V procese digitálnej transformácie ekonomiky čelí ľudstvo potrebe stavať stále viac centier na spracovanie dát. Samotné centra na spracovanie dát sa tiež musia transformovať: otázky ich odolnosti a energetickej účinnosti sú dnes dôležitejšie ako nikdy predtým. Tieto zariadenia spotrebúvajú obrovské množstvo elektrickej energie a výpadky kriticky dôležitej IT infraštruktúry umiestnenej v nich sú pre podniky veľmi nákladné. Inžinierom prichádzajú na pomoc technológie umelej inteligencie a strojového učenia – v posledných rokoch sa čoraz častejšie používajú na vytváranie sofistikovanejších dátových centier. Takýto prístup zvyšuje úroveň pripravenosti zariadení, znižuje počet výpadkov a znižuje prevádzkové náklady.
Ako to funguje?
Technológie umelej inteligencie a strojového učenia sa používajú na automatizáciu prijímania operatívnych rozhodnutí na základe údajov zbieraných z rôznych senzorov. Tieto prostriedky sa obyčajne integrujú so systémami triedy DCIM (Data Center Infrastructure Management) a umožňujú predpovedať vznik mimoriadnych situácií, ako aj optimalizovať prácu IT zariadení, technickej infraštruktúry a dokonca aj prevádzkového personálu. Veľmi často ponúkajú výrobcovia vlastníkom dátových centier cloudové služby, ktoré zhromažďujú a spracovávajú údaje mnohých zákazníkov. Takéto systémy zhrňujú skúsenosti z prevádzky rôznych dátových centier, a preto fungujú lepšie ako lokálne produkty.
Správa IT infraštruktúry
Spoločnosť HPE propaguje cloudovú službu prediktívnej analýzy pre správu IT infraštruktúry postavenej na úložiskových systémoch Nimble Storage a HPE 3PAR StoreServ, serveroch HPE ProLiant DL/ML/BL, stojanových systémoch HPE Apollo a platforme HPE Synergy. InfoSight analyzuje údaje z nainštalovaných senzorov v zariadeniach, spracovávajúc viac ako milión udalostí za sekundu a neustále sa samoedukujúc. Služba nielen odhaľuje poruchy, ale aj predpovedá možné problémy s IT infraštruktúrou (zlyhania zariadení, vyčerpanie kapacity úložného systému, pokles výkonu virtuálnych strojov atď.) ešte pred ich vznikom. Pre prediktívnu analýzu v cloude je uvedený softvér spoločnosti VoltDB, ktorý používa autoregresné modely predpovedania a pravdepodobnostné metódy. Takéto riešenie je dostupné aj pre hybridné úložné systémy spoločnosti Tegile Systems: cloudová služba IntelliCare Cloud Analytics monitoruje stav, výkon a využitie zdrojov zariadení. Technológie umelej inteligencie a strojového učenia využíva aj Dell EMC vo svojich riešeniach pre vysokovýkonné výpočty. Takýchto príkladov je mnoho, touto cestou teraz idú prakticky všetci poprední výrobcovia výpočtovej techniky a úložných systémov.
Napájanie a chladenie
Iná oblasť využitia AI v dátových centrách je spojená s riadením inžinierskej infraštruktúry a predovšetkým s chladením, ktorého podiel na celkovej spotrebe energie objektu môže presiahnuť 30 %. Jednou z prvých, ktorá začala uvažovať o inteligentnom chladení, bola korporácia Google: v roku 2016 spolu s firmou DeepMind vyvinula na monitorovanie jednotlivých komponentov dátových centier, čo umožnilo znížiť energetické náklady na chladenie o 40 %. Pôvodne len poskytovala tipy personálu, no neskôr bola vylepšená a teraz môže samostatne riadiť chladenie strojových sáloch. Rozšírená v cloude neurónová sieť spracováva údaje z tisícov vnútorných a vonkajších snímačov: prijíma rozhodnutia na základe záťaže serverov, teploty, ako aj rýchlosti vetra vonku a mnohých ďalších parametrov. Pokyny navrhnuté cloudovým systémom sú zasielané do dátového centra a tam sú ešte raz kontrolované na bezpečnosť miestnymi systémami, pričom personál má vždy možnosť vypnúť automatický režim a začať chladenie riadiť manuálne. Nlyte Software v spolupráci s tímom IBM Watson vytvorila , ktoré zhromažďuje údaje o teplote a vlhkosti, energetickej spotrebe a vyťaženosti IT zariadení. Umožňuje optimalizovať prácu inžinierskych subsystémov a nevyžaduje pripojenie k cloudovej infraštruktúre výrobcu — ak je to potrebné, riešenie môže byť nasadené priamo v dátovom centre.
Iné príklady
Inovatívnych inteligentných riešení pre dátové centrá je na trhu veľa a neustále prichádzajú nové. Spoločnosť Wave2Wave vytvorila robotizovaný systém prepínania optických vlákien pre automatizovanú organizáciu krížových pripojení v uzloch výmeny toku (Meet Me Room) v rámci dátového centra. Systém vyvinutý ROOT Data Center a LitBit využíva AI na monitorovanie záložných DGUs a v Romonet vytvorili samoučebné softvérové riešenie na optimalizáciu infraštruktúry. Riešenia vyvinuté spoločnosťou Vigilent používajú strojové učenie na predpovedanie porúch a optimalizáciu teplotných podmienok v priestoroch dátového centra. Zavádzanie umelej inteligencie, strojového učenia a ďalších inovatívnych technológií do dátových centier sa začalo relatívne nedávno, ale dnes je to jedným z najperspektívnejších smerov rozvoja odvetvia. Moderné dátové centrá sa stali príliš veľkými a komplexnými na to, aby sa dal efektívne riadiť manuálne.
Zdroj: habr.com
