Robotar i datacentret: hur kan artificiell intelligens vara till nytta?

Under den digitala transformationen av ekonomin måste mänskligheten bygga fler datacenter. Själva datacentren måste också transformeras: frågor om deras driftsäkerhet och energieffektivitet är mer aktuella än någonsin. Anläggningar konsumerar enorma mängder elektricitet, och kostnaderna för driftstopp i den kritiskt viktiga IT-infrastrukturen som finns där är inte låga för företagen. Här kommer teknologier av artificiell intelligens och maskininlärning till hjälp för ingenjörerna – under de senaste åren har de använts allt oftare för att skapa mer avancerade datacenter. Detta tillvägagångssätt ökar beredskapsnivån för anläggningarna, minskar antalet driftstopp och sänker driftskostnaderna.

Hur fungerar det?

Teknologier för artificiell intelligens och maskininlärning används för att automatisera operativa beslut baserade på data som samlas in från olika sensorer. Dessa verktyg integreras vanligtvis med DCIM-system (Data Center Infrastructure Management) och möjliggör förutsägelser om uppkomsten av nödsituationer samt optimerar driften av IT-utrustning, ingenjörsinfrastruktur och till och med underhållspersonal. Ofta erbjuder tillverkare ägarna av datacenter molntjänster som samlar in och behandlar data från många kunder. Sådana system sammanfattar erfarenheten av drift av olika datacenter, vilket gör att de fungerar bättre än lokala produkter.

IT-infrastrukturförvaltning

Företaget HPE främjar en molntjänst för prediktiv analys InfoSight för att hantera IT-infrastrukturen som bygger på lagringssystem från Nimble Storage och HPE 3PAR StoreServ, HPE ProLiant DL/ML/BL-servrar, HPE Apollo-ställsystem och HPE Synergy-plattformen. InfoSight analyserar mätvärden från sensorer installerade i utrustningen, bearbetar mer än en miljon händelser per sekund och lär sig ständigt. Tjänsten identifierar inte bara fel utan förutspår även möjliga problem med IT-infrastrukturen (utrustningsfel, kapacitetsutarmning av lagringssystemet, minskad prestanda hos virtuella maskiner, etc.) innan de inträffar. För prediktiv analys i molnet har programvara från VoltDB distribuerats, som använder autoregressiva prognosmodeller och probabilistiska metoder. Liknande lösningar finns även för hybrid datalagringssystem från Tegile Systems: molntjänsten IntelliCare Cloud Analytics övervakar status, prestanda och resursanvändning av enheter. Även Dell EMC använder artificiell intelligens och maskininlärning i sina lösningar för högpresterande beräkningar. Det finns otaliga sådana exempel, och idag följer praktiskt taget alla ledande tillverkare av datorkomponenter och lagringssystem denna väg.

Energiförsörjning och kylning

Ett annat tillämpningsområde för AI i datacenter är hanteringen av ingenjörsinfrastrukturen, främst kylning, vars andel av den totala energiförbrukningen kan överstiga 30 %. En av de första att tänka på smart kylning var Google: 2016 utvecklade de tillsammans med företaget DeepMind ett artificiellt intelligenssystem för att övervaka specifika komponenter i datacentret, vilket har möjliggjort en 40 % minskning av energikostnaderna för kylning. Ursprungligen gav den bara tips till personalen, men har nu vidareutvecklats och kan nu självständigt styra kylningen av maskinhallar. Den distribuerade moln-neuronnätverket bearbetar data från tusentals interna och externa sensorer: den fattar beslut med hänsyn till serverbelastning, temperatur samt vindhastighet ute och många andra parametrar. Instruktioner från det molnbaserade systemet skickas till datacentret och kontrolleras där en gång till av lokala system för säkerhet, samtidigt som personalen alltid kan stänga av det automatiska läget och börja styra kylningen manuellt. Nlyte Software har tillsammans med IBM Watson-teamet skapat beslutet, som samlar in data om temperatur och fuktighet, energiförbrukning och belastning på IT-utrustning. Det gör det möjligt att optimera arbetet i ingenjörssubsystem och kräver ingen anslutning till tillverkarens molninfrastruktur - om nödvändigt kan lösningen distribueras direkt i datacentret.

Andra exempel

Det finns många innovativa smarta lösningar för datacenter på marknaden, och nya dyker ständigt upp. Företaget Wave2Wave har skapat ett robotiserat system för koppling av fiberoptiska kablar för automatiserad organisering av korskopplingar i trafikbytesknutpunkter (Meet Me Room) inom datacentret. Det av ROOT Data Center och LitBit utvecklade systemet använder AI för att övervaka reservkraftaggregat, medan Romonet har skapat en självlärare mjukvarulösning för att optimera infrastrukturen. Vigilents lösningar använder maskininlärning för att förutsäga fel och optimera temperaturregleringen i datacentrets lokaler. Implementeringen av artificiell intelligens, maskininlärning och andra innovativa teknologier för automatisering av processer har nyligen börjat i datacentren, men idag är det en av de mest lovande utvecklingsriktningarna inom branschen. Moderna datacenter har blivit för stora och komplexa för att effektivet hanteras manuellt.

Källa: habr.com