AI dan ML: Sempadan baharu inovasi dan pengoptimuman dalam pusat data

Memandangkan permintaan untuk pemprosesan dan penyimpanan data terus meningkat, pusat data sedang bergelut dengan cabaran pusat data yang sentiasa berkembang dan berkembang. Perubahan berterusan dalam platform, reka bentuk peranti, topologi, keperluan ketumpatan kuasa dan keperluan penyejukan telah menekankan keperluan mendesak untuk reka bentuk struktur baharu.

Infrastruktur pusat data sering bergelut untuk menjajarkan beban IT semasa dan unjuran dengan infrastruktur kritikal mereka, mengakibatkan ketidakpadanan yang mengancam keupayaan mereka untuk memenuhi permintaan yang semakin meningkat. Berdasarkan latar belakang ini, pendekatan pusat data tradisional mesti diubah suai.

Pusat data kini menyepadukan teknologi kecerdasan buatan (AI) dan pembelajaran mesin (ML) ke dalam infrastruktur mereka untuk kekal berdaya saing. Dengan melaksanakan lapisan dipacu AI dalam seni bina pusat data tradisional, perusahaan boleh mencipta pusat data autonomi yang boleh mengoptimumkan dan melaksanakan tugas kejuruteraan data biasa tanpa campur tangan manusia.

Menggunakan AI untuk memacu seni bina tradisional

Dalam beberapa tahun kebelakangan ini, percambahan teknologi AI dan ML dalam pusat data adalah dramatik. Kecerdasan buatan memacu kecekapan dan prestasi merentas pelbagai kes penggunaan.

Naib presiden eksekutif Nisum Sajid Mohamedy berkata pusat data dipacu AI boleh membantu organisasi memperoleh kelebihan daya saing dengan mengoptimumkan prestasi dan ketersediaan aplikasi, yang seterusnya membantu meningkatkan kepuasan dan kesetiaan pelanggan. Menambah AI pada campuran membantu mengoptimumkan peruntukan sumber, dengan itu meningkatkan kecekapan pusat data dan mengurangkan kos. ”

Pengesanan dan ramalan kerosakan pantas, analisis punca punca, pengoptimuman penggunaan kuasa dan pengoptimuman peruntukan kapasiti sumber hanyalah beberapa contoh penggunaan data dan teknologi dipacu algoritma untuk memaksimumkan kecekapan pusat data.

Memandangkan gangguan menjadi lebih kerap dan mahal, penyepaduan AI ke dalam pusat data menjadi semakin diperlukan untuk setiap pusat data yang dikuasakan oleh AI menawarkan pelbagai manfaat, antara lain adalah potensi untuk mengurangkan masa henti dan menambah baik kebolehpercayaan sistem secara keseluruhan, akhirnya menjimatkan kos organisasi yang besar

Meningkatkan keupayaan pengesanan dan ramalan kesalahan

Ellen Campana, Ketua Kepintaran Buatan, KPMG U.S. Kecerdasan Buatan telah digunakan untuk meningkatkan pengoptimuman penyimpanan data, tenaga penggunaan dan kebolehaksesan. Walau bagaimanapun, dalam beberapa tahun kebelakangan ini, terdapat trend yang jelas dalam memperluaskan utiliti AI kepada pengesanan dan ramalan kesilapan, yang boleh mencetuskan mekanisme penyembuhan diri. "Kunci untuk memudahkan pengesanan automatik ialah untuk menyediakan AI dengan tetingkap ke dalam butiran operasi perkakasan dan perisian, termasuk trafik rangkaian. Jika trafik dalam nod menjadi perlahan, AI boleh mengesan corak dan mencetuskan permulaan semula proses atau keseluruhan nod. ”

Pratik Gupta, ketua pegawai teknologi IBM Automation, percaya bahawa AI berpotensi untuk berubah merentas pusat data dan persekitaran awan hibrid Dengan meningkatkan pengalaman pengguna dalam aplikasi, memudahkan operasi dan membolehkan CIO dan keputusan perniagaan. pembuat untuk mendapat manfaat daripada rangkaian Mengumpul cerapan daripada data, AI memacu inovasi dan pengoptimuman

Pemahaman yang jelas tentang tahap sumber aplikasi

Gupta berkata IBM menjangkakan penggunaan tenaga pusat data meningkat sebanyak 12% menjelang 2030 (atau lebih), disebabkan oleh tamat tempoh Undang-undang Moore dan letupan jumlah data, kelajuan, dan beban kerja intensif tenaga “Ringkasnya, AI boleh mengurangkan keperluan untuk membeli, menyelenggara, mengurus, dan jumlah perkakasan untuk dipantau . "

Gupta berkata pengurus pusat data mesti mempunyai pemahaman yang jelas tentang tahap sumber aplikasi organisasi mereka untuk membuat skala secara fleksibel untuk memenuhi permintaan masa nyata. Automasi dipacu AI boleh memainkan peranan penting dalam proses ini, mengurangkan sumber risiko kesesakan dan kependaman sambil memastikan beban kerja perkakasan kekal selamat dan piawaian prestasi dikekalkan Sebagai contoh, Turbonomic IBM secara automatik boleh mengoptimumkan tahap dan skala sumber aplikasi berdasarkan keperluan perniagaan, kata Gupta : “Ini membolehkan pengurus IT mempunyai satu papan pemuka mengawasi tahap sumber, membuat keputusan dalam masa nyata dan meningkatkan kecekapan kerana ia memastikan aplikasi mereka tidak diperuntukkan secara berlebihan. ”

Memaksimumkan Faedah Pusat Data Dikuasakan AI

Kes penggunaan AI dan ML di pusat data terus berkembang, tetapi organisasi mesti mempertimbangkan beberapa faktor utama sebelum pelaksanaannya dan penyelesaian ML semakin tersedia, tetapi masih terdapat keperluan untuk penyepaduan melangkaui penyelesaian satu titik boleh dilakukan, tetapi memerlukan pelaburan dalam penderia untuk mengumpul data dan kepakaran untuk mengubah data menjadi cerapan yang boleh digunakan berkata: “Banyak organisasi memilih untuk melaksanakan pusat data mereka sendiri dengan tepat kerana mereka boleh memastikan data tidak digabungkan dengan data orang lain atau digunakan dalam cara yang tidak dapat dikawal. Walaupun ini benar, organisasi mesti menerima tanggungjawab untuk mengekalkan keselamatan dan privasi. ”

Dengan sumber yang betul, pusat data boleh menjadi lebih pintar dan cekap, tetapi untuk mencapai matlamat ini memerlukan perancangan yang optimum.

Gupta berkata: "Perancangan harus menjadi tonggak utama dalam melaksanakan pusat data yang didorong oleh AI yang berjaya tidak berlaku dalam sekelip mata dan memerlukan banyak lelaran dan pemikiran sebelum pelancaran, seperti sebagai memahami perkakasan yang boleh dan harus dikekalkan, dan beban kerja yang perlu dialihkan ke awan ”

Fleksibiliti adalah kritikal

Kunci kejayaan pusat data dipacu AI ialah mengambil langkah strategik. pendekatan. Ini bermakna mengenal pasti kes penggunaan yang betul untuk AI dan ML, melabur dalam infrastruktur dan alatan yang diperlukan, dan membangunkan pasukan pekerja mahir untuk mengurus dan menyelenggara sistem dengan berkesan.

Gupta berkata perusahaan sering mengekalkan infrastruktur yang besar, daripada lokasi pusat data yang diedarkan kepada pelbagai penggunaan awan. Pemimpin IT perlu mempertimbangkan sama ada mereka perlu membina tasik pengagregatan tunggal untuk semua sumber data...atau membawa penyediaan data, alat ML dan AI ke setiap lokasi. Apabila perusahaan mengubah infrastruktur IT mereka, mereka mesti mempertimbangkan bukan sahaja nilai yang disampaikan, tetapi juga kelemahan yang dicipta. "

Dia menambah: "Rancangan terbaik boleh menjadi salah. Perkara yang sama berlaku untuk pelancaran teknologi, di mana organisasi lincah yang boleh melaraskan kursus dengan cepat akan menjadi lebih berjaya. "

Empat strategi baru muncul untuk meningkatkan prestasi IT dan pusat data

AIOps, MLOps, DevOps dan SecOps masing-masing mempunyai kelebihan tersendiri. Apabila digabungkan, mereka boleh mengoptimumkan operasi pusat data dan Meningkatkan IT yang lebih luas prestasi, mengurangkan kos dan membolehkan penambahbaikan perkhidmatan

AIOps mengautomasikan dan menskalakan pusat data dan aliran kerja IT di seluruh perusahaan

AIOps menjadi kunci kepada kemampanan dan jejak karbon untuk perusahaan di pusat data Di nadi usaha pengurangan pelepasan kami, dan terbukti berkesan dalam mengenal pasti sebab jurang prestasi, adalah keupayaannya untuk mentafsir dan mengesyorkan tindakan berdasarkan data prestasi masa nyata (analisis sebab-sebab, contohnya, Walmart melakukan ini memperkemas operasi e-dagang. AIOps bergantung pada gabungan model ML dan pemprosesan bahasa semula jadi (NLP) untuk menemui aliran kerja proses baharu yang boleh meningkatkan ketepatan, keberkesanan kos dan kecekapan operasi pusat data juga menggunakan AIOps untuk mengesan dan menganalisis data dalam masa nyata. Menangani ketidakcekapan dan proses terputus sambil mendayakan automasi tindanan teknologi dan pengurusan infrastruktur yang lebih luas

AIOps membolehkan pengesanan anomali masa nyata yang lebih tepat dalam platform e-dagang pusat data daripada semua sumber yang tersedia untuk memberikan pandangan 360 darjah operasi dan mengenal pasti tempat ketersediaan, kawalan kos dan prestasi boleh dipertingkatkan

Peruncit bergantung pada DevOps untuk mempercepatkan pembangunan aplikasi

Peruncit . Bergantung pada DevOps untuk kekal berdaya saing dan mengurangkan masa untuk memasarkan aplikasi dan ciri baharu DevOps adalah berdasarkan pendekatan pembangunan perisian yang menekankan kerjasama dan komunikasi antara pembangun perisian dan pasukan operasi IT untuk menyelaraskan apl mudah alih baharu, fungsi tapak web dan pengalaman pelanggan. . The enhanced software delivery and development aspects are proven to be effective. Amazon, Target, Nordstrom, Walmart and other leading retailers have adopted DevOps as their primary software development process. Retail CIOs say the quality of DevOps code bases is The higher, the more pusat data beroperasi dengan cekap, menyampaikan versi aplikasi terkini kepada pelanggan di seluruh dunia

MLOps menyediakan pendekatan berasaskan kitaran hayat

apabila peruncit merekrut lebih ramai ahli sains data, MLOps menjadi sama pentingnya dengan DevOps memastikan model terkini dan boleh digunakan. MLOps menggunakan prinsip DevOps pada model dan algoritma ML menggunakan MLOps untuk mereka bentuk, menguji dan mengeluarkan model baharu untuk meningkatkan Segmentasi, Peramalan Permintaan dan Pengurusan Inventori, MLOps terbukti berkesan menyelesaikan masalah yang paling mahal dan mencabar dalam rantaian bekalan, kekurangan tenaga kerja jangka panjang dan kos inflasi yang meningkat menjadikan pengurusan inventori penting kepada kejayaan peruncit

Macy, Walmart dan lain-lain menggunakan MLOps untuk mengoptimumkan harga. dan pengurusan inventori, membantu peruncit membuat keputusan penjimatan kos dan melindungi diri anda daripada risiko menyimpan terlalu banyak inventori.

SecOps bergantung pada AI dan ML untuk melindungi setiap identiti dan permukaan ancaman

SecOps memastikan pusat data dan infrastruktur IT yang lebih luas kekal selamat dan bebas aduan. Keselamatan Zero Trust menganggap bahawa tiada pengguna atau peranti boleh dipercayai dan setiap identiti mesti disahkan, yang merupakan asas kepada mana-mana pelaksanaan SecOps yang berjaya. Matlamatnya adalah untuk mengurangkan permukaan serangan dan risiko serangan siber yang semakin canggih.

SecOps mengoptimumkan keselamatan pusat data dengan menggabungkan teknologi yang paling terbukti untuk mengurangkan pencerobohan dan pelanggaran. Mengguna pakai keselamatan sifar amanah membantu peruncit melindungi identiti pelanggan, pekerja dan pembekal mereka, manakala pembahagian mikro boleh mengehadkan jejari letupan sebarang serangan.

Masa depan AI dan teknologi pusat data

Pengkomputeran tepi menjadi salah satu teknologi yang paling menjanjikan untuk membangunkan pusat data dipacu AI. Dengan memproses data lebih dekat kepada sumber, pengkomputeran tepi mengurangkan kependaman dan meningkatkan prestasi keseluruhan. Apabila digabungkan dengan kecerdasan buatan, teknologi ini menawarkan potensi untuk membolehkan analisis masa nyata dan keupayaan membuat keputusan, membolehkan pusat data mengendalikan proses kritikal misi masa depan.

Campana berkata: “Peralihan kepada 5G merupakan langkah penting dalam transformasi ini dan memacu gelombang inovasi dalam infrastruktur perisian berasaskan AI Bagi perusahaan yang memulakan pusat data baharu, adalah wajar mempertimbangkan penggunaan 5G dan sokongan mereka untuk Jadual Waktu untuk kemas kini lain kepada perkakasan pengguna akhir."

Dan Gupta percaya bahawa automasi perisikan data ialah satu cara untuk terus memasuki industri yang dikawal ketat, kerana kecerdasan buatan dan alatan pusat data akan direka bentuk untuk memenuhi secara automatik pematuhan.

“Memandangkan kecerdasan buatan dan automasi semakin tertanam dalam pusat data, mereka akan dapat memenuhi protokol pematuhan yang paling ketat

Atas ialah kandungan terperinci AI dan ML: Sempadan baharu inovasi dan pengoptimuman dalam pusat data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!