Vykstant skaitmeninei ekonomikos transformacijai, žmonija turi statyti vis daugiau duomenų apdorojimo centrų. Patys duomenų centrai taip pat turi būti transformuoti: jų atsparumo gedimams ir energijos vartojimo efektyvumo klausimai dabar yra svarbesni nei bet kada anksčiau. Įrenginiai sunaudoja milžinišką kiekį elektros energijos, o juose esančios ypatingos svarbos IT infrastruktūros gedimai verslui kainuoja brangiai. Dirbtinis intelektas ir mašininio mokymosi technologijos ateina į pagalbą inžinieriams – pastaraisiais metais jos vis dažniau naudojamos kuriant pažangesnius duomenų centrus. Šis metodas padidina įrenginių prieinamumą, sumažina gedimų skaičių ir sumažina eksploatavimo išlaidas.
Kaip tai veikia?
Dirbtinis intelektas ir mašininio mokymosi technologijos naudojamos operatyviniams sprendimams, pagrįstiems iš įvairių jutiklių surinktais duomenimis, automatizuoti. Paprastai tokie įrankiai yra integruoti su DCIM (Data Center Infrastructure Management) klasės sistemomis ir leidžia numatyti avarinių situacijų atsiradimą, taip pat optimizuoti IT įrangos, inžinerinės infrastruktūros ir net aptarnaujančio personalo darbą. Labai dažnai gamintojai siūlo debesijos paslaugas duomenų centrų savininkams, kurie kaupia ir apdoroja daugelio klientų duomenis. Tokios sistemos apibendrina skirtingų duomenų centrų valdymo patirtį, todėl veikia geriau nei vietiniai produktai.
IT infrastruktūros valdymas
HPE reklamuoja debesų prognozės analizės paslaugą valdyti IT infrastruktūrą, sukurtą ant Nimble Storage ir HPE 3PAR StoreServ saugojimo sistemų, HPE ProLiant DL/ML/BL serverių, HPE Apollo stelažų sistemų ir HPE Synergy platformos. „InfoSight“ analizuoja įrangoje sumontuotų jutiklių rodmenis, apdoroja daugiau nei milijoną įvykių per sekundę ir nuolat mokosi savarankiškai. Paslauga ne tik aptinka gedimus, bet ir nuspėja galimas IT infrastruktūros problemas (įrangos gedimus, saugyklos talpos išeikvojimą, sumažėjusį virtualių mašinų veikimą ir pan.) dar jiems nepasireiškus. Nuspėjamai analizei VoltDB programinė įranga yra įdiegta debesyje, naudojant autoregresinius prognozavimo modelius ir tikimybinius metodus. Panašų sprendimą galima rasti hibridinėms saugojimo sistemoms iš Tegile Systems: debesies paslauga IntelliCare Cloud Analytics stebi įrenginių būklę, našumą ir išteklių naudojimą. Dirbtinį intelektą ir mašininio mokymosi technologijas taip pat naudoja „Dell EMC“ savo didelio našumo skaičiavimo sprendimuose. Yra daug panašių pavyzdžių, šiuo keliu dabar eina beveik visi pirmaujantys skaičiavimo įrangos ir duomenų saugojimo sistemų gamintojai.
Maitinimas ir aušinimas
Kita AI taikymo sritis duomenų centruose yra susijusi su inžinerinės infrastruktūros valdymu ir, visų pirma, vėsinimu, kurio dalis bendrame objekto energijos suvartojime gali viršyti 30%. „Google“ viena pirmųjų pagalvojo apie išmanųjį vėsinimą: 2016 m. kartu su „DeepMind“ ji sukūrė atskirų duomenų centro komponentų stebėjimui, o tai sumažino energijos sąnaudas oro kondicionavimui 40%. Iš pradžių jis teikė tik užuominas darbuotojams, bet vėliau buvo patobulintas ir dabar gali savarankiškai valdyti mašinų skyrių vėsinimą. Debesyje dislokuotas neuroninis tinklas apdoroja duomenis iš tūkstančių patalpų ir lauko jutiklių: priima sprendimus atsižvelgdamas į serverių apkrovą, temperatūrą, taip pat vėjo greitį lauke ir daugelį kitų parametrų. Debesų sistemos siūlomos instrukcijos siunčiamos į duomenų centrą ir ten jų saugumą dar kartą patikrina vietinės sistemos, o darbuotojai visada gali išjungti automatinį režimą ir pradėti tvarkyti aušinimą rankiniu būdu. Nlyte Software kartu su IBM Watson komanda sukūrė , kuriame kaupiami duomenys apie temperatūrą ir drėgmę, energijos suvartojimą ir IT įrangos apkrovą. Tai leidžia optimizuoti inžinerinių posistemių veikimą ir nereikalauja prisijungimo prie gamintojo debesų infrastruktūros – prireikus sprendimas gali būti diegiamas tiesiai duomenų centre.
Kiti pavyzdžiai
Rinkoje yra daug inovatyvių išmaniųjų sprendimų duomenų centrams ir nuolat atsiranda naujų. „Wave2Wave“ sukūrė robotizuotą šviesolaidinio kabelio perjungimo sistemą, leidžiančią automatiškai organizuoti kryžminius ryšius srauto mainų mazguose („Meet Me Rooms“) duomenų centre. „ROOT Data Center“ ir „LitBit“ sukurta sistema naudoja dirbtinį intelektą atsarginiams dyzelinių generatorių rinkiniams stebėti, o „Romonet“ sukūrė savaiminio mokymosi programinės įrangos sprendimą infrastruktūros optimizavimui. „Vigilent“ sukurti sprendimai naudoja mašininį mokymąsi, kad prognozuotų gedimus ir optimizuotų temperatūros sąlygas duomenų centro patalpose. Dirbtinis intelektas, mašininis mokymasis ir kitos inovatyvios procesų automatizavimo technologijos duomenų centruose pradėtos diegti palyginti neseniai, tačiau šiandien tai yra viena perspektyviausių pramonės plėtros sričių. Šiandieniniai duomenų centrai tapo per dideli ir sudėtingi, kad juos būtų galima efektyviai valdyti rankiniu būdu.
Šaltinis: www.habr.com