En el proceso de transformación digital de la economía, la humanidad tiene que construir más y más centros de datos. Los centros de datos también deben transformarse: los problemas de tolerancia a fallas y eficiencia energética son ahora más importantes que nunca. Las instalaciones consumen una gran cantidad de electricidad, y las fallas de la infraestructura de TI crítica ubicada en ellas le cuestan mucho dinero al negocio. Para ayudar a los ingenieros, las tecnologías de inteligencia artificial y aprendizaje automático se han utilizado en los últimos años para crear centros de datos más avanzados. Este enfoque aumenta la disponibilidad de las instalaciones, reduce el número de fallas y reduce los costos operativos.
Como funciona
Las tecnologías de inteligencia artificial y aprendizaje automático se utilizan para automatizar la adopción de decisiones operativas basadas en los datos recopilados de varios sensores. Por lo general, estas herramientas están integradas con los sistemas DCIM (Administración de Infraestructura del Centro de Datos) y permiten predecir la ocurrencia de situaciones de emergencia, así como optimizar la operación del equipo de TI, la infraestructura de ingeniería e incluso el personal. Muy a menudo, los fabricantes ofrecen a los propietarios de centros de datos servicios en la nube que recopilan y procesan los datos de muchos clientes. Dichos sistemas resumen la experiencia operativa de diferentes centros de datos, por lo tanto, funcionan mejor que los productos locales.
Gestión de infraestructura de TI
HPE promueve el servicio de análisis predictivo en la nube InfoSight para administrar la infraestructura de TI basada en el almacenamiento Nimble y los sistemas de almacenamiento HPE 3PAR StoreServ, los servidores HPE ProLiant DL / ML / BL, los sistemas HPE Apollo Rack y la plataforma HPE Synergy. InfoSight analiza las lecturas de los sensores instalados en el equipo, procesa más de un millón de eventos por segundo y aprende constantemente. El servicio no solo detecta el mal funcionamiento, sino que también predice posibles problemas con la infraestructura de TI (fallas de hardware, agotamiento de la capacidad de almacenamiento, rendimiento reducido de la máquina virtual, etc.) incluso antes de que ocurran. Para el análisis predictivo, el software VoltDB se implementa en la nube, utilizando modelos de pronóstico autorregresivos y métodos probabilísticos. También está disponible una solución similar para los sistemas de almacenamiento híbrido de Tegile Systems: el servicio en la nube IntelliCare Cloud Analytics monitorea el estado, el rendimiento y el uso de los recursos del dispositivo. Dell EMC también utiliza las tecnologías de inteligencia artificial y aprendizaje automático en sus soluciones informáticas de alto rendimiento. Hay muchos ejemplos similares: casi todos los fabricantes líderes de equipos informáticos y sistemas de almacenamiento de datos están tomando este camino.
Suministro de energía y enfriamiento
Otra área de aplicación de IA en los centros de datos está asociada con la gestión de la infraestructura de ingeniería y, sobre todo, con la refrigeración, cuya participación en el consumo total de energía de un objeto puede superar el 30%. Google fue uno de los primeros en pensar en la refrigeración inteligente: en 2016, junto con DeepMind, desarrolló un sistema de inteligencia artificial para monitorear componentes individuales del centro de datos, lo que permitió reducir los costos de energía para el aire acondicionado en un 40%. Inicialmente, solo dio pistas al personal, pero posteriormente se perfeccionó y ahora puede controlar el enfriamiento de las salas de máquinas por sí solo. Una red neuronal implementada en la nube procesa datos de miles de sensores internos y externos: toma decisiones teniendo en cuenta la carga en los servidores, la temperatura, así como la velocidad del viento en la calle y muchos otros parámetros. Las instrucciones ofrecidas por el sistema en la nube se envían al centro de datos y allí los sistemas locales verifican nuevamente la seguridad, mientras que el personal siempre puede desactivar el modo automático y comenzar a controlar la refrigeración manualmente. Nlyte Software, junto con el equipo de IBM Watson, ha creado una solución que recopila datos sobre temperatura y humedad, consumo de energía y congestión de equipos de TI. Le permite optimizar el trabajo de los subsistemas de ingeniería y no requiere conexión a la infraestructura de nube del fabricante; si es necesario, la solución se puede implementar directamente en el centro de datos.
Otros ejemplos
Hay muchas soluciones inteligentes innovadoras para centros de datos en el mercado y constantemente aparecen nuevas. Wave2Wave ha creado un sistema robótico de conmutación de cable de fibra óptica para la organización automatizada de conexiones cruzadas en nodos de intercambio de tráfico (Meet Me Room) dentro del centro de datos. El sistema desarrollado por ROOT Data Center y LitBit utiliza inteligencia artificial para monitorear generadores diesel en espera, y Romonet creó una solución de software de autoaprendizaje para optimizar la infraestructura. Las soluciones creadas por Vigilent utilizan el aprendizaje automático para predecir fallas y optimizar las condiciones de temperatura en el centro de datos. La introducción de la inteligencia artificial, el aprendizaje automático y otras tecnologías innovadoras en los centros de datos para la automatización de procesos comenzó hace relativamente poco, pero hoy es una de las áreas más prometedoras del desarrollo de la industria. Los centros de datos modernos se han vuelto demasiado grandes y complejos para ser administrados manualmente de manera efectiva.