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
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:
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