Sa proseso ng digital na pagbabago ng ekonomiya, ang sangkatauhan ay kailangang bumuo ng higit at higit pang mga sentro ng pagpoproseso ng data. Ang mga sentro ng data mismo ay dapat ding baguhin: ang mga isyu ng kanilang pagpapahintulot sa kasalanan at kahusayan sa enerhiya ay mas mahalaga ngayon kaysa dati. Ang mga pasilidad ay gumagamit ng napakalaking halaga ng kuryente, at ang mga pagkabigo ng kritikal na imprastraktura ng IT na matatagpuan sa loob ng mga ito ay magastos sa mga negosyo. Ang artipisyal na katalinuhan at mga teknolohiya sa pag-aaral ng makina ay tumulong sa mga inhinyero - sa mga nakaraang taon ay lalong ginagamit ang mga ito upang lumikha ng mas advanced na mga sentro ng data. Ang pamamaraang ito ay nagdaragdag sa pagkakaroon ng mga pasilidad, binabawasan ang bilang ng mga pagkabigo at binabawasan ang mga gastos sa pagpapatakbo.
Paano ito gumagana?
Ginagamit ang artificial intelligence at machine learning na mga teknolohiya para i-automate ang pagpapasya sa pagpapatakbo batay sa data na nakolekta mula sa iba't ibang sensor. Bilang isang patakaran, ang mga naturang tool ay isinama sa mga sistema ng klase ng DCIM (Data Center Infrastructure Management) at pinapayagan kang mahulaan ang paglitaw ng mga sitwasyong pang-emergency, pati na rin ang pag-optimize ng pagpapatakbo ng mga kagamitan sa IT, imprastraktura ng engineering at maging ang mga tauhan ng serbisyo. Kadalasan, nag-aalok ang mga manufacturer ng mga serbisyo sa cloud sa mga may-ari ng data center na nag-iipon at nagpoproseso ng data mula sa maraming customer. Ang mga ganitong sistema ay nag-generalize ng karanasan ng pagpapatakbo ng iba't ibang data center, at samakatuwid ay gumagana nang mas mahusay kaysa sa mga lokal na produkto.
Pamamahala ng imprastraktura ng IT
Itinataguyod ng HPE ang serbisyo ng cloud predictive analytics upang pamahalaan ang IT infrastructure na binuo sa Nimble Storage at HPE 3PAR StoreServ storage system, HPE ProLiant DL/ML/BL server, HPE Apollo rack system at HPE Synergy platform. Sinusuri ng InfoSight ang mga pagbabasa ng mga sensor na naka-install sa kagamitan, pinoproseso ang higit sa isang milyong kaganapan sa bawat segundo at patuloy na pag-aaral sa sarili. Ang serbisyo ay hindi lamang nakakakita ng mga pagkakamali, ngunit hinuhulaan din ang mga posibleng problema sa imprastraktura ng IT (mga pagkabigo ng kagamitan, pagkaubos ng kapasidad ng imbakan, pagbaba ng pagganap ng mga virtual machine, atbp.) bago pa man mangyari ang mga ito. Para sa predictive analytics, ang VoltDB software ay naka-deploy sa cloud, gamit ang autoregressive forecasting models at probabilistic method. Available ang isang katulad na solusyon para sa mga hybrid storage system mula sa Tegile Systems: sinusubaybayan ng cloud service ng IntelliCare Cloud Analytics ang kalusugan, pagganap at paggamit ng mapagkukunan ng mga device. Ginagamit din ng Dell EMC ang mga teknolohiyang artificial intelligence at machine learning sa mga solusyon sa computing na may mataas na pagganap nito. Mayroong maraming katulad na mga halimbawa; halos lahat ng nangungunang tagagawa ng mga kagamitan sa pag-compute at mga sistema ng pag-iimbak ng data ay sumusunod na ngayon sa landas na ito.
Power supply at paglamig
Ang isa pang lugar ng aplikasyon ng AI sa mga sentro ng data ay nauugnay sa pamamahala ng imprastraktura ng engineering at, higit sa lahat, paglamig, ang bahagi nito sa kabuuang pagkonsumo ng enerhiya ng isang pasilidad ay maaaring lumampas sa 30%. Isa ang Google sa mga unang nag-isip tungkol sa smart cooling: noong 2016, kasama ang DeepMind, nabuo ito para sa pagsubaybay sa mga indibidwal na bahagi ng data center, na nagbawas ng mga gastos sa enerhiya para sa air conditioning ng 40%. Sa una, nagbigay lamang ito ng mga pahiwatig sa mga tauhan, ngunit pagkatapos ay napabuti at maaari na ngayong kontrolin ang paglamig ng mga silid ng makina nang nakapag-iisa. Ang isang neural network na naka-deploy sa cloud ay nagpoproseso ng data mula sa libu-libong mga panloob at panlabas na sensor: gumagawa ito ng mga pagpapasya na isinasaalang-alang ang pagkarga sa mga server, temperatura, pati na rin ang bilis ng hangin sa labas at marami pang ibang parameter. Ang mga tagubiling inaalok ng cloud system ay ipinapadala sa data center at doon ay muling susuriin ang mga ito para sa seguridad ng mga lokal na system, habang ang mga kawani ay maaaring palaging i-off ang awtomatikong mode at simulan ang pamamahala ng paglamig nang manu-mano. Nlyte Software kasama ang IBM Watson team na nilikha , na nangongolekta ng data sa temperatura at halumigmig, pagkonsumo ng enerhiya at pagkarga sa mga kagamitan sa IT. Pinapayagan ka nitong i-optimize ang pagpapatakbo ng mga subsystem ng engineering at hindi nangangailangan ng koneksyon sa imprastraktura ng ulap ng tagagawa - kung kinakailangan, ang solusyon ay maaaring direktang i-deploy sa data center.
Iba pang mga halimbawa
Mayroong maraming mga makabagong matalinong solusyon para sa mga sentro ng data sa merkado at ang mga bago ay patuloy na lumalabas. Gumawa ang Wave2Wave ng robotic fiber optic cable switching system upang awtomatikong ayusin ang mga cross-connection sa mga traffic exchange node (Meet Me Rooms) sa loob ng data center. Ang system na binuo ng ROOT Data Center at LitBit ay gumagamit ng AI upang subaybayan ang mga backup na diesel generator set, at si Romonet ay lumikha ng isang self-learning software solution para sa pag-optimize ng imprastraktura. Ang mga solusyong ginawa ng Vigilent ay gumagamit ng machine learning para mahulaan ang mga pagkabigo at i-optimize ang mga kondisyon ng temperatura sa mga lugar ng data center. Ang pagpapakilala ng artificial intelligence, machine learning at iba pang mga makabagong teknolohiya para sa pag-automate ng proseso sa mga data center ay nagsimula kamakailan, ngunit ngayon ito ay isa sa mga pinaka-promising na lugar ng pag-unlad ng industriya. Ang mga sentro ng data ngayon ay naging masyadong malaki at kumplikado upang mabisang pamahalaan nang manu-mano.
Pinagmulan: www.habr.com