डेटा सेंटर में रोबोट: आर्टिफिशियल इंटेलिजेंस कैसे उपयोगी हो सकता है?

अर्थव्यवस्था के डिजिटल परिवर्तन की प्रक्रिया में, मानव जाति को अधिक से अधिक डेटा केंद्रों का निर्माण करना होगा। डेटा केंद्रों को स्वयं भी रूपांतरित होना चाहिए: उनकी दोष सहिष्णुता और ऊर्जा दक्षता के मुद्दे अब पहले से कहीं अधिक महत्वपूर्ण हैं। सुविधाएं बिजली की एक बड़ी मात्रा का उपभोग करती हैं, और महत्वपूर्ण आईटी अवसंरचना की विफलताएं उनमें व्यापार को बहुत अधिक लागत देती हैं। इंजीनियरों की सहायता के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग की तकनीकें आती हैं - हाल के वर्षों में उनका उपयोग अधिक उन्नत डेटा केंद्र बनाने के लिए किया गया है। यह दृष्टिकोण सुविधाओं की उपलब्धता को बढ़ाता है, विफलताओं की संख्या को कम करता है और परिचालन लागत को कम करता है।

यह कैसे काम करता है?

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग प्रौद्योगिकियों का उपयोग विभिन्न सेंसर से एकत्र किए गए डेटा के आधार पर परिचालन निर्णयों को अपनाने के लिए किया जाता है। आमतौर पर, ऐसे उपकरण DCIM (डेटा सेंटर इंफ्रास्ट्रक्चर मैनेजमेंट) सिस्टम के साथ एकीकृत होते हैं और आपातकालीन स्थितियों की घटना की भविष्यवाणी करने की अनुमति देते हैं, साथ ही आईटी उपकरण, इंजीनियरिंग बुनियादी ढांचे और यहां तक ​​कि कर्मचारियों के संचालन का अनुकूलन करते हैं। बहुत बार, निर्माता डेटा सेंटर मालिकों को क्लाउड सेवाएं प्रदान करते हैं जो कई ग्राहकों से डेटा एकत्र और संसाधित करते हैं। इस तरह की प्रणालियां विभिन्न डेटा केंद्रों के परिचालन अनुभव को संक्षेप में प्रस्तुत करती हैं, इसलिए, वे स्थानीय उत्पादों की तुलना में बेहतर काम करते हैं।

आईटी इन्फ्रास्ट्रक्चर मैनेजमेंट

HPE नेमबेल स्टोरेज और HPE 3PAR StoreServ स्टोरेज सिस्टम्स, HPE ProLiant DL / ML / BL सर्वर, HPE अपोलो रैक सिस्टम और HPE सिनर्जी प्लेटफॉर्म के आधार पर आईटी इन्फ्रास्ट्रक्चर के प्रबंधन के लिए इन्फोसाइट क्लाउड प्रीडिक्टिव एनालिसिस सेवा को बढ़ावा देता है। InfoSight उपकरण में स्थापित सेंसर की रीडिंग का विश्लेषण करता है, प्रति सेकंड एक लाख से अधिक घटनाओं को संसाधित करता है और लगातार आत्म-शिक्षा करता है। सेवा न केवल खराबी का पता लगाती है, बल्कि आईटी इंफ्रास्ट्रक्चर (उपकरण विफलताओं, भंडारण क्षमता थकावट, वर्चुअल मशीन प्रदर्शन में गिरावट, आदि) के साथ होने वाली संभावित समस्याओं की भविष्यवाणी करती है। भविष्य कहनेवाला विश्लेषिकी के लिए, VoltDB सॉफ्टवेयर को क्लाउड में तैनात किया गया है, जिसमें ऑटोरोग्रेसिव फोरकास्टिंग मॉडल और संभाव्य तरीकों का उपयोग किया गया है। इसी तरह का समाधान Tegile Systems हाइब्रिड स्टोरेज सिस्टम के लिए भी उपलब्ध है: IntelliCare Cloud Analytics क्लाउड सेवा डिवाइस संसाधनों की स्थिति, प्रदर्शन और उपयोग की निगरानी करती है। डेल ईएमसी द्वारा अपने उच्च प्रदर्शन कंप्यूटिंग समाधानों में कृत्रिम बुद्धिमत्ता और मशीन लर्निंग तकनीक का भी उपयोग किया जाता है। इसी तरह के कई उदाहरण हैं, कंप्यूटिंग उपकरण और डेटा स्टोरेज सिस्टम के लगभग सभी अग्रणी निर्माता अब इस रास्ते को अपना रहे हैं।

बिजली की आपूर्ति और शीतलक

डेटा केंद्रों में एआई के आवेदन का एक अन्य क्षेत्र इंजीनियरिंग बुनियादी ढांचे के प्रबंधन से जुड़ा हुआ है और, सबसे ऊपर, ठंडा करने के साथ, जिसका किसी वस्तु की कुल ऊर्जा खपत में हिस्सेदारी 30% से अधिक हो सकती है। Google स्मार्ट कूलिंग के बारे में सोचने वाला पहला व्यक्ति था: 2016 में, डीपमाइंड के साथ, इसने डेटा सेंटर के व्यक्तिगत घटकों की निगरानी के लिए एक कृत्रिम खुफिया प्रणाली विकसित की, जिसने एयर कंडीशनिंग के लिए ऊर्जा लागत को 40% तक कम करने की अनुमति दी। प्रारंभ में, यह केवल कर्मचारियों को संकेत देता था, लेकिन बाद में इसे परिष्कृत किया गया था और अब यह अपने आप ही मशीन के कमरों को ठंडा करने को नियंत्रित कर सकता है। क्लाउड में तैनात एक तंत्रिका नेटवर्क हजारों आंतरिक और बाहरी सेंसर से डेटा संसाधित करता है: यह सर्वर, तापमान, साथ ही सड़क पर हवा की गति और कई अन्य मापदंडों पर लोड को ध्यान में रखते हुए निर्णय लेता है। क्लाउड सिस्टम द्वारा दिए गए निर्देशों को डेटा सेंटर में भेजा जाता है और वहां उन्हें स्थानीय प्रणालियों द्वारा सुरक्षा के लिए एक बार फिर से जाँच की जाती है, जबकि कर्मचारी हमेशा स्वचालित मोड को बंद कर सकते हैं और मैन्युअल रूप से कूलिंग को नियंत्रित करना शुरू कर सकते हैं। Nlyte Software ने IBM Watson टीम के साथ मिलकर एक ऐसा घोल बनाया है जो तापमान और आर्द्रता, बिजली की खपत और IT उपकरणों की भीड़ पर डेटा एकत्र करता है। यह आपको इंजीनियरिंग सबसिस्टम के काम को अनुकूलित करने की अनुमति देता है और निर्माता के क्लाउड इंफ्रास्ट्रक्चर से कनेक्शन की आवश्यकता नहीं होती है - यदि आवश्यक हो, तो समाधान सीधे डेटा सेंटर में तैनात किया जा सकता है।

अन्य उदाहरण

बाजार में डेटा केंद्रों के लिए कई नए स्मार्ट समाधान हैं और नए लगातार दिखाई दे रहे हैं। Wave2Wave ने डेटा सेंटर के अंदर ट्रैफिक एक्सचेंज नोड्स (मीट मी रूम) में क्रॉस-कनेक्शन के स्वचालित संगठन के लिए एक रोबोट फाइबर-ऑप्टिक केबल स्विचिंग सिस्टम बनाया है। ROOT डेटा सेंटर और LitBit द्वारा विकसित प्रणाली स्टैंडबाय डीजल जनरेटर पर नजर रखने के लिए AI का उपयोग करती है, और Romonet ने बुनियादी ढांचे के अनुकूलन के लिए एक स्व-शिक्षण सॉफ्टवेयर समाधान बनाया। डेटा सेंटर में तापमान की स्थितियों की विफलता का अनुमान लगाने और अनुकूलन करने के लिए विजिलेंट यूज मशीन लर्निंग द्वारा बनाए गए समाधान। प्रक्रिया स्वचालन के लिए डेटा केंद्रों में कृत्रिम बुद्धिमत्ता, मशीन सीखने और अन्य नवीन तकनीकों की शुरूआत अपेक्षाकृत हाल ही में शुरू हुई, लेकिन आज यह उद्योग विकास के सबसे आशाजनक क्षेत्रों में से एक है। आधुनिक डेटा सेंटर बहुत बड़े और जटिल हो गए हैं जिन्हें प्रभावी ढंग से मैन्युअल रूप से प्रबंधित किया जा सकता है।