Как использовать машинное обучение при управлении инфраструктурой ЦОД?

02 августа 2021 г. | Категория: Мир

Технологии искусственного интеллекта (ИИ) и машинного обучения (МО) все чаще применяются операторами дата-центров, желающими максимизировать время безотказной работы инфраструктуры, оптимизировать потребление электроэнергии и водопотребление, быстрее обнаруживать потенциальные риски и защититься от кибератак.

Неудивительно, что интернет-компании сегодня активно наращивают финансирование ИИ / МО, что подтверждают многочисленные исследования. Например, в свежем тематическом докладе консалтинговой компании Alorithmia, озаглавленном “2021 Enterprise Trends in Machine Learning” (Корпоративные тренды в сфере машинного обучения 2021) отмечается, что 83% организаций-респондентов увеличили бюджеты на ИИ / МО.

Многие крупные интернет-компании, владеющие гипермасштабными ЦОД, уже разработали собственные системы ИИ для оптимизации охлаждения. Но операторы более мелких дата-центров также способны воспользоваться преимуществами ИИ / МО. Например, используя потенциал бизнес-модели AI-as-a-Service (искусственный интеллект как услуга), реализуемой с использованием облачных платформ.

Встроенный ИИ

Поставщики вспомогательного оборудования для дата-центров неуклонно упрощают жизнь потенциальным клиентам, стремящимся начать использование ИИ / МО, интегрируя подобные технологии в собственные продукты.

Одним из примеров является интеграция в оборудование специализированных микросхем, предназначенных для более эффективного выполнения сложных математических и вычислительных задач.

Большинство кейсов использования ИИ, актуальных сегодня, предполагают решение крайне узконаправленных задач. Упомянутые выше микрочипы ИИ можно относительно легко обучить и подготовить для использования при решении конкретной задачи, включая распознавание изображений, обработку естественного языка, обеспечение сетевой безопасности, внедрение робототехники и автоматизацию.

Системы ИИ развиваются. Это означает рост возможностей одновременно с сокращением затрат. Две подобные тенденции позволят поставщикам оборудования для дата-центров встраивать ИИ / МО в большее количество продуктов.

Например, процессорная архитектура RISC-V и иные технологии с открытым исходным кодом снижают барьеры для создания относительно дешевых продуктов с поддержкой ИИ / МО, что, в свою очередь, привлекает операторов и владельцев небольших дата-центров, которые ранее считали широкомасштабное внедрение данных технологий слишком дорогим проектом.

Применение в стандартных дата-центрах

Искусственный интеллект / машинное обучение можно применять для оптимизации механического и электрического вспомогательного оборудования внутри дата-центра, упрощая аналитику и автоматизацию, экономя деньги и время операторов.

Для реализации подобных проектов требуется интеграция традиционных подходов к моделированию на основе физики с современными методами машинного обучения, базирующимися на использовании данных с IoT-датчиков (интернет вещей).

Искусственный интеллект на службе краевых ЦОД

С появлением 5G и связанных с данной телекоммуникационной технологией сценариев использования индустрии 4.0 резко возрастает спрос на доступ к данным и вычислительным ресурсам для их обработки «в любом месте и в любое время».

Пользователям нужны быстрые мобильные приложения виртуальной / дополненной реальности и работающие дистанционно сервисы для обслуживания автономных транспортных средств, передового производства, инфраструктуры «умных» городов. Задержки при передаче и обработке данных более не допускаются.

В результате центральное место в индустрии ЦОД занимают периферийные (краевые) дата-центры, позволяющие использовать возможности географически распределенной вычислительной инфраструктуры.

Благодаря компактности, низкой стоимости и мощному оборудованию периферийные ЦОД активно развертываются по всему миру, но для обслуживания географически распределенной инфраструктуры не хватает операторов. Ситуацию усугубляет пандемия, усложняющая междугородние и трансграничные поездки.

Решить проблему помогает автоматизация, снимающая с человека часть нагрузки. Системы на базе ИИ / МО используются для предиктивной аналитики, обрабатывая данные с сенсоров и вспомогательного оборудования внутри краевых ЦОД. Данная технология помогает операторам дистанционно прогнозировать поломки и оценивать целесообразность личного посещения конкретного объекта для техобслуживания.

Рассматриваемый инструментарий также применяется для централизованного мониторинга и обеспечения физической безопасности распределенной вычислительной инфраструктуры, используя датчики движения и камеры видеонаблюдения.

Использование ИИ / МО при новом строительстве и модернизации

Операторы и владельцы ЦОД могут сделать ИИ / МО ключевой частью процесса планирования и строительства новых дата-центров, опираясь, например, на инструменты информационного моделирования зданий (Building Information Modeling; BIM) и моделирования производительности зданий (Building Planning System; BPS).

Аналогичные рекомендации вполне применимы и к проектам по модернизации уже существующих ЦОД. Чтобы обеспечить успешную модернизацию инфраструктуры с использованием ИИ / МО, рекомендуется использовать следующий чек-лист:

• Разработка стратегии модернизации. Определите бизнес-цели модернизации, включая, например, потенциальное наращивание продаж цифровых услуг. Оцените связанные с этим расходы, включая затраты на внедрение систем ИИ / МО «из коробки» или разработку таких инструментов собственными силами.
• Разработка стратегии обработки технических данных. Чтобы реализовать потенциал инструментария на базе ИИ / МО при оптимизации инфраструктуры модернизируемого ЦОД, следует приготовиться к развертыванию массивов дополнительных IoT-сенсоров с беспроводным подключением. Данные с датчиков послужат отправной точкой при оптимизации инфраструктуры. Модернизируемые серверные фермы, как правило, эксплуатируются с использованием устаревшего вспомогательного оборудования и практически без датчиков. Даже если устаревшая система способна генерировать технические данные, отчеты часто приходят через несколько суток / недель — слишком поздно, чтобы что-то предпринять для решения проблемы. Чтобы минимизировать расходы при развертывании дополнительных сенсоров, а также ускорить и упростить данный процесс, лучше использовать беспроводные версии.
• Выбор оптимального набора аппаратных и программных решений. Рекомендуется выбирать продукты, способные облегчить подключение активов к общей системе аналитической обработки данных, независимо от типа / бренда / возраста актива, а также используемого протокола / стандарта связи.
• Безопасность во главе угла. Убедитесь, что при модернизации ЦОД с прицелом на внедрение инструментария ИИ / МО используются передовые технологии шифрования и безопасные подходы к разработке, включая, например, использование среды доверенного выполнения (Trusted Execution Environment; TEE).

Применение цифровых близнецов

Цифровые близнецы (двойники) заслуживают дополнительного внимания при проектировании ЦОД, организации эффективного управления инфраструктурой дата-центра и оптимизации последней.

Виртуальная трехмерная реплика способна имитировать физическое поведение инфраструктуры ЦОД в целом и отдельных ее компонентов при любом рабочем сценарии. Цифровые близнецы охватывают всю экосистему дата-центра, включая виртуальные представления базовых модулей объекта: компонентов системы распределения электропитания, охлаждения и IT-инфраструктуры. Причем используются виртуальные модели продуктов всех основных производителей оборудования.

Использование цифрового двойника ЦОД позволяет всем заинтересованным сторонам объединить усилия, чтобы выработать единую стратегию, взять под контроль риски и повысить позитивное влияние ЦОД на бизнес. Цифровой двойник, интегрированный с ИИ, является еще более полезным инструментом, поскольку способен помочь операторам ЦОД справиться с растущей сложностью современных вычислительных сред.

В завершение отметим, что уже сегодня операторам дата-центров доступен широкий спектр возможностей для использования ИИ / МО, и количество подобных возможностей продолжит расти по мере развития соответствующей технологии и удешевления способов ее реализации на практике. Впереди индустрию ЦОД ожидает светлое будущее.

Теги: ИИ, МО, AI-as-a-Service