V procesu digitalne transformacije gospodarstva mora človeštvo graditi vedno več centrov za obdelavo podatkov. Preoblikovati je treba tudi same podatkovne centre: vprašanja njihove odpornosti na napake in energetske učinkovitosti so zdaj bolj pomembna kot kdaj koli prej. Objekti porabijo ogromne količine električne energije, okvare kritične IT infrastrukture, ki se nahaja v njih, pa podjetja drago stanejo. Inženirjem na pomoč prihajata tehnologiji umetne inteligence in strojnega učenja – zadnja leta se vse pogosteje uporabljata za ustvarjanje naprednejših podatkovnih centrov. S tem pristopom se poveča razpoložljivost objektov, zmanjša število okvar in znižajo obratovalni stroški.
Kako deluje?
Tehnologije umetne inteligence in strojnega učenja se uporabljajo za avtomatizacijo operativnega odločanja na podlagi podatkov, zbranih iz različnih senzorjev. Takšna orodja so praviloma integrirana s sistemi razreda DCIM (Data Center Infrastructure Management) in vam omogočajo napovedovanje pojava izrednih razmer ter optimizacijo delovanja IT opreme, inženirske infrastrukture in celo servisnega osebja. Zelo pogosto proizvajalci ponujajo storitve v oblaku lastnikom podatkovnih centrov, ki zbirajo in obdelujejo podatke številnih strank. Takšni sistemi posplošujejo izkušnje delovanja različnih podatkovnih centrov in zato delujejo bolje kot lokalni izdelki.
Upravljanje IT infrastrukture
HPE promovira storitev napovedne analitike v oblaku za upravljanje IT infrastrukture, zgrajene na sistemih za shranjevanje Nimble Storage in HPE 3PAR StoreServ, strežnikih HPE ProLiant DL/ML/BL, sistemih stojal HPE Apollo in platformi HPE Synergy. InfoSight analizira odčitke senzorjev, nameščenih v opremi, obdeluje več kot milijon dogodkov na sekundo in se nenehno samouči. Storitev ne le zaznava napak, temveč tudi predvidi morebitne težave z IT infrastrukturo (okvare opreme, izčrpanost pomnilniških kapacitet, zmanjšano delovanje virtualnih strojev itd.), še preden do njih pride. Za napovedno analitiko je programska oprema VoltDB nameščena v oblaku z uporabo avtoregresivnih modelov napovedovanja in verjetnostnih metod. Podobna rešitev je na voljo za hibridne sisteme za shranjevanje iz Tegile Systems: storitev v oblaku IntelliCare Cloud Analytics spremlja zdravje, zmogljivost in porabo virov naprav. Dell EMC uporablja tudi tehnologije umetne inteligence in strojnega učenja v svojih visoko zmogljivih računalniških rešitvah. Podobnih primerov je veliko, po tej poti gredo skoraj vsi vodilni proizvajalci računalniške opreme in sistemov za shranjevanje podatkov.
Napajanje in hlajenje
Drugo področje uporabe AI v podatkovnih centrih je povezano z upravljanjem inženirske infrastrukture in predvsem hlajenja, katerega delež v skupni porabi energije objekta lahko preseže 30 %. Google je med prvimi razmišljal o pametnem hlajenju: leta 2016 je skupaj z DeepMind razvil za nadzor posameznih komponent podatkovnega centra, kar je znižalo stroške energije za klimatizacijo za 40 %. Sprva je le dajal namige osebju, kasneje pa je bil izboljšan in lahko zdaj samostojno nadzoruje hlajenje strojnic. Nevronska mreža, nameščena v oblaku, obdeluje podatke iz tisočih notranjih in zunanjih senzorjev: sprejema odločitve ob upoštevanju obremenitve strežnikov, temperature, pa tudi zunanje hitrosti vetra in številnih drugih parametrov. Navodila, ki jih ponuja sistem v oblaku, se pošiljajo v podatkovni center in tam jih lokalni sistemi še enkrat varnostno preverijo, osebje pa lahko vedno izklopi samodejni način in začne ročno upravljati hlajenje. Nlyte Software je ustvaril skupaj z ekipo IBM Watson , ki zbira podatke o temperaturi in vlagi, porabi energije in obremenitvi IT opreme. Omogoča vam optimizacijo delovanja inženirskih podsistemov in ne zahteva povezave z infrastrukturo v oblaku proizvajalca - po potrebi lahko rešitev namestite neposredno v podatkovnem centru.
Več primerov
Na trgu je veliko inovativnih pametnih rešitev za podatkovne centre in nenehno se pojavljajo nove. Wave2Wave je ustvaril robotski preklopni sistem optičnih kablov za samodejno organiziranje navzkrižnih povezav v vozliščih za izmenjavo prometa (Meet Me Rooms) znotraj podatkovnega centra. Sistem, ki sta ga razvila ROOT Data Center in LitBit, uporablja AI za spremljanje rezervnih dizelskih generatorskih sklopov, Romonet pa je ustvaril samoučečo se programsko rešitev za optimizacijo infrastrukture. Rešitve, ki jih je ustvaril Vigilent, uporabljajo strojno učenje za napovedovanje napak in optimizacijo temperaturnih pogojev v prostorih podatkovnega centra. Uvedba umetne inteligence, strojnega učenja in drugih inovativnih tehnologij za avtomatizacijo procesov v podatkovnih centrih se je začela relativno nedavno, danes pa je to eno najbolj obetavnih področij razvoja industrije. Današnji podatkovni centri so postali preveliki in zapleteni, da bi jih bilo mogoče učinkovito upravljati ročno.
Vir: www.habr.com