දත්ත මධ්‍යස්ථානයේ රොබෝවරු: කෘතිම බුද්ධිය ප්‍රයෝජනවත් වන්නේ කෙසේද?

ආර්ථිකයේ ඩිජිටල් පරිවර්තනයේ ක්‍රියාවලියේදී, මානව වර්ගයාට වැඩි වැඩියෙන් දත්ත සැකසුම් මධ්‍යස්ථාන ගොඩනගා ගත යුතුය. දත්ත මධ්‍යස්ථාන ද පරිවර්තනය කළ යුතුය: ඒවායේ වැරදි ඉවසීම සහ බලශක්ති කාර්යක්ෂමතාව පිළිබඳ ගැටළු වෙන කවරදාටත් වඩා දැන් වැදගත් ය. පහසුකම් අතිවිශාල විදුලි ප්‍රමාණයක් පරිභෝජනය කරන අතර, ඒවා තුළ පිහිටා ඇති තීරණාත්මක තොරතුරු තාක්ෂණ යටිතල පහසුකම්වල අසාර්ථකත්වය ව්‍යාපාර සඳහා මිල අධික වේ. කෘත්‍රිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීමේ තාක්ෂණයන් ඉංජිනේරුවන්ගේ ආධාරයට පැමිණෙමින් තිබේ - මෑත වසරවලදී ඒවා වඩාත් දියුණු දත්ත මධ්‍යස්ථාන නිර්මාණය කිරීමට වැඩි වැඩියෙන් භාවිතා කර ඇත. මෙම ප්රවේශය පහසුකම් ලබා ගැනීමේ හැකියාව වැඩි කරයි, අසාර්ථක සංඛ්යාව අඩු කරයි සහ මෙහෙයුම් පිරිවැය අඩු කරයි.

එය ක්රියාත්මක වන්නේ කෙසේද?

කෘතිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීමේ තාක්ෂණයන් විවිධ සංවේදක වලින් එකතු කරන දත්ත මත පදනම්ව මෙහෙයුම් තීරණ ගැනීම ස්වයංක්‍රීය කිරීමට භාවිතා කරයි. රීතියක් ලෙස, එවැනි මෙවලම් DCIM (දත්ත මධ්‍යස්ථාන යටිතල පහසුකම් කළමනාකරණය) පන්ති පද්ධති සමඟ ඒකාබද්ධ කර ඇති අතර හදිසි අවස්ථා ඇතිවීම පුරෝකථනය කිරීමට මෙන්ම තොරතුරු තාක්ෂණ උපකරණ, ඉංජිනේරු යටිතල පහසුකම් සහ සේවා පුද්ගලයින්ගේ ක්‍රියාකාරිත්වය ප්‍රශස්ත කිරීමට ඔබට ඉඩ සලසයි. බොහෝ විට, නිෂ්පාදකයින් බොහෝ පාරිභෝගිකයින්ගෙන් දත්ත සමුච්චය කර සකස් කරන දත්ත මධ්‍යස්ථාන හිමිකරුවන්ට වලාකුළු සේවා ලබා දෙයි. එවැනි පද්ධති විවිධ දත්ත මධ්‍යස්ථාන ක්‍රියාත්මක කිරීමේ අත්දැකීම සාමාන්‍යකරණය කරයි, එබැවින් දේශීය නිෂ්පාදනවලට වඩා හොඳින් ක්‍රියා කරයි.

තොරතුරු තාක්ෂණ යටිතල පහසුකම් කළමනාකරණය

HPE වලාකුළු අනාවැකි විශ්ලේෂණ සේවාව ප්‍රවර්ධනය කරයි InfoSight Nimble Storage සහ HPE 3PAR StoreServ ගබඩා පද්ධති, HPE ProLiant DL/ML/BL සේවාදායකයන්, HPE ඇපලෝ රාක්ක පද්ධති සහ HPE Synergy වේදිකාව මත ගොඩනගා ඇති තොරතුරු තාක්ෂණ යටිතල පහසුකම් කළමනාකරණය කිරීමට. InfoSight උපකරණවල ස්ථාපනය කර ඇති සංවේදකවල කියවීම් විශ්ලේෂණය කරයි, තත්පරයකට සිදුවීම් මිලියනයකට වඩා වැඩි ගණනක් සැකසීම සහ නිරන්තරයෙන් ස්වයං-ඉගෙනීම. මෙම සේවාව දෝෂ හඳුනා ගැනීම පමණක් නොව, තොරතුරු තාක්ෂණ යටිතල පහසුකම් (උපකරණ අසාර්ථක වීම, ගබඩා කිරීමේ ධාරිතාව අවසන් වීම, අතථ්‍ය යන්ත්‍රවල ක්‍රියාකාරීත්වය අඩු වීම යනාදිය) ඒවා සිදුවීමට පෙර සිටම ඇතිවිය හැකි ගැටළු පුරෝකථනය කරයි. අනාවැකි විශ්ලේෂණ සඳහා, VoltDB මෘදුකාංගය වලාකුළෙහි යොදවනු ලැබේ, ස්වයංක්‍රීය ප්‍රතිගාමී අනාවැකි ආකෘති සහ සම්භාවිතා ක්‍රම භාවිතා කරයි. Tegile Systems වෙතින් දෙමුහුන් ගබඩා පද්ධති සඳහා සමාන විසඳුමක් ලබා ගත හැකිය: IntelliCare Cloud Analytics වලාකුළු සේවාව උපාංගවල සෞඛ්‍යය, කාර්ය සාධනය සහ සම්පත් භාවිතය නිරීක්ෂණය කරයි. කෘත්‍රිම බුද්ධිය සහ යන්ත්‍ර ඉගෙනීමේ තාක්‍ෂණයන් ද Dell EMC විසින් එහි ඉහළ කාර්ය සාධනය සහිත පරිගණක විසඳුම් සඳහා භාවිතා කරයි. සමාන උදාහරණ බොහොමයක් ඇත; පරිගණක උපකරණ සහ දත්ත ගබඩා පද්ධතිවල ප්‍රමුඛතම නිෂ්පාදකයින් සියල්ලම පාහේ දැන් මෙම මාර්ගය අනුගමනය කරයි.

බල සැපයුම සහ සිසිලනය

දත්ත මධ්‍යස්ථානවල AI යෙදීමේ තවත් ක්ෂේත්‍රයක් ඉංජිනේරු යටිතල පහසුකම් කළමනාකරණයට සම්බන්ධ වන අතර, සියල්ලටත් වඩා, සිසිලනය, පහසුකමක මුළු බලශක්ති පරිභෝජනයෙන් කොටස 30% ඉක්මවිය හැකිය. Google ස්මාර්ට් සිසිලනය ගැන සිතූ පළමු එකකි: 2016 දී DeepMind සමඟ එක්ව එය වර්ධනය විය. කෘතිම බුද්ධි පද්ධතිය වායු සමීකරණ සඳහා බලශක්ති පිරිවැය 40% කින් අඩු කරන ලද තනි දත්ත මධ්‍යස්ථාන සංරචක නිරීක්ෂණය කිරීම සඳහා. මුලදී, එය කාර්ය මණ්ඩලයට ඉඟි පමණක් ලබා දුන් නමුත් පසුව වැඩිදියුණු කරන ලද අතර දැන් ස්වාධීනව මැෂින් කාමරවල සිසිලනය පාලනය කළ හැකිය. වලාකුළෙහි යොදවා ඇති ස්නායුක ජාලයක් ගෘහස්ථ සහ එළිමහන් සංවේදක දහස් ගණනකින් දත්ත සකසයි: එය සේවාදායකයන් මත බර පැටවීම, උෂ්ණත්වය මෙන්ම පිටත සුළං වේගය සහ වෙනත් බොහෝ පරාමිතීන් සැලකිල්ලට ගනිමින් තීරණ ගනී. වලාකුළු පද්ධතිය මඟින් ලබා දෙන උපදෙස් දත්ත මධ්‍යස්ථානය වෙත යවනු ලබන අතර එහිදී ඒවා නැවත වරක් දේශීය පද්ධති මඟින් ආරක්ෂාව සඳහා පරීක්ෂා කරනු ලබන අතර කාර්ය මණ්ඩලයට සෑම විටම ස්වයංක්‍රීය මාදිලිය ක්‍රියා විරහිත කර සිසිලනය අතින් කළමනාකරණය කිරීම ආරම්භ කළ හැකිය. Nlyte මෘදුකාංගය IBM Watson කණ්ඩායම සමඟ එක්ව නිර්මාණය කරන ලදී තීන්දුවයි, උෂ්ණත්වය සහ ආර්ද්‍රතාවය, බලශක්ති පරිභෝජනය සහ තොරතුරු තාක්ෂණ උපකරණ මත පැටවීම පිළිබඳ දත්ත රැස් කරයි. එය ඉංජිනේරු උප පද්ධතිවල ක්‍රියාකාරිත්වය ප්‍රශස්ත කිරීමට ඔබට ඉඩ සලසයි සහ නිෂ්පාදකයාගේ වලාකුළු යටිතල ව්‍යුහයට සම්බන්ධයක් අවශ්‍ය නොවේ - අවශ්‍ය නම්, විසඳුම කෙලින්ම දත්ත මධ්‍යස්ථානයේ යෙදවිය හැකිය.

වෙනත් උදාහරණ

වෙළඳපොලේ දත්ත මධ්‍යස්ථාන සඳහා නව්‍ය ස්මාර්ට් විසඳුම් රාශියක් ඇති අතර නව ඒවා නිරන්තරයෙන් දිස් වේ. Wave2Wave දත්ත මධ්‍යස්ථානය තුළ රථවාහන හුවමාරු නෝඩ් (Meet Me Rooms) තුළ ස්වයංක්‍රීයව හරස් සම්බන්ධතා සංවිධානය කිරීමට රොබෝටික් ෆයිබර් ඔප්ටික් කේබල් මාරු කිරීමේ පද්ධතියක් නිර්මාණය කර ඇත. ROOT දත්ත මධ්‍යස්ථානය සහ LitBit විසින් සංවර්ධනය කරන ලද පද්ධතිය උපස්ථ ඩීසල් උත්පාදක කට්ටල නිරීක්ෂණය කිරීමට AI භාවිතා කරන අතර Romonet යටිතල පහසුකම් ප්‍රශස්ත කිරීම සඳහා ස්වයං ඉගෙනුම් මෘදුකාංග විසඳුමක් නිර්මාණය කර ඇත. විජිලන්ට් විසින් නිර්මාණය කරන ලද විසඳුම් මඟින් දත්ත මධ්‍යස්ථාන පරිශ්‍රයේ අසාර්ථකවීම් පුරෝකථනය කිරීමට සහ උෂ්ණත්ව තත්ත්වයන් ප්‍රශස්ත කිරීමට යන්ත්‍ර ඉගෙනීම භාවිතා කරයි. දත්ත මධ්‍යස්ථානවල ක්‍රියාවලි ස්වයංක්‍රීයකරණය සඳහා කෘතිම බුද්ධිය, යන්ත්‍ර ඉගෙනීම සහ වෙනත් නව්‍ය තාක්‍ෂණයන් හඳුන්වාදීම සාපේක්ෂව මෑතකදී ආරම්භ වූ නමුත් අද මෙය කර්මාන්ත සංවර්ධනයේ වඩාත්ම පොරොන්දු වූ ක්ෂේත්‍රවලින් එකකි. වර්තමානයේ දත්ත මධ්‍යස්ථාන ඵලදායි ලෙස අතින් කළමනාකරණය කිරීමට නොහැකි තරම් විශාල හා සංකීර්ණ වී ඇත.

මූලාශ්රය: www.habr.com

අදහස් එක් කරන්න