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
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.
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