AI と ML: データセンターにおけるイノベーションと最適化の新たなフロンティア

データ処理とストレージの需要が急増し続ける中、データセンターは進化と拡大を続けるデータセンターという課題に取り組んでいます。プラットフォーム、デバイス設計、トポロジー、電力密度要件、冷却ニーズの継続的な変化により、新しい構造設計の緊急の必要性が強調されています。

データセンター インフラストラクチャは、現在および予測される IT 負荷を重要なインフラストラクチャと調整するのに苦労することが多く、その結果不一致が生じ、エスカレートする要求に対応する能力が脅かされます。このような背景から、従来のデータセンターのアプローチを変更する必要があります。

データセンターは現在、競争力を維持するために人工知能 (AI) および機械学習 (ML) テクノロジーをインフラストラクチャに統合しています。従来のデータセンター アーキテクチャ内に AI 主導のレイヤーを実装することで、企業は人間の介入なしに一般的なデータ エンジニアリング タスクを最適化して実行できる自律型データセンターを構築できます。

AI を使用して従来のアーキテクチャを強化する

近年、データセンターにおける AI および ML テクノロジーの普及は劇的です。人工知能は、さまざまなユースケースにわたって効率とパフォーマンスを向上させています。

Nisum エグゼクティブバイスプレジデントのサジッド・モハメディ氏は、AI 主導のデータセンターは、アプリケーションのパフォーマンスと可用性を最適化することで組織が競争上の優位性を獲得するのに役立ち、ひいては顧客満足度やロイヤルティの向上に役立つと述べました。そこに AI を追加すると、リソース割り当てが最適化され、データセンターの効率が向上し、コストが削減されます。

#迅速な障害検出と予測、根本原因分析、電力使用量の最適化、リソース容量割り当ての最適化は、データとアルゴリズム主導のテクノロジーを導入してデータセンターの効率を最大化する例のほんの一例です。

停止がより頻繁になり、費用がかかるようになるにつれて、あらゆるデータ駆動型ビジネスにおいて、データセンターへの人工知能の統合の必要性がますます高まっています。AI 駆動型のデータセンターにはさまざまなメリットがあり、その主な利点は、ダウンタイムの削減と改善の可能性です。システム全体の信頼性が向上し、最終的には組織の大幅なコスト削減につながります。

障害検出および予測機能の向上

KPMG US 人工知能責任者、エレン・カンパナ氏 人工知能は歴史的に、システムの機能を強化するために使用されてきました。データ ストレージの最適化、エネルギー利用、アクセシビリティなどが挙げられますが、近年、AI の有用性を障害の検出と予測に拡張する明らかな傾向があり、これにより自己修復メカニズムがトリガーされる可能性があります。自動検出を簡素化するには、ネットワーク トラフィックを含むハードウェアとソフトウェアの動作の詳細を AI に提供する必要があります。ノード内のトラフィックが遅くなると、AI がパターンを検出し、プロセスまたはノード全体の再起動をトリガーできます。 「

IBM オートメーションの最高技術責任者である Pratik Gupta 氏は、AI にはデータセンターとハイブリッド クラウド環境全体に変革をもたらす可能性があると信じています。アプリケーションのユーザー エクスペリエンスを強化し、運用を簡素化し、CIO とビジネス上の意思決定を可能にすることで、

アプリケーション リソース レベルの明確な理解

Gupta 氏は、IBM は、データセンターのエネルギー消費が 2020 年までに増加すると予想していると述べました。ムーアの法則の失効と、データ量、速度、エネルギー集約型のワークロードの爆発的な増加により、2030 年までに 12% (またはそれ以上) になる。

「簡単に言えば、AI は購入と保守の必要性を減らすことができます。 、管理、および監視するハードウェアの量。 "

Gupta 氏は、データセンター管理者は、リアルタイムの需要に合わせて柔軟に拡張するには、組織のアプリケーション リソース レベルを明確に理解する必要があると述べました。AI 主導の自動化は、このプロセスで重要な役割を果たし、リソースを削減できます。輻輳や遅延のリスクを軽減しながら、ハードウェアのワークロードを安全に保ち、パフォーマンス標準を維持します。

たとえば、IBM の Turbonomic は、ビジネス ニーズに基づいてアプリケーションのリソース レベルとスケールを自動的に最適化できます。

Gupta 氏は次のように述べています。 : 「これにより、IT 管理者は単一のダッシュボードでリソース レベルを監視し、リアルタイムで意思決定を行うことができ、アプリケーションが過剰にプロビジョニングされないようにすることで効率が向上します。 ”

AI を活用したデータセンターの利点の最大化

データセンターにおける AI と ML のユースケースは増加し続けていますが、組織は実装前にいくつかの重要な要素を考慮する必要があります。AI と ML は事前にパッケージ化されていますが、ソリューションの利用可能性はますます高まっていますが、単一ポイント ソリューションを超えた統合が依然として必要です。DIY AI 導入は可能ですが、データを収集するためのセンサーと、データを使用可能な洞察に変えるための専門知識への投資が必要です。

Campana 氏は次のように述べています。「多くの組織が独自のデータセンターの導入を選択するのは、データが他の人のデータとプールされたり、制御できない方法で使用されたりしないことを保証できるからです。これは事実ですが、組織はセキュリティとプライバシーを維持する責任を受け入れる必要があります。 ''

適切なリソースがあれば、データセンターはよりスマートで効率的になりますが、この目標を達成するには最適な計画が必要です。

Gupta 氏は次のように述べています:「計画は、AI 主導のデータセンターの導入における重要な柱であるべきです。導入の成功は一夜にして実現するものではなく、導入前に多くの反復と検討が必要です。IT リーダーが考慮する必要がある要素があります。どのハードウェアを保持できるか、どのハードウェアを保持すべきか、どのワークロードをクラウドに移動する必要があるかを理解することです。」これは、AI と ML の適切なユースケースを特定し、必要なインフラストラクチャとツールに投資し、システムを効果的に管理および維持するための熟練した従業員のチームを育成することを意味します。

Gupta 氏は、企業は分散したデータセンターの場所からさまざまなクラウド展開に至るまで、巨大なインフラストラクチャを維持することが多いと述べました。 IT リーダーは、すべてのデータ ソースの集約レイクを構築する必要があるかどうかを検討する必要があります。それとも、データ準備、ML、AI ツールを各拠点に導入する必要があるかどうかを検討する必要があります。企業が IT インフラストラクチャを変革する際には、提供される価値だけでなく、生み出される脆弱性についても考慮する必要があります。

彼は次のように付け加えました。「最善の計画は失敗する可能性があります。同じことがテクノロジーの展開にも当てはまり、迅速に軌道修正できる機敏な組織がより成功するでしょう。 "

IT とデータセンターのパフォーマンスを向上させる 4 つの新たな戦略

AIOps、MLOps、DevOps、SecOps にはそれぞれ独自の利点があります。これらを組み合わせることで、データセンターの運用と広範な IT パフォーマンスを最適化できます。

AIOps は企業全体のデータセンターと IT ワークフローを自動化および拡張します

AIOps は企業の持続可能性の鍵となりつつあり、データセンターの二酸化炭素排出量はこのテクノロジーの中心となるのは、リアルタイムのパフォーマンス データ (原因分析) に基づいてアクションを解釈し、推奨する機能です。たとえば、ウォルマートは、AIOps を使用して電子商取引業務を合理化しています。AIOps は、ML モデルと自然言語処理 (NLP) の組み合わせに依存して、データセンター運営の精度、費用対効果、効率を向上させる新しいプロセス ワークフローを発見します。小売業者はまた、AIOps を使用して、非効率性や切断されたプロセスを検出して対処すると同時に、テクノロジー スタックの自動化と広範なインフラストラクチャ管理を可能にします。

AIOps により、e コマース プラットフォーム内でより正確なリアルタイムの異常検出が可能になります。このテクノロジーは、次のようなことも得意としています。利用可能なすべてのソースからのセンター データのデータを関連付けることで、業務の 360 度のビューを提供し、可用性、コスト管理、パフォーマンスを改善できる箇所を特定します。

小売業者はアプリケーション開発を加速するために DevOps を活用しています

# #小売業者は、競争力を維持し、新しいアプリケーションや機能の市場投入までの時間を短縮するために DevOps を利用しています。DevOps は、ソフトウェア開発者と IT 運用チーム間のコラボレーションとコミュニケーションを重視するソフトウェア開発方法論に基づいています。新しいモバイル アプリや Web サイトの合理化に役立ちます。

Amazon、Target、Nordstrom、Walmart およびその他の大手小売業者は、主要なソフトウェア開発プロセスとして DevOps を採用しています。 DevOps コード ベースの品質が高ければ高いほど、データ センターはより効率的に運用され、最新のアプリケーション バージョンを世界中の顧客に提供します。

MLOps はライフサイクル ベースのアプローチを提供します

小売業者としてデータ サイエンティストにとって、モデルを最新かつ使用可能な状態に保つために、MLOps は DevOps と同じくらい重要になります。MLOps は、DevOps の原則を ML モデルとアルゴリズムに適用します。大手小売業者は、MLOps を使用して新しいモデルを設計、テスト、リリースし、顧客のセグメンテーション、需要予測、

在庫管理と最適化から始まり、MLOps は小売業界で最もコストがかかり困難な問題を効果的に解決できることが証明されています。サプライ チェーンの不確実性、長期的な労働力不足、インフレコストの上昇により、在庫管理が小売業界にとって重要になっています。

メイシーやウォルマートなどは、MLOps を使用して価格設定と在庫管理を最適化し、小売業者がコスト削減の意思決定を行い、過剰な在庫を抱えることによる下振れリスクから身を守るのに役立ちます。

SecOps は AI と ML を利用してあらゆるアイデンティティと脅威の表面を保護します

SecOps は、データ センターと広範な IT インフラストラクチャの安全性と苦情のない状態を確保します。ゼロ トラスト セキュリティでは、ユーザーやデバイスは信頼できず、すべての ID が検証される必要があることを前提としています。これが、SecOps の実装を成功させるための基盤です。目標は、ますます巧妙化するサイバー攻撃の攻撃対象領域とリスクを軽減することです。

SecOps は、最も実績のあるテクノロジーを組み合わせて侵入と侵害を軽減することで、データセンターのセキュリティを最適化します。ゼロトラスト セキュリティの導入は、小売業者が顧客、従業員、サプライヤーのアイデンティティを保護するのに役立ちますが、マイクロセグメンテーションによりあらゆる攻撃の爆発範囲を制限できます。

人工知能とデータセンター テクノロジーの未来

エッジ コンピューティングは、人工知能主導のデータセンターを開発するための最も有望なテクノロジーの 1 つになりつつあります。エッジ コンピューティングは、データをソースに近いところで処理することにより、待ち時間を短縮し、全体的なパフォーマンスを向上させます。このテクノロジーを人工知能と組み合わせると、リアルタイム分析と意思決定機能が可能になり、データセンターが将来のミッションクリティカルなプロセスを処理できるようになります。

Campana 氏は次のように述べています:「5G への移行はこの変革における重要なステップであり、人工知能ベースのソフトウェア インフラストラクチャにおける革新の波を推進しています。新しいデータセンターを開始する企業にとっては、5G の導入とその導入を検討する価値があります。」エンドユーザー ハードウェアへの追加アップデートのための Timetable のサポート。」

そしてグプタ氏は、人工知能とデータセンター ツールが自動的に設計されるようになるため、データ インテリジェンスの自動化は厳しく規制された業界に参入し続ける方法であると信じています。コンプライアンス要件を満たす。

「人工知能と自動化がデータセンターにさらに組み込まれると、最も厳格なコンプライアンスプロトコルを満たすことができるようになります。」

以上がAI と ML: データセンターにおけるイノベーションと最適化の新たなフロンティアの詳細内容です。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。