Bagaimanakah kecerdasan buatan dan pembelajaran mesin bersedia untuk mengubah permainan untuk operasi pusat data?

Pusat data hari ini menghadapi cabaran yang nampaknya hampir tidak dapat diselesaikan. Walaupun operasi pusat data tidak pernah menjadi lebih sibuk, pasukan operasi pusat data berada di bawah tekanan untuk mengurangkan penggunaan tenaga sebagai sebahagian daripada matlamat pengurangan karbon korporat. Selain itu, harga elektrik yang meningkat secara mendadak memberi tekanan bajet kepada pengendali pusat data.

Dengan pusat data yang tertumpu pada menyokong perkhidmatan teknologi penting yang semakin diperlukan oleh orang ramai dalam kerja dan kehidupan mereka, tidak hairanlah operasi pusat data begitu membebankan. Tanpa tanda-tanda perlahan, kami melihat peningkatan ketara dalam penggunaan data yang berkaitan dengan video, storan, keperluan pengkomputeran, penyepaduan IoT pintar dan pelancaran sambungan 5G. Walau bagaimanapun, walaupun beban kerja meningkat, banyak kemudahan pusat data hari ini malangnya tidak beroperasi dengan cekap.

Ini tidak menghairankan memandangkan purata hayat operasi pusat data adalah melebihi 20 tahun. Kecekapan sentiasa bergantung pada reka bentuk asal kemudahan pusat data dan berdasarkan jangkaan beban IT yang telah lama melebihi. Pada masa yang sama, perubahan adalah berterusan, dengan platform, reka bentuk peranti, topologi, ketumpatan kuasa dan keperluan penyejukan semuanya berkembang apabila aplikasi baharu terus berkembang. Hasilnya ialah pusat data di seluruh dunia sering mendapati sukar untuk memadankan beban IT semasa dan terancang dengan infrastruktur kritikalnya. Keadaan ini hanya akan bertambah teruk apabila permintaan pusat data meningkat. Menurut ramalan penganalisis, beban kerja pusat data akan terus berkembang pada kadar tahunan kira-kira 20% antara sekarang dan 2025.

Teknologi dan kaedah pusat data tradisional sukar untuk memenuhi keperluan yang berkembang ini. Mengutamakan ketersediaan sebahagian besarnya datang dengan mengorbankan kecekapan, dengan terlalu banyak kerja yang masih bergantung pada pengalaman kakitangan operasi dan mempercayai andaian adalah betul. Malangnya, bukti menunjukkan model ini tidak lagi berlaku. Penyelidikan daripada penyedia pemantauan sensor jauh EkkoSense menunjukkan bahawa purata 15% rak IT di pusat data beroperasi di luar garis panduan suhu dan kelembapan ASHRAE, dan penggunaan tenaga penyejukan pusat data adalah setinggi 60% disebabkan oleh ketidakcekapan. Ini adalah masalah utama, dengan Institut Uptime menganggarkan bahawa sekitar $18 bilion tenaga terbuang hilang di pusat data di seluruh dunia disebabkan oleh penyejukan dan pengurusan aliran udara yang tidak cekap. Ini bersamaan dengan pembaziran kira-kira 150 bilion kilowatt jam elektrik.

Dengan 35% tenaga yang digunakan oleh infrastruktur pusat data menuju ke arah penyejukan, jelas bahawa kaedah pengoptimuman prestasi tradisional kehilangan peluang besar untuk mencapai peningkatan kecekapan. Tinjauan oleh EkkoSense menunjukkan bahawa satu pertiga daripada gangguan pusat data yang tidak dirancang disebabkan oleh isu terlalu panas. Terdapat keperluan untuk mencari cara yang berbeza untuk mengurus masalah ini, yang boleh menyediakan pasukan operasi pusat data dengan cara terbaik untuk memastikan ketersediaan dan meningkatkan kecekapan.

Keterbatasan Teknologi Pemantauan Tradisional

Malangnya, hanya kira-kira 5% daripada pasukan operasi pada masa ini memantau dan melaporkan suhu peralatan pusat data mereka pada asas setiap rak. Selain itu, DCIM dan penyelesaian pemantauan tradisional boleh menyediakan data arah aliran dan disediakan untuk memberikan makluman sekiranya berlaku kegagalan, tetapi langkah ini tidak mencukupi. Mereka tidak mempunyai kemahiran analisis untuk mendapatkan pandangan tentang punca masalah dan cara menyelesaikan dan mengelakkannya pada masa hadapan.

Pasukan operasi menyedari bahawa teknologi pemantauan tradisional ini mempunyai hadnya, tetapi mereka juga tahu bahawa mereka tidak mempunyai sumber dan masa untuk mengambil data yang mereka ada dan memperoleh cerapan bermakna daripada menganalisisnya. Berita baiknya ialah penyelesaian teknologi kini tersedia untuk membantu pusat data menyelesaikan masalah ini.

Sekarang adalah masa untuk menyepadukan pusat data dengan pembelajaran mesin dan kecerdasan buatan

Aplikasi pembelajaran mesin dan kecerdasan buatan mencipta paradigma baharu dalam cara operasi pusat data dikendalikan. Daripada dibanjiri dengan terlalu banyak data prestasi, pasukan operasi kini boleh memanfaatkan pembelajaran mesin untuk mengumpul data yang lebih terperinci — bermakna mereka boleh mula mendapat akses masa nyata tentang cara pusat data mereka berjalan. Kuncinya adalah untuk menjadikannya boleh diakses dan menggunakan visualisasi 3D pintar ialah cara terbaik untuk memudahkan pasukan pusat data mentafsir prestasi dan data pada tahap yang lebih mendalam: contohnya menunjukkan perubahan dan menyerlahkan anomali.

Fasa seterusnya ialah menggunakan pembelajaran mesin dan analitik kecerdasan buatan untuk memberikan cerapan yang boleh diambil tindakan. Dengan menambah set data pengukuran dengan algoritma pembelajaran mesin, pasukan pusat data boleh mendapat manfaat serta-merta daripada cerapan yang mudah difahami untuk membantu menyokong keputusan pengoptimuman masa nyata mereka. Gabungan pengumpulan data berbutir masa nyata dan analitik pembelajaran AI/mesin setiap lima minit membolehkan kakitangan operasi bukan sahaja melihat apa yang berlaku dalam kemudahan pusat data mereka, tetapi juga memikirkan sebab dan apa yang perlu dilakukan mengenainya.

AI dan analitis dikuasakan pembelajaran mesin juga boleh mendedahkan cerapan yang diperlukan untuk mengesyorkan perubahan yang boleh diambil tindakan dalam bidang utama seperti titik set optimum, susun atur grid lantai, operasi kemudahan penyejukan dan pelarasan kelajuan kipas, dsb. Analisis terma juga akan menunjukkan lokasi terbaik untuk memasang rak. Dan, kerana AI mendayakan keterlihatan masa nyata, pasukan pusat data boleh mendapatkan maklum balas prestasi segera mengenai sebarang perubahan yang telah dilaksanakan.

Kecerdasan buatan dan operasi pusat data bantuan pembelajaran mesin

Memandangkan tekanan untuk mengurangkan pelepasan karbon dan meminimumkan kesan kenaikan harga elektrik, pasukan pusat data memerlukan alat baharu jika mereka ingin mencapai matlamat kebolehpercayaan dan kecekapan mereka sokongan pengoptimuman.

Memanfaatkan pembelajaran mesin terkini dan kaedah pengoptimuman pusat data dipacu kecerdasan buatan sudah tentu boleh memberi kesan dengan mengurangkan tenaga dan penggunaan penyejukan – dengan hasil segera dalam masa beberapa minggu. Dengan meletakkan data berbutir di barisan hadapan pelan pengoptimuman, pasukan pusat data bukan sahaja dapat menghapuskan risiko terlalu panas dan kegagalan kuasa, tetapi juga memastikan pengurangan purata dalam kos tenaga penyejukan dan pelepasan karbon sebanyak 30%. Sukar untuk mengabaikan kesan penjimatan kos sedemikian, terutamanya semasa harga elektrik meningkat dengan pesat. Sudahlah hari-hari menimbang risiko dan ketersediaan untuk pengoptimuman, dan teknologi kecerdasan buatan dan pembelajaran mesin akan berada di barisan hadapan operasi pusat data.

Atas ialah kandungan terperinci Bagaimanakah kecerdasan buatan dan pembelajaran mesin bersedia untuk mengubah permainan untuk operasi pusat data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!