데이터센터의 로봇: 인공지능은 어떻게 유용할 수 있을까?

경제의 디지털 전환 과정에서 인류는 점점 더 많은 데이터 처리 센터를 구축해야 합니다. 데이터 센터 자체도 변화해야 합니다. 이제 내결함성과 에너지 효율성 문제가 그 어느 때보다 중요해졌습니다. 시설은 막대한 양의 전력을 소비하며, 그 안에 위치한 중요한 IT 인프라의 장애는 기업에 막대한 비용을 초래합니다. 인공 지능 및 기계 학습 기술은 엔지니어의 도움을 받고 있으며 최근 몇 년 동안 더욱 발전된 데이터 센터를 만드는 데 점점 더 많이 사용되고 있습니다. 이 접근 방식은 시설의 가용성을 높이고 오류 횟수를 줄이며 운영 비용을 절감합니다.

어떻게 작동합니까?

다양한 센서에서 수집된 데이터를 기반으로 운영 의사결정을 자동화하는 데 인공지능과 머신러닝 기술이 사용됩니다. 일반적으로 이러한 도구는 DCIM(데이터 센터 인프라 관리) 클래스 시스템과 통합되어 긴급 상황 발생을 예측할 수 있을 뿐만 아니라 IT 장비, 엔지니어링 인프라 및 서비스 인력의 운영을 최적화할 수 있습니다. 제조업체는 많은 고객의 데이터를 축적하고 처리하는 데이터 센터 소유자에게 클라우드 서비스를 제공하는 경우가 많습니다. 이러한 시스템은 다양한 데이터 센터 운영 경험을 일반화하므로 로컬 제품보다 더 잘 작동합니다.

IT 인프라 관리

HPE, 클라우드 예측 분석 서비스 홍보 인포사이트 Nimble Storage 및 HPE 3PAR StoreServ 스토리지 시스템, HPE ProLiant DL/ML/BL 서버, HPE Apollo 랙 시스템 및 HPE Synergy 플랫폼을 기반으로 구축된 IT 인프라를 관리합니다. InfoSight는 장비에 설치된 센서의 판독값을 분석하여 초당 백만 개가 넘는 이벤트를 처리하고 지속적으로 자체 학습합니다. 이 서비스는 장애를 감지할 뿐만 아니라, IT 인프라에 발생할 수 있는 문제(장비 장애, 스토리지 용량 부족, 가상 머신 성능 저하 등)가 발생하기 전에 예측합니다. 예측 분석을 위해 VoltDB 소프트웨어는 자동 회귀 예측 모델과 확률적 방법을 사용하여 클라우드에 배포됩니다. Tegile Systems의 하이브리드 스토리지 시스템에도 유사한 솔루션을 사용할 수 있습니다. IntelliCare Cloud Analytics 클라우드 서비스는 장치의 상태, 성능 및 리소스 사용량을 모니터링합니다. 인공 지능과 머신 러닝 기술은 Dell EMC의 고성능 컴퓨팅 솔루션에도 사용됩니다. 비슷한 예가 많이 있는데, 거의 모든 주요 컴퓨팅 장비 및 데이터 저장 시스템 제조업체가 현재 이 경로를 따르고 있습니다.

전원 공급 및 냉각

데이터센터에서 AI를 적용하는 또 다른 영역은 엔지니어링 인프라 관리, 무엇보다 냉각과 관련이 있으며, 이는 시설의 총 에너지 소비에서 차지하는 비중이 30%를 초과할 수 있습니다. Google은 스마트 냉각에 대해 최초로 생각한 회사 중 하나입니다. 2016년에는 DeepMind와 함께 인공지능 시스템 개별 데이터 센터 구성 요소를 모니터링하여 에어컨 에너지 비용을 40% 절감했습니다. 처음에는 직원에게 힌트만 주었지만, 이후 개선되어 이제는 기계실의 냉각을 독립적으로 제어할 수 있게 되었습니다. 클라우드에 배포된 신경망은 수천 개의 실내 및 실외 센서의 데이터를 처리합니다. 서버 부하, 온도, 외부 풍속 및 기타 여러 매개변수를 고려하여 결정을 내립니다. 클라우드 시스템에서 제공하는 지침은 데이터 센터로 전송되고 그곳에서 로컬 시스템의 보안을 다시 한 번 확인하며 직원은 언제든지 자동 모드를 끄고 수동으로 냉각 관리를 시작할 수 있습니다. Nlyte Software는 IBM Watson 팀과 함께 만들어졌습니다. 결정, IT 장비의 온도 및 습도, 에너지 소비 및 부하에 대한 데이터를 수집합니다. 이를 통해 엔지니어링 하위 시스템의 운영을 최적화할 수 있으며 제조업체의 클라우드 인프라에 연결할 필요가 없습니다. 필요한 경우 솔루션을 데이터 센터에 직접 배포할 수 있습니다.

다른 예

시장에는 데이터 센터를 위한 혁신적인 스마트 솔루션이 많이 있으며 새로운 솔루션이 지속적으로 등장하고 있습니다. Wave2Wave는 데이터 센터 내부의 트래픽 교환 노드(Meet Me Rooms)에서 교차 연결을 자동으로 구성하는 로봇형 광섬유 케이블 스위칭 시스템을 만들었습니다. ROOT Data Center와 LitBit이 개발한 시스템은 AI를 사용하여 백업 디젤 발전기 세트를 모니터링하고 Romonet은 인프라 최적화를 위한 자가 학습 소프트웨어 솔루션을 만들었습니다. Vigilent가 개발한 솔루션은 기계 학습을 사용하여 데이터 센터 구내의 오류를 예측하고 온도 조건을 최적화합니다. 데이터 센터의 프로세스 자동화를 위한 인공 지능, 기계 학습 및 기타 혁신적인 기술의 도입은 비교적 최근에 시작되었지만 오늘날 이는 산업 발전에서 가장 유망한 분야 중 하나입니다. 오늘날의 데이터 센터는 수동으로 효과적으로 관리하기에는 너무 크고 복잡해졌습니다.

출처 : habr.com