人工知能と機械学習は、データセンター運営のあり方をどのように変えていくのでしょうか?

データセンターは今日、ほぼ解決不可能と思われる課題に直面しています。データセンターの運用はかつてないほど多忙になっていますが、データセンター運用チームは企業の二酸化炭素削減目標の一環としてエネルギー消費量を削減するというプレッシャーにさらされています。さらに、電気料金の高騰により、データセンター運営者の予算が圧迫されています。

データセンターは、人々の仕事や生活においてますます必要となる重要なテクノロジー サービスのサポートに重点を置いているため、データセンターの運用が非常に負担になるのも不思議ではありません。減速の兆しはなく、ビデオ、ストレージ、コンピューティングのニーズ、スマートな IoT 統合、5G 接続の展開に関連するデータ使用量が大幅に増加しています。しかし、ワークロードが増加しているにもかかわらず、残念ながら今日のデータセンター施設の多くは十分に効率的に運用されていません。

データセンターの平均運用寿命が 20 年以上であることを考えると、これは驚くべきことではありません。効率は常にデータセンター施設の元の設計に依存し、ずっと前に超過している予想される IT 負荷に基づいています。同時に、新しいアプリケーションが進化し続けるにつれて、プラットフォーム、デバイス設計、トポロジ、電力密度、冷却要件もすべて進化しており、常に変化が続いています。その結果、世界中のデータセンターでは、現在および計画されている IT 負荷と重要なインフラストラクチャを一致させることが困難になることがよくあります。データセンターの需要が増加するにつれて、この状況はさらに悪化するでしょう。アナリストの予測によると、データセンターのワークロードは現在から 2025 年まで年間約 20% の割合で増加し続けると予想されています。

従来のデータセンターのテクノロジーや手法では、こうした進化するニーズを満たすのは困難です。可用性を優先することは主に効率を犠牲にしており、依然として運用スタッフの経験に依存し、前提が正しいと信じている作業が多すぎるためです。残念ながら、このモデルがもはや当てはまらないことを示す証拠があります。リモート センサー モニタリング プロバイダーである EkkoSense の調査によると、データ センターの IT ラックの平均 15% が ASHRAE の温度と湿度のガイドラインを超えて動作しており、非効率性によりデータ センターの冷却エネルギー消費量は 60% にも上ります。これは大きな問題であり、Uptime Institute は、非効率的な冷却とエアフロー管理により、世界中のデータセンターで約 180 億ドルの無駄なエネルギーが失われていると推定しています。これは約 1,500 億キロワット時の電力を無駄にしていることに相当します。

データセンター インフラストラクチャで使用されるエネルギーの 35% が冷却に費やされるため、従来のパフォーマンス最適化手法では効率向上を実現する大きな機会を逃していることは明らかです。 EkkoSense の調査によると、データセンターの計画外停止の 3 分の 1 は過熱の問題が原因であることが示されています。この問題を管理するためのさまざまな方法を見つける必要があります。これにより、データセンター運用チームは可用性を確保し、効率を向上させる優れた方法を得ることができます。

従来の監視テクノロジーの限界

残念ながら、現在データセンター機器の温度をラックごとに監視および報告している運用チームはわずか約 5% です。さらに、DCIM および従来の監視ソリューションは傾向データを提供し、障害発生時にアラートを提供するように設定できますが、これらの対策は十分ではありません。彼らには、問題の原因と、将来の問題を解決および回避する方法について洞察を得る分析スキルが欠けています。

運用チームは、この従来の監視テクノロジーには限界があることを認識していますが、手持ちのデータを取得し、それを分析して有意義な洞察を引き出すためのリソースと時間がまったくないことも知っています。良いニュースとしては、データセンターがこの問題を解決するのに役立つテクノロジー ソリューションが利用できるようになったことです。

今こそデータセンターと機械学習および人工知能を統合する時です

機械学習と人工知能の応用により、データセンターの運用方法に新しいパラダイムが生まれました。運用チームは、大量のパフォーマンス データが氾濫する代わりに、機械学習を活用してより詳細なデータを収集できるようになりました。つまり、データ センターの稼働状況にリアルタイムでアクセスできるようになります。重要なのはアクセスしやすくすることであり、スマート 3D ビジュアライゼーションの使用は、データセンター チームがパフォーマンスとデータをより深いレベルで解釈しやすくするための優れた方法です。たとえば、変更を表示したり、異常を強調表示したりできます。

次のフェーズは、機械学習と人工知能分析を適用して実用的な洞察を提供することです。機械学習アルゴリズムを使用して測定データセットを強化することにより、データセンターチームは、リアルタイムの最適化の決定をサポートするためのわかりやすい洞察からすぐに恩恵を受けることができます。リアルタイムの粒度の高いデータ収集と 5 分ごとの AI/機械学習分析を組み合わせることで、運用スタッフはデータセンター施設で何が起こっているかを確認できるだけでなく、その理由とその対処法を理解することもできます。

AI と機械学習を活用した分析は、最適な設定値、フロア グリッド レイアウト、冷却施設の運用、ファン速度の調整など、主要な領域で実用的な変更を推奨するために必要な洞察を明らかにすることもできます。熱分析により、ラックを設置する最適な場所もわかります。また、AI によってリアルタイムの可視化が可能になるため、データセンター チームは、実装された変更に関するパフォーマンスのフィードバックをすぐに得ることができます。

人工知能と機械学習がデータセンター運営を支援

二酸化炭素排出量を削減し、電気料金高騰の影響を最小限に抑えるというプレッシャーを考慮すると、データセンターチームが信頼性と効率性の目標を達成するには新しいツールが必要です。 . 最適化サポート。

最新の機械学習と人工知能主導のデータセンター最適化手法を活用すると、冷却エネルギーと使用量を削減することで確実に効果を発揮でき、数週間以内に即座に結果が得られます。詳細なデータを最適化計画の最前線に置くことで、データセンター チームは過熱や電源障害のリスクを排除できるだけでなく、冷却エネルギー コストと炭素排出量を平均 30% 削減することができます。特に電力価格が急速に上昇している時期には、この種のコスト削減が及ぼす影響を無視することはできません。最適化のためにリスクと可用性を比較検討する時代は終わり、人工知能と機械学習テクノロジーがデータセンター運用の最前線になるでしょう。

以上が人工知能と機械学習は、データセンター運営のあり方をどのように変えていくのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。