ഡാറ്റാ സെന്ററിലെ റോബോട്ടുകൾ: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എങ്ങനെ ഉപയോഗപ്രദമാകും?

സമ്പദ്‌വ്യവസ്ഥയുടെ ഡിജിറ്റൽ പരിവർത്തന പ്രക്രിയയിൽ, മാനവികത കൂടുതൽ കൂടുതൽ ഡാറ്റ പ്രോസസ്സിംഗ് സെന്ററുകൾ നിർമ്മിക്കേണ്ടതുണ്ട്. ഡാറ്റാ സെന്ററുകളും രൂപാന്തരപ്പെടണം: അവയുടെ തെറ്റ് സഹിഷ്ണുതയുടെയും ഊർജ്ജ കാര്യക്ഷമതയുടെയും പ്രശ്നങ്ങൾ എന്നത്തേക്കാളും ഇപ്പോൾ പ്രധാനമാണ്. സൗകര്യങ്ങൾ വലിയ അളവിൽ വൈദ്യുതി ഉപയോഗിക്കുന്നു, അവയ്ക്കുള്ളിൽ സ്ഥിതിചെയ്യുന്ന നിർണായകമായ ഐടി ഇൻഫ്രാസ്ട്രക്ചറിന്റെ പരാജയങ്ങൾ ബിസിനസുകൾക്ക് ചെലവേറിയതാണ്. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകളും എഞ്ചിനീയർമാരുടെ സഹായത്തിന് വരുന്നു - സമീപ വർഷങ്ങളിൽ കൂടുതൽ വിപുലമായ ഡാറ്റാ സെന്ററുകൾ സൃഷ്ടിക്കാൻ അവ കൂടുതലായി ഉപയോഗിക്കുന്നു. ഈ സമീപനം സൗകര്യങ്ങളുടെ ലഭ്യത വർദ്ധിപ്പിക്കുകയും പരാജയങ്ങളുടെ എണ്ണം കുറയ്ക്കുകയും പ്രവർത്തന ചെലവ് കുറയ്ക്കുകയും ചെയ്യുന്നു.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു?

വിവിധ സെൻസറുകളിൽ നിന്ന് ശേഖരിക്കുന്ന ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള പ്രവർത്തനപരമായ തീരുമാനമെടുക്കൽ ഓട്ടോമേറ്റ് ചെയ്യാൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകളും ഉപയോഗിക്കുന്നു. ചട്ടം പോലെ, അത്തരം ഉപകരണങ്ങൾ DCIM (ഡാറ്റ സെന്റർ ഇൻഫ്രാസ്ട്രക്ചർ മാനേജ്മെന്റ്) ക്ലാസ് സിസ്റ്റങ്ങളുമായി സംയോജിപ്പിച്ചിരിക്കുന്നു, കൂടാതെ അടിയന്തിര സാഹചര്യങ്ങൾ പ്രവചിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു, അതുപോലെ തന്നെ ഐടി ഉപകരണങ്ങൾ, എഞ്ചിനീയറിംഗ് ഇൻഫ്രാസ്ട്രക്ചർ, സേവന ഉദ്യോഗസ്ഥർ എന്നിവയുടെ പ്രവർത്തനം ഒപ്റ്റിമൈസ് ചെയ്യുന്നു. മിക്കപ്പോഴും, നിർമ്മാതാക്കൾ ഡാറ്റാ സെന്റർ ഉടമകൾക്ക് ക്ലൗഡ് സേവനങ്ങൾ വാഗ്ദാനം ചെയ്യുന്നു, അത് നിരവധി ഉപഭോക്താക്കളിൽ നിന്ന് ഡാറ്റ ശേഖരിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നു. അത്തരം സംവിധാനങ്ങൾ വ്യത്യസ്ത ഡാറ്റാ സെന്ററുകൾ പ്രവർത്തിപ്പിക്കുന്നതിന്റെ അനുഭവത്തെ സാമാന്യവൽക്കരിക്കുന്നു, അതിനാൽ പ്രാദേശിക ഉൽപ്പന്നങ്ങളേക്കാൾ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു.

ഐടി ഇൻഫ്രാസ്ട്രക്ചർ മാനേജ്മെന്റ്

ക്ലൗഡ് പ്രവചന അനലിറ്റിക്‌സ് സേവനം HPE പ്രോത്സാഹിപ്പിക്കുന്നു ഇൻഫോസൈറ്റ് നിംബിൾ സ്റ്റോറേജ്, HPE 3PAR സ്റ്റോർസെർവ് സ്റ്റോറേജ് സിസ്റ്റങ്ങൾ, HPE ProLiant DL/ML/BL സെർവറുകൾ, HPE അപ്പോളോ റാക്ക് സിസ്റ്റങ്ങൾ, HPE സിനർജി പ്ലാറ്റ്‌ഫോം എന്നിവയിൽ നിർമ്മിച്ച ഐടി ഇൻഫ്രാസ്ട്രക്ചർ കൈകാര്യം ചെയ്യാൻ. InfoSight ഉപകരണങ്ങളിൽ ഇൻസ്റ്റാൾ ചെയ്ത സെൻസറുകളുടെ റീഡിംഗുകൾ വിശകലനം ചെയ്യുന്നു, സെക്കൻഡിൽ ഒരു ദശലക്ഷത്തിലധികം ഇവന്റുകൾ പ്രോസസ്സ് ചെയ്യുകയും നിരന്തരം സ്വയം പഠിക്കുകയും ചെയ്യുന്നു. ഈ സേവനം പിഴവുകൾ കണ്ടെത്തുക മാത്രമല്ല, ഐടി ഇൻഫ്രാസ്ട്രക്ചറിൽ (ഉപകരണങ്ങളുടെ തകരാറുകൾ, സംഭരണ ​​ശേഷിയുടെ ക്ഷീണം, വെർച്വൽ മെഷീനുകളുടെ പ്രകടനം കുറയ്‌ക്കൽ മുതലായവ) ഉണ്ടാകുന്നതിന് മുമ്പുതന്നെ സാധ്യമായ പ്രശ്നങ്ങൾ പ്രവചിക്കുകയും ചെയ്യുന്നു. പ്രവചനാത്മക വിശകലനത്തിനായി, സ്വയമേവയുള്ള പ്രവചന മോഡലുകളും പ്രോബബിലിസ്റ്റിക് രീതികളും ഉപയോഗിച്ച് വോൾട്ട്ഡിബി സോഫ്‌റ്റ്‌വെയർ ക്ലൗഡിൽ വിന്യസിച്ചിരിക്കുന്നു. Tegile Systems-ൽ നിന്നുള്ള ഹൈബ്രിഡ് സ്റ്റോറേജ് സിസ്റ്റങ്ങൾക്ക് സമാനമായ ഒരു പരിഹാരം ലഭ്യമാണ്: IntelliCare Cloud Analytics ക്ലൗഡ് സേവനം ഉപകരണങ്ങളുടെ ആരോഗ്യം, പ്രകടനം, വിഭവ ഉപയോഗം എന്നിവ നിരീക്ഷിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകളും ഡെൽ ഇഎംസി അതിന്റെ ഉയർന്ന പ്രകടനമുള്ള കമ്പ്യൂട്ടിംഗ് സൊല്യൂഷനുകളിൽ ഉപയോഗിക്കുന്നു. സമാനമായ നിരവധി ഉദാഹരണങ്ങളുണ്ട്; കമ്പ്യൂട്ടിംഗ് ഉപകരണങ്ങളുടെയും ഡാറ്റ സ്റ്റോറേജ് സിസ്റ്റങ്ങളുടെയും മിക്കവാറും എല്ലാ മുൻനിര നിർമ്മാതാക്കളും ഇപ്പോൾ ഈ പാത പിന്തുടരുന്നു.

വൈദ്യുതി വിതരണവും തണുപ്പിക്കൽ

ഡാറ്റാ സെന്ററുകളിൽ AI പ്രയോഗത്തിന്റെ മറ്റൊരു മേഖല എഞ്ചിനീയറിംഗ് ഇൻഫ്രാസ്ട്രക്ചറിന്റെ മാനേജ്മെന്റുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, എല്ലാറ്റിനുമുപരിയായി, തണുപ്പിക്കൽ, ഒരു സൗകര്യത്തിന്റെ മൊത്തം ഊർജ്ജ ഉപഭോഗത്തിൽ ഇതിന്റെ പങ്ക് 30% കവിയുന്നു. സ്‌മാർട്ട് കൂളിംഗിനെക്കുറിച്ച് ആദ്യം ചിന്തിച്ചത് Google ആണ്: 2016-ൽ DeepMind-നോടൊപ്പം ഇത് വികസിപ്പിച്ചെടുത്തു. കൃത്രിമ ബുദ്ധി സംവിധാനം വ്യക്തിഗത ഡാറ്റാ സെന്റർ ഘടകങ്ങൾ നിരീക്ഷിക്കുന്നതിന്, ഇത് എയർ കണ്ടീഷനിംഗിനുള്ള ഊർജ്ജ ചെലവ് 40% കുറച്ചു. തുടക്കത്തിൽ, ഇത് ജീവനക്കാർക്ക് സൂചനകൾ നൽകി, എന്നാൽ പിന്നീട് മെച്ചപ്പെടുത്തി, ഇപ്പോൾ സ്വതന്ത്രമായി മെഷീൻ റൂമുകളുടെ തണുപ്പിക്കൽ നിയന്ത്രിക്കാനാകും. ക്ലൗഡിൽ വിന്യസിച്ചിരിക്കുന്ന ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് ആയിരക്കണക്കിന് ഇൻഡോർ, ഔട്ട്ഡോർ സെൻസറുകളിൽ നിന്നുള്ള ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നു: സെർവറുകളിലെ ലോഡ്, താപനില, പുറത്തെ കാറ്റിന്റെ വേഗത, മറ്റ് നിരവധി പാരാമീറ്ററുകൾ എന്നിവ കണക്കിലെടുത്ത് ഇത് തീരുമാനങ്ങൾ എടുക്കുന്നു. ക്ലൗഡ് സിസ്റ്റം നൽകുന്ന നിർദ്ദേശങ്ങൾ ഡാറ്റാ സെന്ററിലേക്ക് അയയ്‌ക്കുകയും അവിടെ ലോക്കൽ സിസ്റ്റങ്ങൾ സുരക്ഷയ്ക്കായി വീണ്ടും പരിശോധിക്കുകയും ചെയ്യുന്നു, അതേസമയം ജീവനക്കാർക്ക് എല്ലായ്പ്പോഴും ഓട്ടോമാറ്റിക് മോഡ് ഓഫാക്കി കൂളിംഗ് സ്വമേധയാ കൈകാര്യം ചെയ്യാൻ ആരംഭിക്കാം. Nlyte സോഫ്റ്റ്‌വെയർ IBM വാട്‌സൺ ടീമുമായി ചേർന്ന് സൃഷ്ടിച്ചു തീരുമാനം, താപനില, ഈർപ്പം, ഊർജ്ജ ഉപഭോഗം, ഐടി ഉപകരണങ്ങളുടെ ലോഡ് എന്നിവയെക്കുറിച്ചുള്ള ഡാറ്റ ശേഖരിക്കുന്നു. എഞ്ചിനീയറിംഗ് സബ്സിസ്റ്റങ്ങളുടെ പ്രവർത്തനം ഒപ്റ്റിമൈസ് ചെയ്യാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു കൂടാതെ നിർമ്മാതാവിന്റെ ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറിലേക്ക് കണക്ഷൻ ആവശ്യമില്ല - ആവശ്യമെങ്കിൽ, പരിഹാരം ഡാറ്റാ സെന്ററിൽ നേരിട്ട് വിന്യസിക്കാൻ കഴിയും.

മറ്റ് ഉദാഹരണങ്ങൾ

വിപണിയിൽ ഡാറ്റാ സെന്ററുകൾക്കായി ധാരാളം നൂതനമായ സ്മാർട്ട് സൊല്യൂഷനുകൾ ഉണ്ട്, പുതിയവ നിരന്തരം പ്രത്യക്ഷപ്പെടുന്നു. ഡാറ്റാ സെന്ററിനുള്ളിലെ ട്രാഫിക് എക്‌സ്‌ചേഞ്ച് നോഡുകളിൽ (മീറ്റ് മീ റൂംസ്) ക്രോസ് കണക്ഷനുകൾ സ്വയമേവ ഓർഗനൈസുചെയ്യുന്നതിന് Wave2Wave ഒരു റോബോട്ടിക് ഫൈബർ ഒപ്‌റ്റിക് കേബിൾ സ്വിച്ചിംഗ് സിസ്റ്റം സൃഷ്‌ടിച്ചു. റൂട്ട് ഡാറ്റാ സെന്ററും ലിറ്റ്ബിറ്റും ചേർന്ന് വികസിപ്പിച്ച സിസ്റ്റം, ബാക്കപ്പ് ഡീസൽ ജനറേറ്റർ സെറ്റുകൾ നിരീക്ഷിക്കാൻ AI ഉപയോഗിക്കുന്നു, കൂടാതെ ഇൻഫ്രാസ്ട്രക്ചർ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനായി Romonet ഒരു സ്വയം പഠന സോഫ്റ്റ്‌വെയർ സൊല്യൂഷൻ സൃഷ്ടിച്ചു. വിജിലന്റ് സൃഷ്ടിച്ച പരിഹാരങ്ങൾ പരാജയങ്ങൾ പ്രവചിക്കാനും ഡാറ്റാ സെന്റർ പരിസരങ്ങളിലെ താപനില സാഹചര്യങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യാനും മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ്, പ്രോസസ്സ് ഓട്ടോമേഷനായി മറ്റ് നൂതന സാങ്കേതികവിദ്യകൾ എന്നിവയുടെ ആമുഖം താരതമ്യേന അടുത്തിടെയാണ് ആരംഭിച്ചത്, എന്നാൽ ഇന്ന് ഇത് വ്യവസായ വികസനത്തിന്റെ ഏറ്റവും മികച്ച മേഖലകളിലൊന്നാണ്. ഇന്നത്തെ ഡാറ്റാ സെന്ററുകൾ വളരെ വലുതും സങ്കീർണ്ണവുമാണ്, ഫലപ്രദമായി മാനുവലായി കൈകാര്യം ചെയ്യാൻ.

അവലംബം: www.habr.com