経済のデジタル変革の過程で、人類はますます多くのデータセンターを構築する必要があります。 データセンター自体も変革する必要があります。耐障害性とエネルギー効率の問題は、これまで以上に重要になっています。 施設は膨大な量の電力を消費し、施設内にある重要なITインフラストラクチャの障害により、ビジネスに多額の費用がかかります。 エンジニアの助けを借りて、人工知能と機械学習の技術が登場します-近年、それらはより高度なデータセンターを作成するためにますます使用されています。 このアプローチにより、施設の可用性が向上し、障害の数が減り、運用コストが削減されます。
どのように機能しますか？
人工知能と機械学習テクノロジーを使用して、さまざまなセンサーから収集されたデータに基づいた運用上の決定の採用を自動化します。 原則として、このようなツールはDCIM（データセンターインフラストラクチャ管理）システムと統合されており、緊急事態の予測、およびIT機器、エンジニアリングインフラストラクチャ、さらにはスタッフの運用の最適化を可能にします。 多くの場合、メーカーは、多くの顧客からデータを収集して処理するクラウドサービスをデータセンターの所有者に提供しています。 このようなシステムは、さまざまなデータセンターの運用経験を要約しているため、ローカル製品よりもうまく機能します。
ITインフラ管理
HPEは、Nimble StorageおよびHPE 3PAR StoreServストレージシステム、HPE ProLiant DL / ML / BLサーバー、HPE Apolloラックシステム、HPE Synergyプラットフォーム上に構築されたITインフラストラクチャを管理するためのInfoSightクラウドベースの予測分析サービスを推進しています。 InfoSightは、機器に取り付けられたセンサーを分析し、毎秒100万を超えるイベントを処理し、絶えず自己学習します。 このサービスは、誤動作を検出するだけでなく、ITインフラストラクチャで発生する可能性のある問題（機器の障害、ストレージ容量の枯渇、仮想マシンのパフォーマンス低下など）が発生する前であっても予測します。 予測分析のために、VoltDBソフトウェアは自己回帰予測モデルと確率的手法を使用してクラウドに展開されています。 Tegile Systemsハイブリッドストレージシステムでも同様のソリューションを利用できます。IntelliCareCloud Analyticsクラウドサービスは、デバイスリソースのステータス、パフォーマンス、および使用を監視します。 人工知能および機械学習テクノロジーは、Dell EMCの高性能コンピューティングソリューションでも使用されています。 多くの同様の例がありますが、コンピューティング機器とデータストレージシステムのほぼすべての主要メーカーがこの道を進んでいます。
電源と冷却
データセンターでのAIのもう1つの応用分野は、エンジニアリングインフラストラクチャの管理、そして何よりも冷却に関連しています。冷却は、オブジェクトの総エネルギー消費量の30％を超える可能性があります。 Googleはスマートクーリングについて最初に考えました。2016年、DeepMindと共同で、データセンターの個々のコンポーネントを監視するための人工知能システムを開発し、空調のエネルギーコストを40％削減しました。 当初は、スタッフにヒントを与えるだけでしたが、その後改良され、機械室の冷却を独自に制御できるようになりました。 クラウドに配置されたニューラルネットワークは、数千の内部および外部センサーからのデータを処理します。サーバーの負荷、温度、道路の風速、およびその他の多くのパラメーターを考慮して決定を行います。 クラウドシステムから提供される指示はデータセンターに送信され、そこでローカルシステムによってセキュリティの確認が再度行われます。スタッフはいつでも自動モードをオフにし、手動で冷却の制御を開始できます。 Nlyte Softwareは、IBM Watsonチームと協力して、温度と湿度、電力消費、IT機器の混雑に関するデータを収集するソリューションを作成しました。 エンジニアリングサブシステムの作業を最適化でき、メーカーのクラウドインフラストラクチャへの接続を必要としません-必要に応じて、ソリューションをデータセンターに直接展開できます。
他の例
市場にはデータセンター向けの革新的なスマートソリューションが数多くあり、新しいソリューションが常に登場しています。 Wave2Waveは、データセンター内のトラフィック交換ノード（Meet Me Room）でのクロス接続の自動編成のためのロボット光ファイバケーブルスイッチングシステムを作成しました。 ROOT Data CenterとLitBitが開発したシステムは、AIを使用してスタンバイディーゼルエンジンを監視し、Romonetはインフラストラクチャを最適化するための自己学習ソフトウェアソリューションを作成しました。 Vigilentが作成したソリューションでは、機械学習を使用して障害を予測し、データセンターの温度条件を最適化します。 プロセス自動化のためのデータセンターへの人工知能、機械学習、およびその他の革新的な技術の導入は比較的最近始まりましたが、今日では産業開発の最も有望な分野の1つです。 現代のデータセンターは、手動で効果的に管理するには大きすぎて複雑になっています。