DLS 015

Искусственный интеллект в дата-центрах — новые рубежи

DLS_015

Google получил порцию громких заголовков, когда показал, как использует машинное обучение для оптимизации деятельности своих центров обработки данных. Но поисковый гигант — не первая компания, которая использует искусственный интеллект для тонкой настройки своей серверной инфраструктуры. На самом деле, усилия Google, является лишь самыми недавними в серии инициатив по созданию электронного «мозга дата-центра», который может анализировать ИТ-инфраструктуру.

Автоматизация всегда была приоритетом для менеджеров центров обработки данных, и становится еще важнее по мере того, как объекты ЦОД становятся более сложными. Движение DevOps стремится «автоматизировать все» в центре обработки данных, в то время как требования большей эффективности подгоняют развитие разумных систем охлаждения.

Куда все это движется? Не волнуйтесь. ЦОДы не станут порталами в Skynet в ближайшее время. Менеджеры ЦОД любят технологии, но они не склонны полностью доверять им.

terminator5writers

— Нам все еще нужны люди, чтобы выносить правильные суждения об этих вещах,- рассказал Джо Кава, вице-президент по ЦОД в Google. — Я все еще хочу, чтобы наши инженеры постоянно рекомендовали нам что-то.

Кава на прошлой неделе заявил, что Google начал c помощью нейронной сети анализировать океаны данных, собираемые на своих серверных фермах и рекомендовать пути их совершенствования. Кава сказал, что использование машинного обучения позволит Google выйти на новые рубежи эффективности в своих центрах обработки данных, выходя за рамки того, что ее инженеры могут увидеть и проанализировать.

Хотя в индустрии и были предприняты скромные усилия по созданию «беспилотных» центров обработки данных, они, как правило являются объектами, управляемыми с помощью дистанционного мониторинга, притом людьми, а не машинами, принимающими решения. Между тем, Google и другие компании, разрабатывающие инструменты машинного обучения для ЦОД, говорят, что конечная цель использования искусственного интеллекта — помочь проектировать улучшенные дата-центры, а не заменить людей, что в них работают.

Одна из компании, которой приятно внимание вокруг недавнего объявления Google — британская Romonet, производитель средств управления ЦОД. В 2010 году компания представила Prognose — программное обеспечение, которое использует машинное обучение, чтобы построить прогнозные модели для операций в центрах обработки данных.

Снимок экрана 2014-06-09 в 16.58.42

Romonet фокусируется на моделировании совокупной стоимости владения (TCO — total cost of ownership ) эксплуатируемого дата-центра целиком, а не на одной метрике, как PUE (эффективность потребляемой мощности), которую использует Google в качестве ориентира. Компания утверждает, что ее прогностическая модель калибруется до 97 процентной точности через год работы.

— Презентация Джо, могла бы быть одной из наших, — говорит Зал Лимбувала, CEO и сооснователь Romonet. — Они сделали свой ​​метод общественным достоянием, но не дали фактическое программное обеспечение — так что если вы хотите иметь то, что есть у них, вы должны напиать его самостоятельно. Таким образом они просто пролили столько света на нас, сколько мы не смогли бы сами.

Программное обеспечение Romonet для моделирования позволяет предприятиям точно прогнозировать и управлять финансовыми рисками в своих центрах обработки данных или средах облачных вычислений. Инструменты могут работать с проектными и инженерными документами для ЦОД, чтобы построить имитацию того, как данный объект будет работать. Работа с инженерными документами позволяет Romonet представить подробный оперативный анализ без необходимости термодатчиков, мониторинга воздушного потока или любых компонентов — что также позволяет анализировать работу дата-центра, не влияя на его деятельность.

Такие типы моделей могут быть использованы для запуска моделирования конструкций, что позволяет компаниям проводить виртуальные тест-драйвы новых конструктивных решений и понять, как они будут влиять на центр.

— Я могу представить себе, как использовать это в цикле проектирования ЦОД, — рассказал Кава из Google. — Вы можете использовать это ПО в качестве перспективного инструмента для проверки конструктивныех изменений и инноваций.

Пока Google делает упор на PUE, а Romonet основывается на TCO и целостном представлении о ЦОД, другие сосредоточены на использовании искусственного интеллекта для автоматизации охлаждения.

К примеру, компания Vigilent использует машинное обучение, чтобы обеспечить оптимизацию в режиме реального времени охлаждения в серверных комнатах. Программное обеспечение Vigilent AI собирает данные температуры от беспроводных датчиков, распределенных по всему дата-холлу и динамически управляет средой для избавления от «горячих точек» и смещения нагрузки.

Снимок экрана 2014-06-09 в 17.01.18

— Наши системы построены вокруг основного движка искусственного интеллекта, который находится на сервере», говорится в сообщении компании. — Он содержит сложные алгоритмы и технологии AI (artificial intelligence — искусственный интеллект), который обучается в течение долгого времени. Это начинается с момента запуска системы, первоначальный профиль поведения развивается в течение нескольких часов «возмущений», во время которых отклики системы провоцируются и измеряются. Это продолжается в течение регулярного использования системы — обучение и одновременное управление устройствами в своей сети.

Vigilent недавно получила вотум доверия, когда Schneider Electric объявила, что намерена интегрировать технологию калифорнийского стартапа в собственный набор инструментов DCIM (data center infrastructure management — управление инфраструктурой центра обработки данных).

Искусственный интеллект — одно из последних веяний в рамках постоянных усилий по автоматизации центров обработки данных. У менеджеров ЦОД ушло значительное время, чтобы привыкнуть к идее передачи ключевых задач управления в «руки» автоматизированных инструментов. 

Лучшей иллюстрацией этого является охлаждение, которое традиционно представляло ​​наибольшие возможности для экономии за счет повышения эффективности. Такие инструменты, как программное обеспечение для вычисления гидродинамики потоков(computational fluid dynamics — CFD) позволяет менеджерам ЦОД строить 3D-модели температур и воздушных потоков, выявляя «горячих точек» в холодных проходах.

cfdmodeling

Казалось бы, отличная и перспективная вещь. Но как же нелегко было ее продавать поначалу. HP была на переднем крае этих усилий в 2006 году, когда представила Dynamic Smart Cooling — систему, которая собирала данные сенсорной сети и использовала их для автоматизации управления кондиционерами и обработки воздуха. К 2009 году HP была вынуждена изменить свое предложение , признав, что встретила «некоторое сопротивление» в автоматизации инфраструктуры охлаждения.

За последние пять лет значительное количество исследователей и производителей индустрии ЦОД направили усилия на автоматизацию систем охлаждения, которые могут приспосабливаться к изменениям температур и давления в серверной среде, в том числе OpenGate Data Systems, Intel, Brocade и SynapSense

comments powered by Disqus