ڈیٹا سینٹر میں روبوٹ: مصنوعی ذہانت کیسے کارآمد ہو سکتی ہے؟

معیشت کی ڈیجیٹل تبدیلی کے عمل میں، انسانیت کو زیادہ سے زیادہ ڈیٹا پروسیسنگ مراکز بنانے ہوں گے۔ خود ڈیٹا سینٹرز کو بھی تبدیل کیا جانا چاہیے: ان کی غلطی کو برداشت کرنے اور توانائی کی کارکردگی کے مسائل اب پہلے سے کہیں زیادہ اہم ہیں۔ سہولیات بہت زیادہ مقدار میں بجلی استعمال کرتی ہیں، اور ان کے اندر موجود اہم IT انفراسٹرکچر کی ناکامی کاروبار کے لیے مہنگی پڑتی ہے۔ مصنوعی ذہانت اور مشین لرننگ ٹیکنالوجیز انجینئرز کی مدد کے لیے آ رہی ہیں - حالیہ برسوں میں ان کا استعمال زیادہ جدید ڈیٹا سینٹرز بنانے کے لیے ہو رہا ہے۔ یہ نقطہ نظر سہولیات کی دستیابی کو بڑھاتا ہے، ناکامیوں کی تعداد کو کم کرتا ہے اور آپریٹنگ اخراجات کو کم کرتا ہے۔

یہ کس طرح کام کرتا ہے؟

مصنوعی ذہانت اور مشین لرننگ ٹیکنالوجیز کا استعمال مختلف سینسروں سے جمع کردہ ڈیٹا کی بنیاد پر آپریشنل فیصلہ سازی کو خودکار بنانے کے لیے کیا جاتا ہے۔ ایک اصول کے طور پر، اس طرح کے ٹولز DCIM (ڈیٹا سینٹر انفراسٹرکچر مینجمنٹ) کلاس سسٹم کے ساتھ مربوط ہوتے ہیں اور آپ کو ہنگامی حالات کی پیشین گوئی کرنے کے ساتھ ساتھ IT آلات، انجینئرنگ انفراسٹرکچر اور یہاں تک کہ سروس پرسنز کے آپریشن کو بہتر بنانے کی اجازت دیتے ہیں۔ اکثر، مینوفیکچررز ڈیٹا سینٹر کے مالکان کو کلاؤڈ سروسز پیش کرتے ہیں جو بہت سے صارفین کے ڈیٹا کو جمع اور اس پر کارروائی کرتے ہیں۔ اس طرح کے نظام مختلف ڈیٹا سینٹرز کو چلانے کے تجربے کو عام کرتے ہیں، اور اس لیے مقامی مصنوعات سے بہتر کام کرتے ہیں۔

آئی ٹی انفراسٹرکچر مینجمنٹ

HPE کلاؤڈ پریڈیکٹیو اینالیٹکس سروس کو فروغ دیتا ہے۔ انفارمیشن سائٹ Nimble Storage اور HPE 3PAR StoreServ سٹوریج سسٹمز، HPE ProLiant DL/ML/BL سرورز، HPE Apollo ریک سسٹمز اور HPE Synergy پلیٹ فارم پر بنائے گئے IT انفراسٹرکچر کو منظم کرنے کے لیے۔ InfoSight آلات میں نصب سینسر کی ریڈنگ کا تجزیہ کرتا ہے، فی سیکنڈ ایک ملین سے زیادہ واقعات پر کارروائی کرتا ہے اور مسلسل خود سیکھتا ہے۔ سروس نہ صرف خرابیوں کا پتہ لگاتی ہے، بلکہ آئی ٹی کے بنیادی ڈھانچے کے ساتھ ممکنہ مسائل کی پیشین گوئی بھی کرتی ہے (سامان کی خرابی، ذخیرہ کرنے کی صلاحیت کا ختم ہونا، ورچوئل مشینوں کی کارکردگی میں کمی وغیرہ) ان کے ہونے سے پہلے ہی۔ پیشین گوئی کرنے والے تجزیات کے لیے، VoltDB سافٹ ویئر کو کلاؤڈ میں تعینات کیا جاتا ہے، خود بخود پیش گوئی کرنے والے ماڈلز اور امکانی طریقوں کا استعمال کرتے ہوئے۔ اسی طرح کا حل Tegile Systems سے ہائبرڈ اسٹوریج سسٹمز کے لیے دستیاب ہے: IntelliCare Cloud Analytics کلاؤڈ سروس آلات کی صحت، کارکردگی اور وسائل کے استعمال کی نگرانی کرتی ہے۔ مصنوعی ذہانت اور مشین لرننگ ٹیکنالوجیز بھی ڈیل ای ایم سی اپنے اعلیٰ کارکردگی والے کمپیوٹنگ حل میں استعمال کرتی ہیں۔ اسی طرح کی بہت سی مثالیں ہیں؛ کمپیوٹنگ آلات اور ڈیٹا سٹوریج سسٹم کے تقریباً تمام معروف مینوفیکچررز اب اس راستے پر چل رہے ہیں۔

بجلی کی فراہمی اور کولنگ

ڈیٹا سینٹرز میں AI کے اطلاق کا ایک اور شعبہ انجینئرنگ انفراسٹرکچر کے انتظام اور سب سے بڑھ کر کولنگ سے متعلق ہے، جس کا حصہ کسی سہولت کی کل توانائی کی کھپت میں 30% سے زیادہ ہو سکتا ہے۔ گوگل سمارٹ کولنگ کے بارے میں سوچنے والے پہلے لوگوں میں سے ایک تھا: 2016 میں، ڈیپ مائنڈ کے ساتھ مل کر، اس نے تیار کیا مصنوعی ذہانت کا نظام انفرادی ڈیٹا سینٹر کے اجزاء کی نگرانی کے لیے، جس نے ایئر کنڈیشنگ کے لیے توانائی کے اخراجات میں 40 فیصد کمی کی۔ ابتدائی طور پر، اس نے صرف عملے کو اشارے دیئے تھے، لیکن بعد میں اس میں بہتری لائی گئی اور اب مشین رومز کی کولنگ کو آزادانہ طور پر کنٹرول کر سکتے ہیں۔ کلاؤڈ میں تعینات ایک نیورل نیٹ ورک ہزاروں انڈور اور آؤٹ ڈور سینسرز سے ڈیٹا پر کارروائی کرتا ہے: یہ سرورز پر بوجھ، درجہ حرارت، ساتھ ہی باہر ہوا کی رفتار اور بہت سے دوسرے پیرامیٹرز کو مدنظر رکھتے ہوئے فیصلے کرتا ہے۔ کلاؤڈ سسٹم کی طرف سے پیش کردہ ہدایات ڈیٹا سینٹر کو بھیجی جاتی ہیں اور وہاں ایک بار پھر مقامی سسٹمز کے ذریعے سیکیورٹی کے لیے ان کی جانچ پڑتال کی جاتی ہے، جبکہ عملہ ہمیشہ خودکار موڈ کو بند کر سکتا ہے اور کولنگ کو دستی طور پر منظم کرنا شروع کر سکتا ہے۔ Nlyte سافٹ ویئر نے IBM واٹسن ٹیم کے ساتھ مل کر بنایا فیصلہ، جو درجہ حرارت اور نمی، توانائی کی کھپت اور IT آلات پر بوجھ سے متعلق ڈیٹا اکٹھا کرتا ہے۔ یہ آپ کو انجینئرنگ سب سسٹم کے آپریشن کو بہتر بنانے کی اجازت دیتا ہے اور مینوفیکچرر کے کلاؤڈ انفراسٹرکچر سے کنکشن کی ضرورت نہیں ہے - اگر ضروری ہو تو، حل کو براہ راست ڈیٹا سینٹر میں تعینات کیا جا سکتا ہے۔

دوسری مثالیں

مارکیٹ میں ڈیٹا سینٹرز کے لیے بہت سے جدید سمارٹ حل موجود ہیں اور نئے مسلسل ظاہر ہو رہے ہیں۔ Wave2Wave نے ایک روبوٹک فائبر آپٹک کیبل سوئچنگ سسٹم بنایا ہے تاکہ ڈیٹا سینٹر کے اندر ٹریفک ایکسچینج نوڈس (Meet Me Rooms) میں خودکار طور پر کراس کنیکشن کو منظم کیا جا سکے۔ ROOT ڈیٹا سینٹر اور LitBit کی طرف سے تیار کردہ سسٹم بیک اپ ڈیزل جنریٹر سیٹس کی نگرانی کے لیے AI کا استعمال کرتا ہے، اور Romonet نے انفراسٹرکچر کو بہتر بنانے کے لیے خود سیکھنے والا سافٹ ویئر حل بنایا ہے۔ Vigilent کے ذریعہ تیار کردہ حل ناکامیوں کی پیش گوئی کرنے اور ڈیٹا سینٹر کے احاطے میں درجہ حرارت کی صورتحال کو بہتر بنانے کے لیے مشین لرننگ کا استعمال کرتے ہیں۔ ڈیٹا سینٹرز میں پروسیس آٹومیشن کے لیے مصنوعی ذہانت، مشین لرننگ اور دیگر جدید ٹیکنالوجیز کا تعارف نسبتاً حال ہی میں شروع ہوا، لیکن آج یہ صنعت کی ترقی کے سب سے امید افزا شعبوں میں سے ایک ہے۔ آج کے ڈیٹا سینٹرز اتنے بڑے اور پیچیدہ ہو گئے ہیں کہ مؤثر طریقے سے دستی طور پر منظم کیا جا سکے۔

ماخذ: www.habr.com