רובוטים במרכז הנתונים: כיצד בינה מלאכותית יכולה להיות שימושית?

בתהליך הטרנספורמציה הדיגיטלית של הכלכלה, האנושות צריכה לבנות עוד ועוד מרכזי עיבוד נתונים. יש לשנות גם את מרכזי הנתונים עצמם: סוגיות של סובלנות לתקלות ויעילות אנרגטית חשובים כעת יותר מתמיד. מתקנים צורכים כמויות עצומות של חשמל, ותקלות בתשתיות IT קריטיות הממוקמות בתוכם עולות ביוקר לעסקים. טכנולוגיות בינה מלאכותית ולמידת מכונה באות לעזרת המהנדסים - בשנים האחרונות נעשה בהן שימוש יותר ויותר ליצירת מרכזי נתונים מתקדמים יותר. גישה זו מגדילה את זמינות המתקנים, מפחיתה את מספר התקלות ומקטינה את עלויות התפעול.

איך זה עובד?

טכנולוגיות בינה מלאכותית ולמידת מכונה משמשות לאוטומטיות של קבלת החלטות תפעוליות על סמך נתונים שנאספים מחיישנים שונים. ככלל, כלים כאלה משולבים עם מערכות מחלקת DCIM (ניהול תשתיות מרכז נתונים) ומאפשרים לך לחזות את התרחשותם של מצבי חירום, כמו גם לייעל את פעולת ציוד ה-IT, תשתית הנדסה ואפילו אנשי שירות. לעתים קרובות מאוד, יצרנים מציעים שירותי ענן לבעלי מרכזי נתונים שצוברים ומעבדים נתונים מלקוחות רבים. מערכות כאלה מכלילות את החוויה של הפעלת מרכזי נתונים שונים, ולכן עובדות טוב יותר ממוצרים מקומיים.

ניהול תשתיות IT

HPE מקדמת שירות ניתוח חיזוי בענן InfoSight לניהול תשתית IT הבנויה על מערכות אחסון Nimble Storage ו-HPE 3PAR StoreServ, שרתי HPE ProLiant DL/ML/BL, מערכות מתלים HPE Apollo ופלטפורמת HPE Synergy. InfoSight מנתחת את קריאות החיישנים המותקנים בציוד, מעבדת יותר ממיליון אירועים בשנייה ולומדת כל הזמן. השירות לא רק מזהה תקלות, אלא גם מנבא בעיות אפשריות בתשתית ה-IT (תקלות בציוד, מיצוי נפח האחסון, ירידה בביצועים של מכונות וירטואליות וכו') עוד לפני שהן מתרחשות. לניתוח חזוי, תוכנת VoltDB נפרסת בענן, תוך שימוש במודלים של חיזוי אוטורגרסיבי ושיטות הסתברותיות. פתרון דומה זמין עבור מערכות אחסון היברידיות מבית Tegile Systems: שירות הענן IntelliCare Cloud Analytics עוקב אחר תקינות, ביצועים ושימוש במשאבים של מכשירים. טכנולוגיות בינה מלאכותית ולמידת מכונה משמשות גם את Dell EMC בפתרונות המחשוב בעלי הביצועים הגבוהים שלה. ישנן דוגמאות רבות דומות; כמעט כל היצרנים המובילים של ציוד מחשוב ומערכות אחסון נתונים הולכים כעת בדרך זו.

אספקת חשמל וקירור

תחום יישום נוסף של AI במרכזי נתונים קשור לניהול תשתיות הנדסיות ובעיקר קירור, שחלקו בצריכת האנרגיה הכוללת של מתקן יכול לעלות על 30%. גוגל הייתה מהראשונות שחשבו על קירור חכם: ב-2016, יחד עם DeepMind, היא פיתחה מערכת בינה מלאכותית לניטור רכיבי מרכז נתונים בודדים, מה שהפחית את עלויות האנרגיה למיזוג אוויר ב-40%. בתחילה, זה רק נתן רמזים לצוות, אך שופר לאחר מכן וכעת הוא יכול לשלוט בקירור של חדרי מכונות באופן עצמאי. רשת נוירונים הפרוסה בענן מעבדת נתונים מאלפי חיישנים פנימיים וחיצוניים: היא מקבלת החלטות תוך התחשבות בעומס על השרתים, בטמפרטורה, כמו גם במהירות הרוח בחוץ ובפרמטרים רבים אחרים. ההוראות שמציעה מערכת הענן נשלחות למרכז הנתונים ושם הן נבדקות שוב לאבטחה על ידי מערכות מקומיות, בעוד הצוות תמיד יכול לכבות את המצב האוטומטי ולהתחיל לנהל את הקירור באופן ידני. תוכנת Nlyte יחד עם צוות IBM Watson יצרו החלטה, אשר אוסף נתונים על טמפרטורה ולחות, צריכת אנרגיה ועומס על ציוד IT. הוא מאפשר לייעל את פעולתן של תת-מערכות הנדסיות ואינו מצריך חיבור לתשתית הענן של היצרן - במידת הצורך, ניתן לפרוס את הפתרון ישירות במרכז הנתונים.

דוגמאות נוספות

יש בשוק הרבה פתרונות חכמים חדשניים למרכזי נתונים וכל הזמן מופיעים חדשים. Wave2Wave יצרה מערכת רובוטית למיתוג כבל סיבים אופטיים לארגון אוטומטי של חיבורים צולבים בצמתי חילופי תנועה (Meet Me Rooms) בתוך מרכז הנתונים. המערכת שפותחה על ידי ROOT Data Center ו-LitBit משתמשת בבינה מלאכותית לניטור מערכי גיבוי של גנרטורים דיזל, ורומונה יצרה פתרון תוכנה ללמידה עצמית לאופטימיזציה של תשתיות. הפתרונות שנוצרו על ידי Vigilent משתמשים בלמידת מכונה כדי לחזות כשלים ולייעל את תנאי הטמפרטורה במרכזי הנתונים. הכנסת בינה מלאכותית, למידת מכונה וטכנולוגיות חדשניות אחרות לאוטומציה של תהליכים במרכזי נתונים החלה יחסית לאחרונה, אך כיום זהו אחד התחומים המבטיחים ביותר בפיתוח התעשייה. מרכזי הנתונים של היום הפכו לגדולים ומורכבים מכדי להיות מנוהלים בצורה יעילה באופן ידני.

מקור: www.habr.com