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 voor het beheren van de IT-infrastructuur die is gebouwd op Nimble Storage- en HPE 3PAR StoreServ-opslagsystemen, HPE ProLiant DL/ML/BL-servers, HPE Apollo-racksystemen en het HPE Synergy-platform. InfoSight analyseert de metingen van sensoren die in apparatuur zijn geïnstalleerd, verwerkt meer dan een miljoen gebeurtenissen per seconde en is voortdurend zelflerend. De dienst detecteert niet alleen fouten, maar voorspelt ook mogelijke problemen met de IT-infrastructuur (apparatuurstoringen, uitputting van de opslagcapaciteit, verminderde prestaties van virtuele machines, enz.) nog voordat ze zich voordoen. Voor voorspellende analyses wordt VoltDB-software in de cloud ingezet, waarbij gebruik wordt gemaakt van autoregressieve voorspellingsmodellen en probabilistische methoden. Voor hybride opslagsystemen van Tegile Systems is een vergelijkbare oplossing beschikbaar: de cloudservice IntelliCare Cloud Analytics bewaakt de gezondheid, prestaties en het resourcegebruik van apparaten. Technologieën voor kunstmatige intelligentie en machinaal leren worden ook door Dell EMC gebruikt in zijn krachtige computeroplossingen. Er zijn veel soortgelijke voorbeelden; bijna alle toonaangevende fabrikanten van computerapparatuur en gegevensopslagsystemen volgen nu dit pad.
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 voor het monitoren van individuele datacentercomponenten, waardoor de energiekosten voor airconditioning met 40% werden verlaagd. Aanvankelijk gaf het alleen tips aan het personeel, maar het werd later verbeterd en kan nu zelfstandig de koeling van machinekamers aansturen. Een neuraal netwerk dat in de cloud wordt ingezet, verwerkt gegevens van duizenden binnen- en buitensensoren: het neemt beslissingen waarbij rekening wordt gehouden met de belasting van servers, de temperatuur, de windsnelheid buiten en vele andere parameters. De instructies die het cloudsysteem biedt, worden naar het datacenter gestuurd en daar door lokale systemen nogmaals op veiligheid gecontroleerd, terwijl het personeel de automatische modus altijd kan uitschakelen en de koeling handmatig kan gaan beheren. Nlyte Software is samen met het IBM Watson-team gecreëerd , dat gegevens verzamelt over temperatuur en vochtigheid, energieverbruik en belasting van IT-apparatuur. Hiermee kunt u de werking van technische subsystemen optimaliseren en is er geen verbinding met de cloudinfrastructuur van de fabrikant vereist. Indien nodig kan de oplossing rechtstreeks in het datacenter worden geïmplementeerd.
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