Od podepsání Pařížské klimatické dohody v roce 2016 došlo k výraznému posunu v počtu společností, které se aktivně zaměřují na udržitelný nárůst datového provozu a velmi pečlivě monitorují spotřebu energie. Tyto společnosti aktivně hledají nové energeticky efektivnější technologie, aby snížili svoji uhlíkovou stopu.
Zajištění optimálního provozu datového centra je s ohledem na kolísající poptávku zákazníků a rostoucí náklady na energii velmi náročný úkol. Jako zajímavé řešení se nabízí využití strojového učení, což je podoblast umělé inteligence zahrnující algoritmy a techniky, které strojům umožňují samostatně se učit, testovat a aplikovat své znalosti. Získané znalosti pak mohou být využity při optimalizaci provozu datového centra, a to s minimálním zásahem lidského operátora.
Jedním z hlavních problémů spojených se strojovým učením je správa obrovského množství dat, které je třeba analyzovat. Společnost Equinix proto vyvinula platformu IBX SmartView, což je na zakázku vyrobený produkt pro správu infrastruktury datového centra (Data Center Infrastructure Management, DCIM), který umožňuje obsáhlé monitorování činností datového centra.
IBX SmartView monitoruje veškerou elektrickou i mechanickou infrastrukturu v datového centra a umožňuje rychlé získávání kvalitních dat pro technický tým i pro strojové učení. To je výhodné, protože to technikům datových center dovoluje sledovat i spotřebu jednotlivých služeb.
Jedním z klíčových aspektů IBX SmartView je schopnost vyvinout schopnosti strojového učení, správy a další aplikace pro jednu lokalitu datového centra a pak ji využít v dalších lokalitách. To výrazně snižuje dobu vývoje, protože šablony zařízení vytvořené pro jednu lokalitu lze použít i jinde.
Zatím je prostřednictvím IBX SmartView k dispozici téměř polovina infrastruktury datového centra, ale očekává se, že v budoucnu bude na této platformě celé datové centrum. V současnosti je testována možnost nahradit všechny systémy správy budov (BMS) a systémy monitorování prostředí (EMS) v datových centrech společnosti Equinix platformou IBX SmartView. Cílem je využít příští generaci algoritmů strojového učení a ještě lépe optimalizovat platformu z hlediska účinnosti a dostupnosti.
Hlavní důvodem pro využití strojového učení v datových centrech je udržovat zařízení v trvale optimálním provozním zatížení, a to udržitelným a efektivním způsobem. Aby toho bylo možné dosáhnout je třeba provoz kritických zařízení neustále monitorovat a upravovat a zajistit tak optimální fungování každé komponenty datového centra. Pokud je potřeba více informací, lze použít edge senzory napájené z baterie, které přivádějí data do cloudu přes Equinix Cloud Exchange Fabric (ECX Fabric). Jedná se např. o různá data o fungování zařízení, která mohou být posléze analyzována a charakterizována algoritmy AI v rámci cloudu nebo lidskými operátory.
V počáteční fázi modelů pro posuzování energetické efektivity datových center (Power Usage Effectiveness, PUE) jsme simulovali IBX a vytvořili vlastní síťovou architekturu s funkcemi pomocí algoritmu neuronové sítě. Nejnovější verze nyní kombinuje modely založené na prostředcích v rámci sítě do jediného modelu IBX, což umožňuje komplexní trénování celé sítě. Automatické vyhledávání aktiv a tagů lze rovněž použít k autonomnímu přizpůsobení architektury modelu pro každý IBX.
Při vytváření pokročilejších fyzikálních modelů, které jsou schopny vytvářet předpoklady o jednotlivých položkách infrastruktury datového centra, jako provozní zatížení IT, vnější okolní podmínky a další proměnné, lze tento model postupně trénovat, aby stále účinněji předpovídal PUE. Konečným cílem je naučit platformu, aby bylo schopna přizpůsobovat infrastrukturu datového centra v reálném času, aniž by k tomu potřebovala lidského operátora.
David Hall, Equinix
