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
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
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