Эдийн засгийг дижитал хувиргах явцад хүн төрөлхтөн улам олон мэдээлэл боловсруулах төвүүдийг барих шаардлагатай болж байна. Мэдээллийн төвүүд өөрсдөө ч өөрчлөгдөх ёстой: тэдний алдааг тэсвэрлэх чадвар, эрчим хүчний хэмнэлтийн асуудал одоо урьд өмнөхөөсөө илүү чухал болж байна. Байгууламжууд нь асар их хэмжээний цахилгаан зарцуулдаг бөгөөд тэдгээрийн дотор байрлах мэдээллийн технологийн чухал дэд бүтцийн доголдол нь бизнесүүдэд өндөр өртөгтэй байдаг. Хиймэл оюун ухаан, машин сургалтын технологи нь инженерүүдэд тусалж байна - сүүлийн жилүүдэд илүү дэвшилтэт мэдээллийн төвүүдийг бий болгоход улам бүр ашиглагдаж байна. Энэ арга нь байгууламжийн хүртээмжийг нэмэгдүүлж, эвдрэлийн тоог бууруулж, ашиглалтын зардлыг бууруулдаг.
энэ нь хэрхэн ажилладаг вэ?
Төрөл бүрийн мэдрэгчээс цуглуулсан мэдээлэлд үндэслэн үйл ажиллагааны шийдвэр гаргах ажиллагааг автоматжуулахад хиймэл оюун ухаан, машин сургалтын технологийг ашигладаг. Дүрмээр бол ийм хэрэгслүүд нь DCIM (Data Center Infrastructure Management) ангиллын системтэй нэгтгэгдсэн бөгөөд онцгой байдлын нөхцөл байдал үүсэхийг урьдчилан таамаглахаас гадна мэдээллийн технологийн тоног төхөөрөмж, инженерийн дэд бүтэц, тэр байтугай үйлчилгээний ажилтнуудын ажиллагааг оновчтой болгох боломжийг олгодог. Ихэнх тохиолдолд үйлдвэрлэгчид олон үйлчлүүлэгчдээс мэдээлэл цуглуулж, боловсруулдаг үүлэн үйлчилгээний өгөгдлийн төвийн эзэмшигчдэд санал болгодог. Ийм системүүд нь өөр өөр мэдээллийн төвүүдийн үйл ажиллагааны туршлагыг нэгтгэдэг тул орон нутгийн бүтээгдэхүүнээс илүү сайн ажилладаг.
Мэдээллийн технологийн дэд бүтцийн менежмент
HPE нь үүлэн таамаглах аналитик үйлчилгээг дэмждэг Nimble Storage болон HPE 3PAR StoreServ хадгалах систем, HPE ProLiant DL/ML/BL сервер, HPE Apollo тавиурын систем болон HPE Synergy платформ дээр суурилсан мэдээллийн технологийн дэд бүтцийг удирдах. InfoSight нь төхөөрөмжид суурилуулсан мэдрэгчийн уншилтад дүн шинжилгээ хийж, секундэд сая гаруй үйл явдлыг боловсруулж, өөрөө байнга суралцдаг. Энэхүү үйлчилгээ нь алдаа дутагдлыг илрүүлээд зогсохгүй мэдээллийн технологийн дэд бүтцэд гарч болзошгүй асуудлуудыг (тоног төхөөрөмжийн эвдрэл, хадгалах багтаамж шавхагдах, виртуал машинуудын гүйцэтгэл буурах гэх мэт) гарахаас нь өмнө урьдчилан таамагладаг. Урьдчилан таамаглах аналитикийн хувьд VoltDB программ хангамжийг авторегресс урьдчилан таамаглах загварууд болон магадлалын аргуудыг ашиглан үүлэн дээр байрлуулсан. Үүнтэй төстэй шийдлийг Tegile Systems-ийн эрлийз хадгалах системд ашиглах боломжтой: IntelliCare Cloud Analytics үүлэн үйлчилгээ нь төхөөрөмжийн эрүүл мэнд, гүйцэтгэл, нөөцийн ашиглалтыг хянадаг. Хиймэл оюун ухаан, машин сургалтын технологийг Dell EMC нь өндөр хүчин чадалтай тооцоолох шийдлүүдэд ашигладаг. Үүнтэй төстэй олон жишээ байдаг бөгөөд тооцоолох төхөөрөмж, өгөгдөл хадгалах системийн бараг бүх тэргүүлэх үйлдвэрлэгчид энэ замаар явж байна.
Цахилгаан хангамж ба хөргөлт
Өгөгдлийн төвүүдэд хиймэл оюун ухааныг ашиглах өөр нэг талбар бол инженерийн дэд бүтцийн менежмент, юуны түрүүнд хөргөлттэй холбоотой бөгөөд байгууламжийн нийт эрчим хүчний хэрэглээнд эзлэх хувь нь 30% -иас давж болно. Ухаалаг хөргөлтийн талаар анх бодож үзсэн хүмүүсийн нэг нь Google байсан: 2016 онд DeepMind-тэй хамтран бүтээжээ. өгөгдлийн төвийн бие даасан бүрэлдэхүүн хэсгүүдийг хянахад зориулагдсан бөгөөд энэ нь агааржуулалтын эрчим хүчний зардлыг 40% бууруулсан. Эхэндээ энэ нь зөвхөн ажилтнуудад зөвлөгөө өгдөг байсан боловч дараа нь сайжруулсан бөгөөд одоо машины өрөөний хөргөлтийг бие даан хянах боломжтой болсон. Үүлэнд байрлуулсан мэдрэлийн сүлжээ нь олон мянган дотор болон гаднах мэдрэгчийн өгөгдлийг боловсруулдаг: серверийн ачаалал, температур, гаднах салхины хурд болон бусад олон параметрүүдийг харгалзан шийдвэр гаргадаг. Клоуд системээс санал болгож буй зааврыг дата төв рүү илгээж, тэндхийн системүүд аюулгүй байдлыг дахин шалгадаг бол ажилтнууд автомат горимыг үргэлж унтрааж, хөргөлтийг гараар удирдаж эхлэх боломжтой. Nlyte програм хангамжийг IBM Watson багтай хамтран бүтээсэн Температур, чийгшил, эрчим хүчний зарцуулалт, мэдээллийн технологийн тоног төхөөрөмжийн ачаалал зэрэг мэдээллийг цуглуулдаг. Энэ нь инженерийн дэд системүүдийн ажиллагааг оновчтой болгох боломжийг олгодог бөгөөд үйлдвэрлэгчийн үүлэн дэд бүтэцтэй холбогдох шаардлагагүй - шаардлагатай бол шийдлийг мэдээллийн төвд шууд байрлуулж болно.
Бусад жишээнүүд
Зах зээл дээр дата төвүүдэд зориулсан олон шинэлэг ухаалаг шийдлүүд байдаг бөгөөд шинэ нь байнга гарч ирдэг. Wave2Wave нь дата төвийн доторх замын хөдөлгөөний солилцооны зангилаа (Meet Me Rooms) дахь хөндлөн холболтыг автоматаар зохион байгуулах зориулалттай робот шилэн кабелийн шилжүүлэгч системийг бүтээжээ. ROOT Data Center болон LitBit-ийн боловсруулсан систем нь дизель генераторын нөөцийг хянахын тулд хиймэл оюун ухааныг ашигладаг бөгөөд Romonet дэд бүтцийг оновчтой болгохын тулд өөрөө суралцах програм хангамжийн шийдлийг бий болгосон. Vigilent-ийн бүтээсэн шийдлүүд нь алдааг урьдчилан таамаглах, дата төвийн байрны температурын нөхцлийг оновчтой болгохын тулд машин сургалтыг ашигладаг. Дата төвүүдэд хиймэл оюун ухаан, машин сургалт болон бусад үйл явцыг автоматжуулах шинэлэг технологийг нэвтрүүлэх ажил харьцангуй саяхан эхэлсэн боловч өнөөдөр энэ нь салбарын хөгжлийн хамгийн ирээдүйтэй чиглэлүүдийн нэг юм. Өнөөгийн дата төвүүд нь гараар үр дүнтэй удирдахад хэтэрхий том, төвөгтэй болсон.
Эх сурвалж: www.habr.com