Ekonominin dijital dönüşüm sürecinde insanlık giderek daha fazla bilgi işlem merkezi inşa etmek zorunda kalıyor. Veri merkezlerinin kendilerinin de dönüştürülmesi gerekiyor: hata toleransı ve enerji verimliliği konuları artık her zamankinden daha önemli. Tesisler muazzam miktarda elektrik tüketiyor ve içlerinde bulunan kritik BT altyapısındaki arızalar işletmeler için maliyetli oluyor. Yapay zeka ve makine öğrenimi teknolojileri mühendislerin yardımına geliyor; son yıllarda daha gelişmiş veri merkezleri oluşturmak için giderek daha fazla kullanılıyorlar. Bu yaklaşım tesislerin kullanılabilirliğini arttırır, arıza sayısını azaltır ve işletme maliyetlerini azaltır.
Nasıl çalışır?
Çeşitli sensörlerden toplanan verilere dayanarak operasyonel karar almayı otomatikleştirmek için yapay zeka ve makine öğrenimi teknolojileri kullanılıyor. Kural olarak, bu tür araçlar DCIM (Veri Merkezi Altyapı Yönetimi) sınıfı sistemlerle entegredir ve acil durumların oluşumunu tahmin etmenize, ayrıca BT ekipmanının, mühendislik altyapısının ve hatta servis personelinin çalışmasını optimize etmenize olanak tanır. Çoğu zaman üreticiler, birçok müşteriden veri toplayan ve işleyen veri merkezi sahiplerine bulut hizmetleri sunmaktadır. Bu tür sistemler, farklı veri merkezlerini çalıştırma deneyimini genelleştirir ve bu nedenle yerel ürünlerden daha iyi çalışır.
BT altyapı yönetimi
HPE, bulut tahmine dayalı analiz hizmetini tanıtıyor Nimble Storage ve HPE 3PAR StoreServ depolama sistemleri, HPE ProLiant DL/ML/BL sunucuları, HPE Apollo raf sistemleri ve HPE Synergy platformu üzerine kurulu BT altyapısını yönetmek için. InfoSight, ekipmana takılı sensörlerin okumalarını analiz eder, saniyede bir milyondan fazla olayı işler ve sürekli olarak kendi kendine öğrenir. Hizmet yalnızca hataları tespit etmekle kalmıyor, aynı zamanda BT altyapısındaki olası sorunları (ekipman arızaları, depolama kapasitesinin tükenmesi, sanal makinelerin performansının azalması vb.) daha oluşmadan öngörüyor. Tahmine dayalı analitik için VoltDB yazılımı, otoregresif tahmin modelleri ve olasılıksal yöntemler kullanılarak bulutta devreye alınır. Tegile Systems'in hibrit depolama sistemleri için benzer bir çözüm mevcut: IntelliCare Cloud Analytics bulut hizmeti, cihazların sağlığını, performansını ve kaynak kullanımını izliyor. Yapay zeka ve makine öğrenimi teknolojileri de Dell EMC tarafından yüksek performanslı bilgi işlem çözümlerinde kullanılıyor. Benzer pek çok örnek var; önde gelen bilgi işlem ekipmanı ve veri depolama sistemi üreticilerinin neredeyse tamamı artık bu yolu izliyor.
Güç kaynağı ve soğutma
Yapay zekanın veri merkezlerinde bir başka uygulama alanı da mühendislik altyapısının yönetimi ve her şeyden önce bir tesisin toplam enerji tüketimindeki payı %30'u geçebilen soğutma ile ilgilidir. Google, akıllı soğutmayı ilk düşünenlerden biriydi: 2016'da DeepMind ile birlikte şunu geliştirdi: Bireysel veri merkezi bileşenlerinin izlenmesi için klima enerji maliyetlerini %40 oranında azalttı. Başlangıçta yalnızca personele ipuçları veriyordu ancak daha sonra geliştirildi ve artık makine odalarının soğutulmasını bağımsız olarak kontrol edebiliyor. Bulutta konuşlandırılan bir sinir ağı, binlerce iç ve dış mekan sensöründen gelen verileri işler: sunuculardaki yükü, sıcaklığı, dışarıdaki rüzgar hızını ve diğer birçok parametreyi dikkate alarak kararlar alır. Bulut sistemi tarafından sunulan talimatlar veri merkezine gönderiliyor ve burada yerel sistemler tarafından güvenlik açısından bir kez daha kontrol ediliyor; personel her zaman otomatik modu kapatabiliyor ve soğutmayı manuel olarak yönetmeye başlayabiliyor. Nlyte Yazılımı, IBM Watson ekibiyle birlikte oluşturuldu Sıcaklık ve nem, enerji tüketimi ve BT ekipmanı üzerindeki yüke ilişkin verileri toplayan. Mühendislik alt sistemlerinin çalışmasını optimize etmenize olanak tanır ve üreticinin bulut altyapısına bağlantı gerektirmez; gerekirse çözüm doğrudan veri merkezine dağıtılabilir.
Diğer örnekler
Piyasada veri merkezleri için çok sayıda yenilikçi akıllı çözüm var ve sürekli yenileri ortaya çıkıyor. Wave2Wave, veri merkezi içindeki trafik değişim düğümlerindeki (Meet Me Rooms) çapraz bağlantıları otomatik olarak düzenlemek için robotik bir fiber optik kablo anahtarlama sistemi oluşturdu. ROOT Veri Merkezi ve LitBit tarafından geliştirilen sistem, yedek dizel jeneratör setlerini izlemek için yapay zeka kullanıyor ve Romonet, altyapıyı optimize etmek için kendi kendine öğrenen bir yazılım çözümü oluşturdu. Vigilent tarafından oluşturulan çözümler, arızaları tahmin etmek ve veri merkezi tesislerindeki sıcaklık koşullarını optimize etmek için makine öğrenimini kullanıyor. Veri merkezlerinde süreç otomasyonuna yönelik yapay zeka, makine öğrenimi ve diğer yenilikçi teknolojilerin tanıtılması nispeten yakın zamanda başladı, ancak bugün bu, endüstri gelişiminin en umut verici alanlarından biridir. Günümüzün veri merkezleri, manuel olarak etkili bir şekilde yönetilemeyecek kadar büyük ve karmaşık hale geldi.
Kaynak: habr.com