In the process of digital transformation of the economy, humanity has to build more and more data processing centers. The data centers themselves also need to transform: questions of their resilience and energy efficiency are more important than ever. These facilities consume enormous amounts of electricity, and failures of the critical IT infrastructure housed within them can be quite costly for businesses. Engineers are turning to artificial intelligence and machine learning technologies for help ā in recent years, these have increasingly been used to create more advanced data centers. This approach increases the readiness level of the facilities, reduces the number of failures, and lowers operating costs.
How does it work?
Artificial intelligence and machine learning technologies are used to automate operational decision-making based on data collected from various sensors. Typically, such tools are integrated with DCIM (Data Center Infrastructure Management) systems and allow for the prediction of emergency situations, as well as optimizing the operation of IT equipment, engineering infrastructure, and even support staff. Very often, manufacturers offer cloud services to datacenter owners that collect and process data from many clients. These systems aggregate the operational experience of various data centers, thus functioning better than local products.
IT infrastructure management
HPE promotes a cloud service for predictive analytics voor het beheer van een IT-infrastructuur die is opgebouwd uit opslag systemen van Nimble Storage en HPE 3PAR StoreServ, servers van HPE ProLiant DL/ML/BL, racksystemen van HPE Apollo en het HPE Synergy-platform. InfoSight analyseert de gegevens van de in de apparatuur geĆÆnstalleerde sensoren, verwerkt meer dan een miljoen gebeurtenissen per seconde en leert continu zelf. De service detecteert niet alleen storingen, maar voorspelt ook mogelijke problemen met de IT-infrastructuur (apparatuurfailures, gebrek aan capaciteit van de opslag systemen, dalingen in de prestaties van virtuele machines, enz.) nog voordat ze zich voordoen. Voor voorspellende analyses in de cloud is software van VoltDB uitgerold, die autoregressieve voorspellingsmodellen en probabilistische methoden gebruikt. Dergelijke oplossingen zijn ook beschikbaar voor hybride datastorage systemen van Tegile Systems: de cloudservice IntelliCare Cloud Analytics monitort de status, prestaties en het gebruik van de middelen van de apparaten. Dell EMC maakt ook gebruik van kunstmatige intelligentie en machine learning in zijn oplossingen voor high-performance computing. Er zijn talloze vergelijkbare voorbeelden, en op dit pad lopen momenteel bijna alle vooraanstaande fabrikanten van computing hardware en datastorage systemen.
Energievoorziening en koeling
Een andere toepassing van AI in datacenters heeft te maken met het beheer van de technische infrastructuur en vooral met koeling, waarvan het aandeel in het totale energieverbruik van het object meer dan 30 % kan bedragen. Een van de eerste die aan slimme koeling dacht was Google: in 2016 ontwikkelde het samen met DeepMind een voor het monitoren van afzonderlijke componenten van datacenters, wat resulteerde in een vermindering van de energieverbruik voor koeling met 40%. Aanvankelijk gaf het alleen aanwijzingen aan het personeel, maar het is sindsdien verbeterd en kan nu zelfstandig de koeling van de serverruimtes beheren. Een cloud-gestuurde neuraal netwerk verwerkt gegevens van duizenden interne en externe sensoren: het neemt beslissingen op basis van de belasting van de servers, de temperatuur, evenals de windsnelheid buiten en vele andere parameters. De instructies die door het cloud-systeem worden aangeboden, worden naar het datacenter gestuurd en daar opnieuw gecontroleerd op veiligheid door lokale systemen, terwijl het personeel altijd de automatische modus kan uitschakelen en handmatig de koeling kan beheren. Nlyte Software heeft samen met het IBM Watson-team , die gegevens verzamelt over temperatuur en vochtigheid, energieverbruik en belasting van IT-apparatuur. Het stelt in staat om de werking van technische subsystemen te optimaliseren en vereist geen aansluiting op de cloudinfrastructuur van de fabrikant - indien nodig kan de oplossing direct in het datacenter worden uitgerold.
Andere voorbeelden
Er zijn veel innovatieve slimme oplossingen voor datacenters op de markt, en er komen voortdurend nieuwe bij. Het bedrijf Wave2Wave heeft een robotisch systeem ontwikkeld voor het schakelen van vezeloptische kabels voor de geautomatiseerde organisatie van cross-connecties in verkeerswisselpunten (Meet Me Room) binnen het datacenter. Het door ROOT Data Center en LitBit ontwikkelde systeem gebruikt AI voor het monitoren van back-up generatoren, en Romonet heeft een zelflerende softwareoplossing ontwikkeld voor het optimaliseren van infrastructuur. Oplossingen van het bedrijf Vigilent maken gebruik van machine learning voor het voorspellen van storingen en het optimaliseren van de temperatuur in datacenterruimtes. De implementatie van kunstmatige intelligentie, machine learning en andere innovatieve technologieƫn in datacenters voor procesautomatisering is relatief recent begonnen, maar vandaag is dit een van de meest veelbelovende ontwikkelingsrichtingen in de sector. Modern datacenters zijn te groot en complex geworden om ze effectief handmatig te beheren.
Bron: habr.com
