Comment l’intelligence artificielle et l’apprentissage automatique sont-ils sur le point de changer la donne pour les opérations des centres de données ?

Les centres de données sont aujourd'hui confrontés à un défi qui semble presque insoluble. Même si les opérations des centres de données n'ont jamais été aussi chargées, les équipes opérationnelles des centres de données sont sous pression pour réduire la consommation d'énergie dans le cadre des objectifs de réduction des émissions de carbone de l'entreprise. De plus, la forte hausse des prix de l’électricité exerce une pression budgétaire sur les exploitants de centres de données.

Avec des centres de données axés sur la prise en charge des services technologiques essentiels dont les gens ont de plus en plus besoin dans leur travail et dans leur vie, il n'est pas étonnant que les opérations des centres de données soient si éprouvantes. Sans aucun signe de ralentissement, nous constatons une augmentation significative de l’utilisation des données liées à la vidéo, au stockage, aux besoins informatiques, à l’intégration intelligente de l’IoT et au déploiement de la connectivité 5G. Cependant, malgré des charges de travail croissantes, de nombreux centres de données actuels ne fonctionnent malheureusement pas de manière suffisamment efficace.

Cela n’est pas surprenant étant donné que la durée de vie moyenne d’un centre de données est supérieure à 20 ans. L'efficacité dépend toujours de la conception initiale de l'installation du centre de données et est basée sur des charges informatiques attendues depuis longtemps dépassées. Dans le même temps, le changement est une constante, avec des plates-formes, des conceptions d'appareils, des topologies, une densité de puissance et des exigences en matière de refroidissement qui évoluent à mesure que de nouvelles applications continuent d'évoluer. Le résultat est que les centres de données du monde entier ont souvent du mal à faire correspondre les charges informatiques actuelles et planifiées avec leur infrastructure critique. Cette situation ne fera que s’intensifier à mesure que la demande en centres de données augmente. Selon les prévisions des analystes, la charge de travail des centres de données continuera de croître à un rythme annuel d’environ 20 % d’ici 2025.

Les technologies et méthodes traditionnelles des centres de données sont difficiles à répondre à ces besoins changeants. Donner la priorité à la disponibilité se fait en grande partie au détriment de l'efficacité, car trop de travail repose encore sur l'expérience du personnel opérationnel et sur l'exactitude des hypothèses. Malheureusement, les preuves suggèrent que ce modèle n’est plus vrai. Les recherches du fournisseur de surveillance par capteurs à distance EkkoSense montrent qu'en moyenne 15 % des racks informatiques des centres de données fonctionnent en dehors des directives de température et d'humidité de l'ASHRAE, et la consommation d'énergie de refroidissement des centres de données atteint 60 % en raison de leur inefficacité. Il s'agit d'un problème majeur, l'Uptime Institute estimant qu'environ 18 milliards de dollars d'énergie gaspillée sont perdus dans les centres de données du monde entier en raison d'une gestion inefficace du refroidissement et du flux d'air. Cela équivaut à gaspiller environ 150 milliards de kilowattheures d’électricité.

Avec 35 % de l'énergie utilisée par l'infrastructure des centres de données destinée au refroidissement, il est clair que les méthodes traditionnelles d'optimisation des performances passent à côté d'énormes opportunités de réaliser des gains d'efficacité. Une enquête réalisée par EkkoSense montre qu'un tiers des pannes imprévues des centres de données sont causées par des problèmes de surchauffe. Il est nécessaire de trouver différentes manières de gérer ce problème, ce qui peut fournir aux équipes d'exploitation des centres de données d'excellents moyens de garantir la disponibilité et d'améliorer l'efficacité.

Limitations de la technologie de surveillance traditionnelle

Malheureusement, seulement 5 % environ des équipes opérationnelles surveillent et signalent actuellement la température des équipements de leur centre de données par rack. De plus, DCIM et les solutions de surveillance traditionnelles peuvent fournir des données de tendance et être configurées pour fournir des alertes en cas de panne, mais ces mesures ne suffisent pas. Ils n’ont pas les compétences analytiques nécessaires pour comprendre les causes des problèmes et savoir comment les résoudre et les éviter à l’avenir.

Les équipes opérationnelles reconnaissent que cette technologie de surveillance traditionnelle a ses limites, mais elles savent également qu’elles n’ont tout simplement pas les ressources et le temps nécessaires pour exploiter les données dont elles disposent et en tirer des informations significatives en les analysant. La bonne nouvelle est que des solutions technologiques sont désormais disponibles pour aider les centres de données à résoudre ce problème.

Il est désormais temps d'intégrer les centres de données à l'apprentissage automatique et à l'intelligence artificielle

L'application de l'apprentissage automatique et de l'intelligence artificielle crée un nouveau paradigme dans la façon dont les opérations des centres de données sont gérées. Au lieu d'être inondées de données de performances excessives, les équipes opérationnelles peuvent désormais tirer parti de l'apprentissage automatique pour collecter des données plus granulaires, ce qui signifie qu'elles peuvent commencer à accéder en temps réel au fonctionnement de leurs centres de données. La clé est de le rendre accessible, et l'utilisation de visualisations 3D intelligentes est un excellent moyen de permettre aux équipes du centre de données d'interpréter plus facilement les performances et les données à un niveau plus approfondi : par exemple en montrant les changements et en mettant en évidence les anomalies.

La prochaine étape consiste à appliquer l’analyse de l’apprentissage automatique et de l’intelligence artificielle pour fournir des informations exploitables. En augmentant les ensembles de données de mesure avec des algorithmes d'apprentissage automatique, les équipes des centres de données peuvent immédiatement bénéficier d'informations faciles à comprendre pour les aider à prendre des décisions d'optimisation en temps réel. La combinaison de la collecte de données granulaires en temps réel et des analyses d'IA/apprentissage automatique toutes les cinq minutes permet au personnel opérationnel non seulement de voir ce qui se passe dans les installations de son centre de données, mais également de comprendre pourquoi et ce qui doit être fait à ce sujet.

Les analyses basées sur l'IA et l'apprentissage automatique peuvent également révéler les informations nécessaires pour recommander des changements concrets dans des domaines clés tels que les points de consigne optimaux, la disposition des grilles de sol, le fonctionnement des installations de refroidissement et les ajustements de la vitesse des ventilateurs. L'analyse thermique montrera également le meilleur emplacement pour installer le rack. Et comme l’IA permet une visibilité en temps réel, les équipes des centres de données peuvent obtenir rapidement un retour immédiat sur les performances de tout changement mis en œuvre.

L'intelligence artificielle et l'apprentissage automatique pour aider les opérations des centres de données

Compte tenu de la pression exercée pour réduire les émissions de carbone et minimiser l'impact de la hausse des prix de l'électricité, les équipes des centres de données ont besoin d'un nouveau support d'optimisation si elles veulent atteindre leurs objectifs de fiabilité et d'efficacité.

Tirer parti des dernières méthodes d’apprentissage automatique et d’optimisation des centres de données basées sur l’intelligence artificielle peut certainement avoir un impact en réduisant l’énergie et l’utilisation du refroidissement – ​​avec des résultats immédiats en quelques semaines. En plaçant les données granulaires au premier plan des plans d'optimisation, les équipes des centres de données sont en mesure non seulement d'éliminer le risque de surchauffe et de panne de courant, mais également d'assurer une réduction moyenne des coûts d'énergie de refroidissement et des émissions de carbone de 30 %. Il est difficile d’ignorer l’impact que ce type d’économies peut avoir, surtout à une époque où les prix de l’électricité augmentent rapidement. L’époque où il fallait peser les risques et la disponibilité pour l’optimisation est révolue, et les technologies d’intelligence artificielle et d’apprentissage automatique seront à l’avant-garde des opérations des centres de données.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!