e all'efficienza energetica sono ora più importanti che mai. Questi impianti consumano un'enorme quantità di energia elettrica e i guasti delle infrastrutture IT critiche che ospitano rappresentano un costo significativo per le aziende. In questo contesto, le tecnologie di intelligenza artificiale e apprendimento automatico stanno emergendo come strumenti utili — negli ultimi anni, vengono utilizzate sempre più frequentemente per creare data center più sofisticati. Questo approccio aumenta il livello di prontezza degli impianti, riduce il numero di guasti e abbassa i costi operativi.
Come funziona?
Le tecnologie di intelligenza artificiale e di apprendimento automatico sono utilizzate per automatizzare il processo decisionale operativo basato sui dati raccolti da diversi sensori. Di solito, tali sistemi si integrano con le piattaforme di gestione delle infrastrutture dei data center (DCIM) e consentono di prevedere l'insorgere di situazioni di emergenza, oltre a ottimizzare le operazioni delle attrezzature IT, delle infrastrutture ingegneristiche e persino del personale di supporto. Spesso, i fornitori offrono ai proprietari di data center servizi cloud che raccolgono e elaborano i dati di molti clienti. Questi sistemi sintetizzano l'esperienza operativa di diversi data center, migliorando quindi le prestazioni rispetto ai prodotti locali.
Gestione dell'infrastruttura IT
L'azienda HPE promuove un servizio cloud di analisi predittiva per la gestione delle infrastrutture IT basate su sistemi di archiviazione Nimble Storage e HPE 3PAR StoreServ, server HPE ProLiant DL/ML/BL, sistemi rack HPE Apollo e sulla piattaforma HPE Synergy. InfoSight analizza i dati provenienti dai sensori installati nell'attrezzatura, elaborando oltre un milione di eventi al secondo e apprendendo costantemente. Il servizio non solo identifica guasti, ma prevede anche potenziali problemi con infrastrutture IT (guasti hardware, esaurimento della capacità di storage, riduzione delle prestazioni delle macchine virtuali, ecc.) prima che si verifichino. Per l'analisi predittiva nel cloud viene implementato un software della società VoltDB, che utilizza modelli di previsione autoregressivi e metodi probabilistici. Una soluzione simile è disponibile anche per i sistemi di archiviazione ibrida 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 di apprendimento automatico nelle sue soluzioni per calcolo ad alte prestazioni. Ci sono molti esempi simili, in questo percorso si stanno avventurando praticamente tutti i principali produttori di hardware informatico e di sistemi di archiviazione.
Alimentazione e raffreddamento
Un altro campo di applicazione dell'IA nei data center è legato alla gestione delle infrastrutture ingegneristiche, in particolare al raffreddamento, la cui incidenza sul consumo totale di energia dell'impianto può superare il 30%. Una delle prime aziende a pensare al raffreddamento intelligente è stata Google: nel 2016, insieme a DeepMind, ha sviluppato per monitorare singoli componenti dei data center, riducendo i costi energetici per il condizionamento fino al 40%. Inizialmente forniva semplicemente suggerimenti al personale, ma successivamente è stata migliorata e adesso è in grado di gestire autonomamente il raffreddamento delle sale macchine. Il neural network implementato nel cloud elabora i dati provenienti da migliaia di sensori interni ed esterni: prende decisioni considerando il carico sui server, la temperatura, così come la velocità del vento all'esterno e molti altri parametri. Le istruzioni fornite dal sistema cloud vengono inviate al data center dove vengono nuovamente verificate per la sicurezza dai sistemi locali, mentre il personale può sempre disattivare la modalità automatica e gestire manualmente il raffreddamento. Nlyte Software, insieme al team IBM Watson, ha creato , che raccoglie dati su temperatura e umidità, consumo energetico e carico delle attrezzature IT. Permette di ottimizzare il funzionamento dei sottosistemi ingegneristici e non richiede una connessione all'infrastruttura cloud del produttore: se necessario, la soluzione può essere implementata direttamente nel data center.
Altri esempi
Ci sono molte soluzioni innovative e intelligenti per i centri di elaborazione dati sul mercato, e continuamente ne emergono di nuove. L'azienda Wave2Wave ha creato un sistema robotico di commutazione di cavi in fibra ottica per organizzare automaticamente le connessioni incrociate nei nodi di scambio del traffico (Meet Me Room) all'interno dei data center. Il sistema sviluppato da ROOT Data Center e LitBit utilizza l'IA per monitorare i gruppi elettrogeni di emergenza, mentre Romonet ha realizzato una soluzione software auto-apprendente per ottimizzare l'infrastruttura. Le soluzioni create da Vigilent utilizzano l'apprendimento automatico per prevedere i guasti e ottimizzare le temperature all'interno delle sale dei data center. L'implementazione dell'intelligenza artificiale, dell'apprendimento automatico e di altre tecnologie innovative nei data center è iniziata relativamente di recente, ma oggi è una delle direzioni più promettenti per lo sviluppo del settore. I moderni data center sono diventati troppo grandi e complessi per essere gestiti efficacemente manualmente.
Fonte: habr.com
