ဒေတာစင်တာရှိ စက်ရုပ်များ- ဉာဏ်ရည်တုသည် မည်သို့အသုံးဝင်နိုင်သနည်း။

စီးပွားရေး၏ ဒစ်ဂျစ်တယ်အသွင်ပြောင်းရေး လုပ်ငန်းစဉ်တွင် လူသားမျိုးနွယ်သည် ဒေတာ စီမံဆောင်ရွက်ရေးစင်တာများ ပိုများလာရန် လိုအပ်သည်။ ဒေတာစင်တာများကိုယ်တိုင်လည်း အသွင်ပြောင်းရပါမည်- ၎င်းတို့၏ အမှားခံနိုင်ရည်ရှိမှုနှင့် စွမ်းအင်ထိရောက်မှုဆိုင်ရာ ပြဿနာများသည် ယခုအခါ ယခင်ကထက် ပိုအရေးကြီးပါသည်။ အဆောက်အဦများသည် လျှပ်စစ်ဓာတ်အား အမြောက်အမြားသုံးစွဲကြပြီး ၎င်းတို့အတွင်းတွင်ရှိသော အရေးကြီးသော IT အခြေခံအဆောက်အအုံများ ပျက်ကွက်ခြင်းသည် စီးပွားရေးလုပ်ငန်းများအတွက် ကုန်ကျစရိတ်များပါသည်။ Artificial Intelligence နှင့် Machine Learning နည်းပညာများသည် အင်ဂျင်နီယာများ၏ အကူအညီကို ရရှိနေပြီဖြစ်သည် - မကြာသေးမီနှစ်များအတွင်း ၎င်းတို့သည် ပိုမိုအဆင့်မြင့်သော ဒေတာစင်တာများကို ဖန်တီးရန် တိုးမြှင့်အသုံးပြုလာခဲ့သည်။ ဤချဉ်းကပ်မှုသည် အဆောက်အဦများ ရရှိနိုင်မှုကို တိုးစေပြီး ပျက်ကွက်မှု အရေအတွက်ကို လျှော့ချပေးပြီး လည်ပတ်မှုကုန်ကျစရိတ်များကို လျှော့ချပေးသည်။

ဘယ်လိုအလုပ်လုပ်သလဲ

Artificial Intelligence နှင့် စက်သင်ယူမှုနည်းပညာများကို အာရုံခံကိရိယာအမျိုးမျိုးမှ စုဆောင်းရရှိထားသော အချက်အလက်များအပေါ်အခြေခံ၍ လုပ်ငန်းဆောင်ရွက်မှုဆိုင်ရာ ဆုံးဖြတ်ချက်ချရာတွင် အလိုအလျောက်လုပ်ဆောင်ရန်အတွက် အသုံးပြုပါသည်။ စည်းမျဉ်းအရ၊ ထိုကဲ့သို့သောကိရိယာများသည် DCIM (Data Center Infrastructure Management) အတန်းအစားစနစ်များနှင့် ပေါင်းစပ်ထားပြီး အရေးပေါ်အခြေအနေများဖြစ်ပေါ်မှုကို ခန့်မှန်းနိုင်သည့်အပြင် IT စက်ကိရိယာများ၊ အင်ဂျင်နီယာဆိုင်ရာ အခြေခံအဆောက်အအုံများနှင့် ဝန်ဆောင်မှုဝန်ထမ်းများပင်လျှင် လုပ်ဆောင်ချက်ကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။ မကြာခဏဆိုသလို၊ ထုတ်လုပ်သူများသည် သုံးစွဲသူများစွာထံမှ ဒေတာစုဆောင်းပြီး စီမံဆောင်ရွက်ပေးသော ဒေတာစင်တာပိုင်ရှင်များကို cloud ဝန်ဆောင်မှုများကို ပေးလေ့ရှိသည်။ ထိုသို့သောစနစ်များသည် မတူညီသောဒေတာစင်တာများလည်ပတ်မှုအတွေ့အကြုံကို ယေဘူယျအားဖြင့် ယေဘူယျပေးစွမ်းသောကြောင့် ဒေသတွင်းထုတ်ကုန်များထက် သာလွန်ကောင်းမွန်ပါသည်။

အိုင်တီအခြေခံအဆောက်အအုံစီမံခန့်ခွဲမှု

HPE သည် cloud ကြိုတင်ခန့်မှန်းနိုင်သော ခွဲခြမ်းစိတ်ဖြာမှုဝန်ဆောင်မှုကို မြှင့်တင်ပေးပါသည်။ InfoSight Nimble Storage နှင့် HPE 3PAR StoreServ သိုလှောင်မှုစနစ်များ၊ HPE ProLiant DL/ML/BL ဆာဗာများ၊ HPE Apollo rack စနစ်များနှင့် HPE Synergy ပလပ်ဖောင်းပေါ်တွင် တည်ဆောက်ထားသော IT အခြေခံအဆောက်အဦများကို စီမံခန့်ခွဲရန်။ InfoSight သည် စက်ပစ္စည်းများတွင် တပ်ဆင်ထားသည့် အာရုံခံကိရိယာများ၏ ဖတ်ရှုမှုကို ပိုင်းခြားစိတ်ဖြာကာ တစ်စက္ကန့်လျှင် ဖြစ်ရပ်ပေါင်း တစ်သန်းကျော်ကို လုပ်ဆောင်ပြီး ကိုယ်တိုင်သင်ယူမှုကို အဆက်မပြတ်လုပ်ဆောင်သည်။ ဝန်ဆောင်မှုသည် ချို့ယွင်းချက်များကို ထောက်လှမ်းရုံသာမက IT အခြေခံအဆောက်အအုံများ (စက်ပစ္စည်းချို့ယွင်းမှု၊ သိုလှောင်မှုစွမ်းရည် ကုန်ဆုံးမှု၊ virtual machines များ၏ စွမ်းဆောင်ရည်ကျဆင်းခြင်းစသည်) နှင့် ဖြစ်နိုင်ခြေရှိသော ပြဿနာများကိုလည်း ကြိုတင်ခန့်မှန်းပေးပါသည်။ ကြိုတင်ခန့်မှန်းခွဲခြမ်းစိတ်ဖြာမှုများအတွက်၊ VoltDB ဆော့ဖ်ဝဲလ်သည် autoregressive forecasting မော်ဒယ်များနှင့် ဖြစ်နိုင်ခြေရှိသော နည်းလမ်းများကို အသုံးပြု၍ cloud တွင် ဖြန့်ကျက်ထားသည်။ Tegile Systems မှ ဟိုက်ဘရစ်သိုလှောင်မှုစနစ်များအတွက် အလားတူဖြေရှင်းချက်ကို ရနိုင်သည်- IntelliCare Cloud Analytics cloud ဝန်ဆောင်မှုသည် စက်ပစ္စည်းများ၏ ကျန်းမာရေး၊ စွမ်းဆောင်ရည်နှင့် အရင်းအမြစ်အသုံးပြုမှုကို စောင့်ကြည့်သည်။ ဥာဏ်ရည်တုနှင့် စက်သင်ယူမှုနည်းပညာများကို Dell EMC မှ ၎င်း၏စွမ်းဆောင်ရည်မြင့် ကွန်ပျူတာဖြေရှင်းချက်များတွင်လည်း အသုံးပြုပါသည်။ အလားတူ ဥပမာများစွာရှိပါသည်၊ ကွန်ပျူတာစက်ပစ္စည်းများနှင့် ဒေတာသိုလှောင်မှုစနစ်များ၏ ထိပ်တန်းထုတ်လုပ်သူအားလုံးနီးပါးသည် ယခုလမ်းကြောင်းအတိုင်း လိုက်နေကြပါပြီ။

ပါဝါထောက်ပံ့မှုနှင့် အအေးပေးခြင်း

ဒေတာစင်တာများရှိ AI ၏နောက်ထပ်အသုံးချမှုဧရိယာသည် အင်ဂျင်နီယာအခြေခံအဆောက်အအုံစီမံခန့်ခွဲမှုနှင့် ဆက်စပ်နေပြီး၊ အားလုံးထက်၊ အအေးပေးစနစ်သည် စက်ရုံတစ်ခု၏ စုစုပေါင်းစွမ်းအင်သုံးစွဲမှုတွင် 30% ထက်ကျော်လွန်နိုင်သည့် ရှယ်ယာဖြစ်သည်။ Google သည် smart cooling နှင့် ပတ်သက်၍ ပထမဆုံး စဉ်းစားသူ ဖြစ်သည်- 2016 ခုနှစ်တွင် DeepMind နှင့် အတူ တီထွင်ခဲ့သည်။ ဉာဏ်ရည်တုစနစ် လေအေးပေးစက်အတွက် စွမ်းအင်ကုန်ကျစရိတ် 40% လျှော့ချပေးသည့် ဒေတာစင်တာ အစိတ်အပိုင်းများကို စောင့်ကြည့်ခြင်းအတွက်၊ အစပိုင်းတွင်၊ ၎င်းသည် ဝန်ထမ်းများအား အရိပ်အမြွက်မျှသာ ပေးခဲ့သော်လည်း နောက်ပိုင်းတွင် ပိုမိုကောင်းမွန်လာကာ ယခုအခါတွင် စက်ခန်းများ၏ အအေးခံခြင်းကို လွတ်လပ်စွာ ထိန်းချုပ်နိုင်ပြီဖြစ်သည်။ cloud တွင်ဖြန့်ကျက်ထားသော neural network သည် ထောင်နှင့်ချီသော indoor နှင့် outdoor sensors များမှ data များကို process လုပ်သည်- ၎င်းသည် servers များပေါ်ရှိ load ၊ temperature နှင့် အပြင်ဘက် wind speed နှင့် အခြားသော parameters အများအပြားကို ထည့်သွင်းတွက်ချက်ပါသည်။ Cloud စနစ်မှ ပေးဆောင်သည့် ညွှန်ကြားချက်များကို ဒေတာစင်တာသို့ ပေးပို့ပြီး ၎င်းတို့ကို ဒေသတွင်းစနစ်များက လုံခြုံရေးအတွက် ထပ်မံစစ်ဆေးပြီး ဝန်ထမ်းများသည် အလိုအလျောက်မုဒ်ကို အမြဲတမ်းပိတ်နိုင်ပြီး အအေးပေးခြင်းကို ကိုယ်တိုင်စတင်စီမံနိုင်ပါသည်။ Nlyte Software ကို IBM Watson အဖွဲ့နှင့် လက်တွဲ ဖန်တီးခဲ့သည်။ ဆုံးဖြတ်ချက်အပူချိန်နှင့် စိုထိုင်းဆ၊ စွမ်းအင်သုံးစွဲမှုနှင့် အိုင်တီပစ္စည်းကိရိယာများပေါ်တွင် တင်ဆောင်သည့် ဒေတာကို စုဆောင်းသည်။ ၎င်းသည် သင့်အား အင်ဂျင်နီယာစနစ်ခွဲများ၏ လုပ်ဆောင်ချက်ကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်နိုင်စေပြီး ထုတ်လုပ်သူ၏ cloud အခြေခံအဆောက်အအုံနှင့် ချိတ်ဆက်မှုမလိုအပ်ပါ - လိုအပ်ပါက၊ ဖြေရှင်းချက်ကို ဒေတာစင်တာတွင် တိုက်ရိုက်အသုံးချနိုင်သည်။

သည်အခြားဥပမာများ

စျေးကွက်တွင် ဒေတာစင်တာများအတွက် ဆန်းသစ်ဆန်းသစ်သော စမတ်ဖြေရှင်းနည်းများစွာ ရှိပြီး အသစ်များသည် အဆက်မပြတ်ပေါ်လာပါသည်။ Wave2Wave သည် ဒေတာစင်တာအတွင်းရှိ အသွားအလာဖလှယ်သည့်နေရာများ (Meet Me Rooms) တွင် အပြန်အလှန်ချိတ်ဆက်မှုများကို အလိုအလျောက်စုစည်းရန် စက်ရုပ်ဖိုက်ဘာအေပတစ်ကေဘယ်ကြိုးပြောင်းခြင်းစနစ်ကို ဖန်တီးထားသည်။ ROOT Data Center နှင့် LitBit တို့မှ တီထွင်ထားသော စနစ်သည် အရန်ဒီဇယ်ဂျင်နရေတာ အစုံလိုက်များကို စောင့်ကြည့်ရန် AI ကိုအသုံးပြုထားပြီး Romonet သည် အခြေခံအဆောက်အဦများကို ကောင်းမွန်အောင်ပြုလုပ်ရန်အတွက် ကိုယ်တိုင်သင်ယူခြင်းဆော့ဖ်ဝဲဖြေရှင်းချက်ကို ဖန်တီးထားသည်။ Vigilent မှ ဖန်တီးထားသော ဖြေရှင်းချက်များသည် ဒေတာစင်တာအတွင်း ပျက်ကွက်မှုများကို ကြိုတင်ခန့်မှန်းရန်နှင့် ဒေတာစင်တာအတွင်း အပူချိန်အခြေအနေများကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ရန် စက်သင်ယူမှုကို အသုံးပြုသည်။ ဒေတာစင်တာများတွင် လုပ်ငန်းစဉ်အလိုအလျောက်လုပ်ဆောင်ခြင်းအတွက် ဉာဏ်ရည်တု၊ စက်သင်ယူမှုနှင့် အခြားဆန်းသစ်တီထွင်နည်းပညာများကို မိတ်ဆက်ခဲ့သည်မှာ မကြာသေးမီက စတင်ခဲ့သော်လည်း ယနေ့တွင် ယင်းသည် စက်မှုလုပ်ငန်းဖွံ့ဖြိုးတိုးတက်မှု၏ အလားအလာအကောင်းဆုံးနယ်ပယ်များထဲမှတစ်ခုဖြစ်သည်။ ယနေ့ခေတ် ဒေတာစင်တာများသည် လူကိုယ်တိုင် ထိရောက်စွာ စီမံခန့်ခွဲရန် အလွန်ကြီးမားပြီး ရှုပ်ထွေးလာပါသည်။

source: www.habr.com