I prosessen med digital transformasjon av økonomien, må menneskeheten bygge flere og flere databehandlingssentre. Datasentre i seg selv må også transformeres: problemer med feiltoleranse og energieffektivitet er nå viktigere enn noen gang. Fasiliteter bruker enorme mengder elektrisitet, og svikt i kritisk IT-infrastruktur i dem er kostbare for bedrifter. Kunstig intelligens og maskinlæringsteknologier kommer ingeniører til hjelp – de siste årene har de i økende grad blitt brukt til å lage mer avanserte datasentre. Denne tilnærmingen øker tilgjengeligheten av fasiliteter, reduserer antall feil og reduserer driftskostnadene.
Hvordan virker det?
Kunstig intelligens og maskinlæringsteknologier brukes til å automatisere operasjonelle beslutninger basert på data samlet inn fra ulike sensorer. Som regel er slike verktøy integrert med klassesystemer DCIM (Data Center Infrastructure Management) og lar deg forutsi forekomsten av nødsituasjoner, samt optimalisere driften av IT-utstyr, teknisk infrastruktur og til og med servicepersonell. Svært ofte tilbyr produsenter skytjenester til datasentereiere som samler og behandler data fra mange kunder. Slike systemer generaliserer opplevelsen av å drifte ulike datasentre, og fungerer derfor bedre enn lokale produkter.
IT-infrastrukturstyring
HPE fremmer skyprediktiv analysetjeneste å administrere IT-infrastruktur bygget på Nimble Storage og HPE 3PAR StoreServ-lagringssystemer, HPE ProLiant DL/ML/BL-servere, HPE Apollo-racksystemer og HPE Synergy-plattformen. InfoSight analyserer avlesningene til sensorer installert i utstyr, behandler mer enn en million hendelser per sekund og lærer hele tiden. Tjenesten oppdager ikke bare feil, men forutsier også mulige problemer med IT-infrastrukturen (utstyrsfeil, oppbrukt lagringskapasitet, redusert ytelse på virtuelle maskiner osv.) allerede før de oppstår. For prediktiv analyse er VoltDB-programvare utplassert i skyen, ved hjelp av autoregressive prognosemodeller og sannsynlige metoder. En lignende løsning er tilgjengelig for hybridlagringssystemer fra Tegile Systems: Skytjenesten IntelliCare Cloud Analytics overvåker helse, ytelse og ressursbruk til enheter. Kunstig intelligens og maskinlæringsteknologier brukes også av Dell EMC i sine høyytelses databehandlingsløsninger. Det er mange lignende eksempler; nesten alle ledende produsenter av datautstyr og datalagringssystemer følger nå denne veien.
Strømforsyning og kjøling
Et annet anvendelsesområde for AI i datasentre er relatert til styring av ingeniørinfrastruktur og fremfor alt kjøling, hvis andel av det totale energiforbruket til et anlegg kan overstige 30%. Google var en av de første som tenkte på smart kjøling: i 2016 utviklet den sammen med DeepMind for overvåking av individuelle datasenterkomponenter, noe som reduserte energikostnadene for klimaanlegg med 40 %. I utgangspunktet ga den kun hint til personalet, men ble senere forbedret og kan nå styre kjølingen av maskinrom uavhengig. Et nevralt nettverk utplassert i skyen behandler data fra tusenvis av innendørs og utendørs sensorer: det tar avgjørelser som tar hensyn til belastningen på servere, temperatur, samt vindhastighet utenfor og mange andre parametere. Instruksjonene som tilbys av skysystemet sendes til datasenteret og der blir de igjen sjekket for sikkerhet av lokale systemer, mens personalet alltid kan slå av automatisk modus og begynne å administrere kjølingen manuelt. Nlyte Software sammen med IBM Watson-teamet opprettet , som samler inn data om temperatur og fuktighet, energiforbruk og belastning på IT-utstyr. Den lar deg optimere driften av tekniske undersystemer og krever ikke tilkobling til produsentens skyinfrastruktur - om nødvendig kan løsningen distribueres direkte i datasenteret.
Andre eksempler
Det finnes mange innovative smarte løsninger for datasentre på markedet og det dukker stadig opp nye. Wave2Wave har laget et robotisert fiberoptisk kabelsvitsjesystem for automatisk å organisere kryssforbindelser i trafikkutvekslingsnoder (Meet Me Rooms) inne i datasenteret. Systemet utviklet av ROOT Data Center og LitBit bruker AI til å overvåke reservedieselgeneratorsett, og Romonet har laget en selvlærende programvareløsning for optimalisering av infrastruktur. Løsningene laget av Vigilent bruker maskinlæring for å forutsi feil og optimalisere temperaturforhold i datasenterlokaler. Introduksjonen av kunstig intelligens, maskinlæring og andre innovative teknologier for prosessautomatisering i datasentre startet relativt nylig, men i dag er dette et av de mest lovende områdene innen industriutvikling. Dagens datasentre har blitt for store og komplekse til å kunne administreres effektivt manuelt.
Kilde: www.habr.com