V procese digitálnej transformácie ekonomiky musí ľudstvo budovať čoraz viac dátových centier. Transformovať sa musia aj samotné dátové centrá: otázky ich odolnosti voči poruchám a energetickej účinnosti sú teraz dôležitejšie ako kedykoľvek predtým. Zariadenia spotrebúvajú obrovské množstvo elektriny a zlyhania kritickej IT infraštruktúry, ktorá je v nich hosťovaná, sú pre podniky nákladné. Technológie umelej inteligencie a strojového učenia prichádzajú na pomoc inžinierom – v posledných rokoch sa čoraz viac využívajú na vytváranie pokročilejších dátových centier. Tento prístup zvyšuje dostupnosť zariadení, znižuje počet porúch a znižuje prevádzkové náklady.
Ako to funguje?
Technológie umelej inteligencie a strojového učenia sa používajú na automatizáciu prevádzkových rozhodnutí na základe údajov zozbieraných z rôznych senzorov. Takéto nástroje sú spravidla integrované so systémami triedy DCIM (Data Center Infrastructure Management) a umožňujú predpovedať výskyt núdzových situácií, ako aj optimalizovať prevádzku IT zariadení, inžinierskej infraštruktúry a dokonca aj personálu údržby. Výrobcovia veľmi často ponúkajú majiteľom dátových centier cloudové služby, ktoré hromadia a spracúvajú dáta od mnohých zákazníkov. Takéto systémy zovšeobecňujú prevádzkové skúsenosti rôznych dátových centier, a preto fungujú lepšie ako lokálne produkty.
správa IT infraštruktúry
HPE vylepšuje cloudovú službu prediktívnej analýzy na správu IT infraštruktúry postavenej na úložných systémoch Nimble Storage a HPE 3PAR StoreServ, serveroch HPE ProLiant DL/ML/BL, rackových systémoch HPE Apollo a platforme HPE Synergy. InfoSight analyzuje údaje zo senzorov nainštalovaných v zariadení, spracováva viac ako milión udalostí za sekundu a neustále sa učí. Služba nielen deteguje poruchy, ale predvída možné problémy s IT infraštruktúrou (zlyhania hardvéru, vyčerpanie úložnej kapacity, znížený výkon virtuálnych strojov a pod.) ešte skôr, ako k nim dôjde. Pre prediktívnu analýzu je softvér VoltDB nasadený v cloude pomocou autoregresívnych modelov prognóz a pravdepodobnostných metód. Podobné riešenie je dostupné aj pre hybridné úložné systémy od Tegile Systems: cloudová služba IntelliCare Cloud Analytics monitoruje stav, výkon a využitie zdrojov zariadení. Dell EMC vo svojich vysokovýkonných výpočtových riešeniach využíva aj technológie umelej inteligencie a strojového učenia. Takýchto príkladov je veľa a takmer všetci poprední výrobcovia výpočtovej techniky a systémov na ukladanie dát teraz kráčajú touto cestou.
Napájanie a chladenie
Ďalšia oblasť použitia AI v dátových centrách je spojená so správou inžinierskej infraštruktúry a predovšetkým s chladením, ktorého podiel na celkovej spotrebe energie zariadenia môže presiahnuť 30 %. Spoločnosť Google bola jednou z prvých, ktorá premýšľala o inteligentnom chladení: v roku 2016 spolu s DeepMind vyvinula na monitorovanie jednotlivých komponentov dátového centra, čo umožnilo znížiť náklady na energiu na klimatizáciu o 40 %. Obsluhe spočiatku len napovedala, no následne bola vylepšená a chladenie strojovní už vie ovládať sama. Neurónová sieť nasadená v cloude spracováva údaje z tisícok vnútorných a vonkajších senzorov: rozhoduje sa na základe zaťaženia servera, teploty, ako aj vonkajšej rýchlosti vetra a mnohých ďalších parametrov. Inštrukcie ponúkané cloudovým systémom sa posielajú do dátového centra a tam ich ešte raz skontrolujú lokálne systémy z hľadiska bezpečnosti, pričom obsluha môže kedykoľvek vypnúť automatický režim a začať chladenie riadiť manuálne. Nlyte Software pri tvorbe spolupracoval s tímom IBM Watson , ktorá zhromažďuje údaje o teplote a vlhkosti, spotrebe energie a využití IT zariadení. Umožňuje optimalizovať prácu inžinierskych subsystémov a nevyžaduje pripojenie na cloudovú infraštruktúru výrobcu – v prípade potreby je možné riešenie nasadiť priamo v dátovom centre.
Ďalšie príklady
Na trhu je množstvo inovatívnych smart riešení pre dátové centrá a stále pribúdajú nové. Wave2Wave vytvoril robotický prepínací systém z optických vlákien pre automatizované krížové prepojenie v uzloch prenosu dát (Meet Me Room) vo vnútri dátového centra. Systém vyvinutý spoločnosťami ROOT Data Center a LitBit využíva AI na monitorovanie pohotovostných agregátov, zatiaľ čo spoločnosť Romonet vytvorila softvérové riešenie pre optimalizáciu infraštruktúry s vlastným učením. Riešenia Vigilent využívajú strojové učenie na predpovedanie porúch a optimalizáciu teplôt dátových centier. Zavádzanie umelej inteligencie, strojového učenia a ďalších inovatívnych technológií pre automatizáciu procesov v dátových centrách sa začalo relatívne nedávno, no dnes je to jedna z najsľubnejších oblastí pre rozvoj priemyslu. Dnešné dátové centrá sú príliš veľké a zložité na to, aby ich bolo možné efektívne spravovať ručne.
Zdroj: hab.com