У процесі цифрової трансформації економіки людству доводиться будувати дедалі більше центрів обробки даних. Самі ЦОДи теж мають трансформуватися: питання їхньої відмовостійкості та енергоефективності зараз важливі як ніколи. Об'єкти споживають величезну кількість електроенергії, а відмови розміщеної в них критично важливої ІТ-інфраструктури обходяться бізнесу недешево. На допомогу інженерам приходять технології штучного інтелекту та машинного навчання — останніми роками їх все частіше використовують для створення досконаліших дата-центрів. Такий підхід збільшує рівень готовності об'єктів, скорочує кількість відмов та знижує експлуатаційні витрати.
Як це працює?
Технології штучного інтелекту і машинного навчання використовують для автоматизації прийняття операційних рішень на основі даних, що збираються з різних датчиків. Як правило, подібні засоби інтегруються з системами класу DCIM (Data Center Infrastructure Management) і дозволяють прогнозувати виникнення позаштатних ситуацій, а також оптимізувати роботу ІТ-обладнання, інженерної інфраструктури і навіть обслуговуючого персоналу. Дуже часто виробники пропонують власникам ЦОДів хмарні сервіси, що накопичують та обробляють дані багатьох замовників. Такі системи узагальнюють досвід експлуатації різних дата-центрів, тому працюють краще за локальні продукти.
Управління ІТ-інфраструктурою
Компанія HPE просуває хмарний сервіс передиктивного аналізу для управління ІТ-інфраструктурою, побудованою на системах зберігання Nimble Storage та HPE 3PAR StoreServ, серверах HPE ProLiant DL/ML/BL, стійкових системах HPE Apollo та платформі HPE Synergy. InfoSight аналізує показання встановлених в обладнанні датчиків, обробляючи понад мільйон подій на секунду та постійно самонавчаючись. Сервіс не тільки виявляє несправності, а й прогнозує можливі проблеми з ІТ-інфраструктурою (відмови обладнання, вичерпання ємності СГД, зниження продуктивності віртуальних машин тощо) ще до їх виникнення. Для предиктивної аналітики у хмарі розгорнуто програмне забезпечення компанії VoltDB, яке використовує авторегресійні моделі прогнозування та ймовірнісні методи. Таке рішення доступне і для гібридних систем зберігання даних компанії Tegile Systems: хмарний сервіс IntelliCare Cloud Analytics здійснює моніторинг стану, продуктивності та використання ресурсів пристроїв. Технології штучного інтелекту та машинного навчання використовує також Dell EMC у своїх рішеннях для високопродуктивних обчислень. Подібних прикладів безліч, цим шляхом зараз йдуть практично всі провідні виробники обчислювального обладнання та систем зберігання даних.
Енергопостачання та охолодження
Інша сфера застосування ІІ у дата-центрах пов'язана з управлінням інженерною інфраструктурою та насамперед із охолодженням, частка якого у загальному енергоспоживання об'єкта може перевищувати 30 %. Однією з перших про розумне охолодження задумалася корпорація Google: у 2016 році спільно з компанією DeepMind вона розробила для моніторингу окремих компонентів ЦОД, що дозволило на 40% скоротити енерговитрати на кондиціювання. Спочатку вона лише підказувала персоналу, але згодом була доопрацьована і тепер може керувати охолодженням машинних залів самостійно. Розгорнута у хмарі нейромережа обробляє дані з тисяч внутрішніх та зовнішніх датчиків: вона приймає рішення з урахуванням навантаження на сервери, температури, а також швидкості вітру на вулиці та безлічі інших параметрів. Інструкції, що пропонуються хмарною системою, направляються в дата-центр і там ще раз перевіряються на безпеку локальними системами, при цьому персонал завжди може відключити автоматичний режим і почати керувати охолодженням вручну. Nlyte Software спільно з командою IBM Watson створила , яке збирає дані про температуру та вологість, енергоспоживання та завантаженість ІТ-обладнання. Воно дозволяє оптимізувати роботу інженерних підсистем і не потребує підключення до хмарної інфраструктури виробника - при необхідності рішення може бути розгорнуте безпосередньо в дата-центрі.
інші приклади
Інноваційних розумних рішень для центрів обробки даних на ринку дуже багато та постійно з'являються нові. Компанія Wave2Wave створила роботизовану систему комутації волоконно-оптичних кабелів для автоматизованої організації перехресних підключень у вузлах обміну трафіком (Meet Me Room) усередині ЦОД. Розроблена ROOT Data Center і LitBit система використовує ІІ для моніторингу резервних ДГУ, а в Romonet зробили програмне рішення, що самонавчається, для оптимізації інфраструктури. Створені компанією Vigilent рішення використовують машинне навчання для прогнозування відмов та оптимізації температурного режиму у приміщеннях дата-центру. Впровадження в дата-центрах штучного інтелекту, машинного навчання та інших інноваційних технологій для автоматизації процесів розпочалося порівняно недавно, але сьогодні це один із найперспективніших напрямків розвитку галузі. Сучасні ЦОДи стали надто великими та складними, щоб ефективно керувати ними вручну.
Джерело: habr.com