Dalam proses transformasi digital ekonomi, umat manusia harus membangun lebih banyak pusat data. Pusat data sendiri juga harus ditransformasikan: masalah toleransi kesalahan dan efisiensi energi mereka sekarang lebih penting daripada sebelumnya. Fasilitas mengkonsumsi sejumlah besar listrik, dan kegagalan infrastruktur kritis TI yang berlokasi di dalamnya menghabiskan banyak uang untuk bisnis. Untuk bantuan insinyur, datanglah teknologi kecerdasan buatan dan pembelajaran mesin - dalam beberapa tahun terakhir ini telah banyak digunakan untuk membuat pusat data yang lebih maju. Pendekatan ini meningkatkan ketersediaan fasilitas, mengurangi jumlah kegagalan dan mengurangi biaya operasi.
Bagaimana cara kerjanya?
Kecerdasan buatan dan teknologi pembelajaran mesin digunakan untuk mengotomatiskan adopsi keputusan operasional berdasarkan data yang dikumpulkan dari berbagai sensor. Biasanya, alat-alat tersebut terintegrasi dengan sistem DCIM (Data Center Infrastructure Management) dan memungkinkan memprediksi terjadinya situasi darurat, serta mengoptimalkan pengoperasian peralatan TI, infrastruktur teknik, dan bahkan staf. Sangat sering, pabrikan menawarkan data center kepada pemilik layanan cloud yang mengumpulkan dan memproses data dari banyak pelanggan. Sistem seperti itu merangkum pengalaman operasi berbagai pusat data, oleh karena itu, mereka bekerja lebih baik daripada produk lokal.
Manajemen Infrastruktur TI
HPE Promosikan Layanan Analisis Prediktif InfoSight Cloud untuk Mengelola Infrastruktur TI Berdasarkan Penyimpanan Nimble dan Sistem Penyimpanan HPE 3PAR StoreServ, Server HPL ProLiant DL / ML / BL, Server HPE Apollo Rack Systems dan Platform Sinergi HPE. InfoSight menganalisis pembacaan sensor yang dipasang di peralatan, memproses lebih dari satu juta peristiwa per detik dan terus belajar sendiri. Layanan ini tidak hanya mendeteksi kerusakan, tetapi juga memprediksi kemungkinan masalah dengan infrastruktur TI (kegagalan perangkat keras, kapasitas penyimpanan yang melelahkan, mengurangi kinerja mesin virtual, dll.) Bahkan sebelum terjadi. Untuk analitik prediktif, VoltDB digunakan di cloud menggunakan model peramalan autoregresif dan metode probabilistik. Solusi serupa juga tersedia untuk sistem penyimpanan hibrid Tegile Systems: layanan cloud IntelliCare Cloud Analytics memantau status, kinerja, dan penggunaan sumber daya perangkat. Kecerdasan buatan dan teknologi pembelajaran mesin juga digunakan oleh Dell EMC dalam solusi komputasi berkinerja tinggi. Ada banyak contoh serupa, hampir semua produsen peralatan komputasi dan sistem penyimpanan data terkemuka sekarang mengambil jalur ini.
Catu Daya dan Pendinginan
Bidang lain penerapan AI di pusat data dikaitkan dengan pengelolaan infrastruktur rekayasa dan, terutama, dengan pendinginan, yang memiliki andil dalam konsumsi energi total suatu objek dapat melebihi 30%. Google adalah salah satu yang pertama berpikir tentang pendinginan cerdas: pada tahun 2016, bersama dengan DeepMind, Google mengembangkan sistem kecerdasan buatan untuk memantau komponen individu dari pusat data, yang memungkinkan untuk mengurangi konsumsi energi pendingin udara sebesar 40%. Awalnya, itu hanya memberi petunjuk kepada staf, tetapi kemudian disempurnakan dan sekarang dapat mengontrol pendinginan ruang mesin sendiri. Jaringan saraf yang dikerahkan di cloud memproses data dari ribuan sensor internal dan eksternal: ia membuat keputusan dengan mempertimbangkan beban pada server, suhu, serta kecepatan angin di jalan dan banyak parameter lainnya. Instruksi yang ditawarkan oleh sistem cloud dikirim ke pusat data dan di sana mereka sekali lagi diperiksa keamanannya oleh sistem lokal, sementara personel selalu dapat mematikan mode otomatis dan mulai mengendalikan pendinginan secara manual. Nlyte Software, bersama dengan tim IBM Watson, telah menciptakan solusi yang mengumpulkan data tentang suhu dan kelembaban, konsumsi daya, dan beban kerja peralatan TI. Ini memungkinkan Anda untuk mengoptimalkan pekerjaan subsistem teknik dan tidak memerlukan koneksi ke infrastruktur cloud pabrikan - jika perlu, solusinya dapat disebarkan langsung ke pusat data.
Contoh lainnya
Ada banyak solusi cerdas yang inovatif untuk pusat data di pasar dan yang baru terus muncul. Wave2Wave telah menciptakan sistem pengalihan kabel serat optik robot untuk organisasi koneksi silang otomatis di simpul pertukaran lalu lintas (Meet Me Room) di dalam pusat data. Sistem yang dikembangkan oleh ROOT Data Center dan LitBit menggunakan AI untuk memantau mesin diesel siaga, dan Romonet membuat solusi perangkat lunak belajar mandiri untuk mengoptimalkan infrastruktur. Solusi yang dibuat oleh Vigilent menggunakan pembelajaran mesin untuk memprediksi kegagalan dan mengoptimalkan kondisi suhu di pusat data. Pengenalan kecerdasan buatan, pembelajaran mesin, dan teknologi inovatif lainnya di pusat data untuk otomatisasi proses mulai relatif baru-baru ini, tetapi hari ini merupakan salah satu bidang pengembangan industri yang paling menjanjikan. Pusat data modern telah menjadi terlalu besar dan kompleks untuk dikelola secara manual secara efektif.