Во процесот на дигитална трансформација на економијата, човештвото треба да гради се повеќе и повеќе центри за обработка на податоци. Самите центри за податоци, исто така, мора да се трансформираат: прашањата за нивната толеранција на грешки и енергетската ефикасност сега се поважни од кога било. Објектите трошат огромни количини електрична енергија, а дефектите на критичната ИТ инфраструктура лоцирана во нив се скапи за бизнисите. Технологиите за вештачка интелигенција и машинско учење доаѓаат на помош на инженерите - во последниве години тие се повеќе се користат за создавање понапредни центри за податоци. Овој пристап ја зголемува достапноста на капацитетите, го намалува бројот на дефекти и ги намалува оперативните трошоци.
Како тоа функционира?
Технологиите за вештачка интелигенција и машинско учење се користат за автоматизирање на оперативното одлучување врз основа на податоците собрани од различни сензори. Како по правило, таквите алатки се интегрирани со системите на класата DCIM (Управување со инфраструктура на центарот за податоци) и ви овозможуваат да го предвидите појавувањето на итни ситуации, како и да ја оптимизирате работата на ИТ опремата, инженерската инфраструктура, па дури и услужниот персонал. Многу често, производителите нудат облак услуги на сопствениците на центрите за податоци кои акумулираат и обработуваат податоци од многу клиенти. Ваквите системи го генерализираат искуството за управување со различни центри за податоци и затоа работат подобро од локалните производи.
Управување со ИТ инфраструктура
HPE ја промовира услугата за аналитичка предвидлива облак
Напојување и ладење
Друга област на примена на вештачката интелигенција во центрите за податоци е поврзана со управувањето со инженерската инфраструктура и, пред сè, ладењето, чие учество во вкупната потрошувачка на енергија на објектот може да надмине 30%. Google беше еден од првите што размислуваше за паметно ладење: во 2016 година, заедно со DeepMind, разви
Други примери
На пазарот има многу иновативни паметни решенија за центри за податоци и постојано се појавуваат нови. Wave2Wave создаде роботски систем за префрлување кабли со оптички влакна за автоматско организирање вкрстени врски во јазли за размена на сообраќај (Meet Me Rooms) во центарот за податоци. Системот развиен од ROOT Data Center и LitBit користи вештачка интелигенција за следење на резервните комплети на дизел генератори, а Romonet создаде софтверско решение за самостојно учење за оптимизирање на инфраструктурата. Решенијата создадени од Vigilent користат машинско учење за да предвидат дефекти и да ги оптимизираат температурните услови во просториите на центарот за податоци. Воведувањето на вештачка интелигенција, машинско учење и други иновативни технологии за автоматизација на процесите во центрите за податоци започна релативно неодамна, но денес ова е една од најперспективните области на развојот на индустријата. Денешните центри за податоци станаа премногу големи и сложени за ефикасно да се управуваат рачно.
Извор: www.habr.com