In het proces van digitale transformatie van de economie moet de mensheid steeds meer dataverwerkingscentra bouwen. Datacenters zelf moeten ook worden getransformeerd: kwesties als fouttolerantie en energie-efficiëntie zijn nu belangrijker dan ooit. Faciliteiten verbruiken enorme hoeveelheden elektriciteit, en storingen in de kritieke IT-infrastructuur die zich daarin bevindt, zijn kostbaar voor bedrijven. Technologieën voor kunstmatige intelligentie en machine learning komen ingenieurs te hulp; de laatste jaren worden ze steeds vaker gebruikt om geavanceerdere datacenters te creëren. Deze aanpak vergroot de beschikbaarheid van voorzieningen, vermindert het aantal storingen en verlaagt de exploitatiekosten.
Hoe werkt het?
Kunstmatige intelligentie en machine learning-technologieën worden gebruikt om operationele besluitvorming te automatiseren op basis van gegevens verzameld door verschillende sensoren. Dergelijke tools zijn in de regel geïntegreerd met DCIM-systemen (Data Center Infrastructure Management) en stellen u in staat het optreden van noodsituaties te voorspellen en de werking van IT-apparatuur, technische infrastructuur en zelfs servicepersoneel te optimaliseren. Heel vaak bieden fabrikanten clouddiensten aan datacentereigenaren aan die gegevens van veel klanten verzamelen en verwerken. Dergelijke systemen generaliseren de ervaring van het exploiteren van verschillende datacenters en werken daarom beter dan lokale producten.
Beheer van de IT-infrastructuur
HPE promoot cloud-predictive analytics-service
Voeding en koeling
Een ander toepassingsgebied van AI in datacenters houdt verband met het beheer van technische infrastructuur en vooral koeling, waarvan het aandeel in het totale energieverbruik van een faciliteit meer dan 30% kan bedragen. Google was een van de eersten die nadacht over slimme koeling: in 2016 ontwikkelde het zich samen met DeepMind
Meer voorbeelden
Er zijn veel innovatieve slimme oplossingen voor datacenters op de markt en er verschijnen voortdurend nieuwe. Wave2Wave heeft een robotsysteem voor het schakelen van glasvezelkabels ontwikkeld om automatisch kruisverbindingen te organiseren in knooppunten voor verkeersuitwisseling (Meet Me Rooms) in het datacenter. Het systeem ontwikkeld door ROOT Data Center en LitBit maakt gebruik van AI om back-up dieselgeneratorsets te monitoren, en Romonet heeft een zelflerende softwareoplossing ontwikkeld voor het optimaliseren van de infrastructuur. De oplossingen van Vigilent maken gebruik van machine learning om storingen te voorspellen en de temperatuuromstandigheden in datacenters te optimaliseren. De introductie van kunstmatige intelligentie, machinaal leren en andere innovatieve technologieën voor procesautomatisering in datacenters begon relatief recent, maar tegenwoordig is dit een van de meest veelbelovende gebieden van industriële ontwikkeling. De huidige datacenters zijn te groot en complex geworden om effectief handmatig te kunnen worden beheerd.
Bron: www.habr.com