W procesie cyfrowej transformacji gospodarki ludzkość musi budować coraz więcej centrów przetwarzania danych. Same centra danych również muszą zostać przekształcone: kwestie ich odporności na awarie i efektywności energetycznej są teraz ważniejsze niż kiedykolwiek. Obiekty zużywają ogromne ilości energii elektrycznej, a awarie zlokalizowanej w nich krytycznej infrastruktury IT są kosztowne dla przedsiębiorstw. Z pomocą inżynierom przychodzą technologie sztucznej inteligencji i uczenia maszynowego – w ostatnich latach coraz częściej wykorzystuje się je do tworzenia bardziej zaawansowanych centrów danych. Takie podejście zwiększa dostępność obiektów, zmniejsza liczbę awarii i zmniejsza koszty operacyjne.
Jak to działa?
Technologie sztucznej inteligencji i uczenia maszynowego służą do automatyzacji podejmowania decyzji operacyjnych w oparciu o dane zebrane z różnych czujników. Z reguły narzędzia tego typu integrowane są z systemami klasy DCIM (Data Center Infrastructure Management) i pozwalają przewidywać wystąpienie sytuacji awaryjnych, a także optymalizować pracę sprzętu IT, infrastruktury inżynieryjnej, a nawet personelu serwisowego. Bardzo często producenci oferują usługi chmurowe właścicielom centrów danych, które gromadzą i przetwarzają dane od wielu klientów. Takie systemy uogólniają doświadczenia z obsługi różnych centrów danych, dzięki czemu działają lepiej niż produkty lokalne.
Zarządzanie infrastrukturą IT
HPE promuje usługę analizy predykcyjnej w chmurze
Zasilanie i chłodzenie
Kolejny obszar zastosowań AI w centrach danych związany jest z zarządzaniem infrastrukturą inżynierską, a przede wszystkim chłodnictwem, której udział w całkowitym zużyciu energii obiektu może przekraczać 30%. Google jako jeden z pierwszych pomyślał o inteligentnym chłodzeniu: w 2016 roku wspólnie z DeepMind opracowało to rozwiązanie
Inne przykłady
Na rynku dostępnych jest wiele innowacyjnych, inteligentnych rozwiązań dla centrów danych i ciągle pojawiają się nowe. Firma Wave2Wave stworzyła zrobotyzowany system przełączania kabli światłowodowych, który automatycznie organizuje połączenia krzyżowe w węzłach wymiany ruchu (Meet Me Rooms) wewnątrz centrum danych. System opracowany przez ROOT Data Center i LitBit wykorzystuje sztuczną inteligencję do monitorowania zapasowych agregatów prądotwórczych na olej napędowy, a firma Romonet stworzyła samouczące się oprogramowanie do optymalizacji infrastruktury. Rozwiązania stworzone przez Vigilent wykorzystują uczenie maszynowe do przewidywania awarii i optymalizacji warunków temperaturowych w pomieszczeniach data center. Wprowadzanie sztucznej inteligencji, uczenia maszynowego i innych innowacyjnych technologii automatyzacji procesów w centrach danych rozpoczęło się stosunkowo niedawno, ale dziś jest to jeden z najbardziej obiecujących obszarów rozwoju branży. Dzisiejsze centra danych stały się zbyt duże i złożone, aby można było nimi skutecznie zarządzać ręcznie.
Źródło: www.habr.com