Dalam proses transformasi digital ekonomi, manusia perlu membina lebih banyak pusat pemprosesan data. Pusat data sendiri juga mesti diubah: isu toleransi kesalahan dan kecekapan tenaga mereka kini lebih penting berbanding sebelum ini. Kemudahan menggunakan sejumlah besar tenaga elektrik, dan kegagalan infrastruktur IT kritikal yang terletak di dalamnya adalah mahal kepada perniagaan. Kecerdasan buatan dan teknologi pembelajaran mesin datang untuk membantu jurutera - dalam beberapa tahun kebelakangan ini mereka semakin digunakan untuk mencipta pusat data yang lebih maju. Pendekatan ini meningkatkan ketersediaan kemudahan, mengurangkan bilangan kegagalan dan mengurangkan kos operasi.
Bagaimana ia berfungsi?
Kecerdasan buatan dan teknologi pembelajaran mesin digunakan untuk mengautomasikan pembuatan keputusan operasi berdasarkan data yang dikumpul daripada pelbagai penderia. Sebagai peraturan, alat sedemikian disepadukan dengan sistem kelas DCIM (Pengurusan Infrastruktur Pusat Data) dan membolehkan anda meramalkan berlakunya situasi kecemasan, serta mengoptimumkan operasi peralatan IT, infrastruktur kejuruteraan dan juga kakitangan perkhidmatan. Selalunya, pengeluar menawarkan perkhidmatan awan kepada pemilik pusat data yang mengumpul dan memproses data daripada ramai pelanggan. Sistem sedemikian menyamaratakan pengalaman mengendalikan pusat data yang berbeza, dan oleh itu berfungsi lebih baik daripada produk tempatan.
pengurusan infrastruktur IT
HPE mempromosikan perkhidmatan analitik ramalan awan untuk mengurus infrastruktur IT yang dibina pada sistem penyimpanan Nimble Storage dan HPE 3PAR StoreServ, pelayan HPE ProLiant DL/ML/BL, sistem rak HPE Apollo dan platform HPE Synergy. InfoSight menganalisis bacaan penderia yang dipasang dalam peralatan, memproses lebih daripada sejuta peristiwa sesaat dan sentiasa belajar sendiri. Perkhidmatan ini bukan sahaja mengesan kerosakan, tetapi juga meramalkan kemungkinan masalah dengan infrastruktur IT (kegagalan peralatan, kehabisan kapasiti storan, penurunan prestasi mesin maya, dll.) walaupun sebelum ia berlaku. Untuk analisis ramalan, perisian VoltDB digunakan dalam awan, menggunakan model ramalan autoregresif dan kaedah kebarangkalian. Penyelesaian serupa tersedia untuk sistem storan hibrid daripada Sistem Tegile: perkhidmatan awan IntelliCare Cloud Analytics memantau kesihatan, prestasi dan penggunaan sumber peranti. Kecerdasan buatan dan teknologi pembelajaran mesin juga digunakan oleh Dell EMC dalam penyelesaian pengkomputeran berprestasi tingginya. Terdapat banyak contoh yang serupa; hampir semua pengeluar terkemuka peralatan pengkomputeran dan sistem storan data kini mengikuti laluan ini.
Bekalan kuasa dan penyejukan
Satu lagi bidang aplikasi AI di pusat data adalah berkaitan dengan pengurusan infrastruktur kejuruteraan dan, di atas semua, penyejukan, bahagiannya dalam jumlah penggunaan tenaga kemudahan boleh melebihi 30%. Google adalah salah satu yang pertama berfikir tentang penyejukan pintar: pada 2016, bersama DeepMind, ia berkembang untuk memantau komponen pusat data individu, yang mengurangkan kos tenaga untuk penyaman udara sebanyak 40%. Pada mulanya, ia hanya memberi petunjuk kepada kakitangan, tetapi kemudiannya dipertingkatkan dan kini boleh mengawal penyejukan bilik mesin secara bebas. Rangkaian saraf yang digunakan dalam awan memproses data daripada beribu-ribu penderia dalaman dan luaran: ia membuat keputusan dengan mengambil kira beban pada pelayan, suhu, serta kelajuan angin di luar dan banyak parameter lain. Arahan yang ditawarkan oleh sistem awan dihantar ke pusat data dan di sana ia sekali lagi diperiksa untuk keselamatan oleh sistem tempatan, manakala kakitangan sentiasa boleh mematikan mod automatik dan mula menguruskan penyejukan secara manual. Perisian Nlyte bersama-sama dengan pasukan IBM Watson yang dicipta , yang mengumpul data mengenai suhu dan kelembapan, penggunaan tenaga dan beban pada peralatan IT. Ia membolehkan anda mengoptimumkan operasi subsistem kejuruteraan dan tidak memerlukan sambungan ke infrastruktur awan pengeluar - jika perlu, penyelesaian itu boleh digunakan terus di pusat data.
Contoh lain
Terdapat banyak penyelesaian pintar inovatif untuk pusat data di pasaran dan penyelesaian baharu sentiasa muncul. Wave2Wave telah mencipta sistem pensuisan kabel gentian optik robotik untuk mengatur sambungan silang secara automatik dalam nod pertukaran trafik (Bilik Temui Saya) di dalam pusat data. Sistem yang dibangunkan oleh Pusat Data ROOT dan LitBit menggunakan AI untuk memantau set penjana diesel sandaran, dan Romonet telah mencipta penyelesaian perisian pembelajaran kendiri untuk mengoptimumkan infrastruktur. Penyelesaian yang dicipta oleh Vigilent menggunakan pembelajaran mesin untuk meramalkan kegagalan dan mengoptimumkan keadaan suhu di premis pusat data. Pengenalan kecerdasan buatan, pembelajaran mesin dan teknologi inovatif lain untuk automasi proses di pusat data bermula agak baru-baru ini, tetapi hari ini ini adalah salah satu bidang pembangunan industri yang paling menjanjikan. Pusat data hari ini telah menjadi terlalu besar dan kompleks untuk diuruskan secara manual dengan berkesan.
Sumber: www.habr.com