Циф­ро­вая транс­фор­ма­ция цен­тров об­ра­бот­ки дан­ных

Lan - - Contents - Алек­сей Чернобровцев

Циф­ро­вая транс­фор­ма­ция, о ко­то­рой в по­след­нее вре­мя столь­ко го­во­рят, в зна­чи­тель­ной сте­пе­ни опи­ра­ет­ся на ин­фра­струк­ту­ру цен­тров об­ра­бот­ки дан­ных.

Циф­ро­вая транс­фор­ма­ция, о ко­то­рой в по­след­нее вре­мя столь­ко го­во­рят, в зна­чи­тель­ной сте­пе­ни опи­ра­ет­ся на ин­фра­струк­ту­ру цен­тров об­ра­бот­ки дан­ных. Од­на­ко для ее успеш­но­го раз­вер­ты­ва­ния са­ми ЦОД так­же долж­ны ме­нять­ся. Эф­фек­тив­ны­ми тех­но­ло­ги­че­ски­ми ин­стру­мен­та­ми их раз­ви­тия и со­вер­шен­ство­ва­ния ста­но­вят­ся ис­кус­ствен­ный ин­тел­лект, ме­то­ды ма­шин­но­го обу­че­ния и Боль­шие Дан­ные.

Алек­сей Чернобровцев, обо­зре­ва­тель «ComputerWorld Рос­сия»

От­расль цен­тров об­ра­бот­ки дан­ных ста­ла неотъ­ем­ле­мой ре­аль­но­стью ми­ра со­вре­мен­ных ин­фор­ма­ци­он­ных тех­но­ло­гий. Этот сег­мент гло­баль­но­го ИТ-рын­ка успеш­но раз­ви­ва­ет­ся и со­вер­шен­ству­ет­ся. В 2017 го­ду, по дан­ным ком­па­нии 451 Research, чис­ло ком­мер­че­ских ЦОД, предо­став­ля­ю­щих роз­нич­ные и опто­вые услу­ги арен­ды (colocation) в раз­лич­ных стра­нах ми­ра, при­бли­зи­лось к пя­ти ты­ся­чам.

С уве­ли­че­ни­ем чис­ла ЦОД все бо­лее се­рьез­ной за­да­чей ста­но­вит­ся по­вы­ше­ние уров­ня их го­тов­но­сти, со­кра­ще­ние от­ка­зов и сбо­ев ИТ- и ин­же­нер­но­го обо­ру­до­ва­ния. Со­глас­но ана­ли­ти­че­ским ис­сле­до­ва­ни­ям, убыт­ки, ко­то­рые несут пред­при­я­тия в ре­зуль­та­те воз­ник­но­ве­ния нештат­ных си­ту­а­ций, ис­чис­ля­ют­ся сот­ня­ми мил­ли­о­нов дол­ла­ров.

На рын­ке цен­тров об­ра­бот­ки дан­ных, как, впро­чем, и в дру­гих об­ла­стях, утвер­жда­ют эксперты, пре­успе­ва­ют в первую оче­редь те ком­па­нии, ко­то­рым в по­ис­ках пу­тей ро­ста уда­ет­ся вый­ти за рам­ки тра­ди­ци­он­ных тех­но­ло­ги­че­ских и ор­га­ни­за­ци­он­ных ре­ше­ний и най­ти спо­соб сов­ме­стить за­ча­стую про­ти­во­ре­чи­вые тре­бо­ва­ния. По­это­му при­ме­не­ние но­вей­ших тех­но­ло­гий для по­вы­ше­ния эф­фек­тив­но­сти, от­ка­зо­устой­чи­во­сти и сни­же­ния экс­плу­а­та­ци­он­ных за­трат ЦОД бу­дет рас­ши­рять­ся.

ИС­КУС­СТВЕН­НЫЙ ИН­ТЕЛ­ЛЕКТ В ЦОД

Ис­кус­ствен­ный ин­тел­лект на­де­ля­ет ма­ши­ны спо­соб­но­стью вы­пол­нять опре­де­лен­ные ин­тел­лек­ту­аль­ные дей­ствия, на ко­то­рые ра­нее бы­ли мо­гут толь­ко лю­ди. Бла­го­да­ря при­ме­не­нию но­вей­ших тех­но­ло­гий, в том чис­ле обес­пе­чи­ва­ю­щих ви­зу­аль­ное вос­при­я­тие про­ис­хо­дя­щих со­бы­тий и рас­по­зна­ва­ние ре­чи, та­кие ма­ши­ны мо­гут со­би­рать и об­ра­ба­ты­вать дан­ные, а так­же ин­тер­пре­ти­ро­вать по­лу­чен­ные ре­зуль­та­ты для ав­то­ма­ти­че­ско­го при­ня­тия опе­ра­ци­он­ных ре­ше­ний.

В биз­не­се, к при­ме­ру, ИИ мо­жет ис­поль­зо­вать­ся для про­гно­зи­ро­ва­ния — на ос­но­ве дан­ных из раз­лич­ных ис­точ­ни­ков — по­след­ствий при­ня­тия стра­те­ги­че­ских биз­нес-ре­ше­ний и, та­ким об­ра­зом, поз­во­ля­ет оце­нить ре­ак­цию рын­ка. В про­мыш­лен­но­сти и во­ен­ном де­ле он мо­жет при­ме­нять­ся для ор­га­ни­за­ции вза­и­мо­дей­ствия мно­го­чис­лен­ных под­клю­чен­ных к се­ти устройств, вклю­чая дро­ны и ро­бо­ты, в про­цес­се сов­мест­но­го вы­пол­не­ния ими кол­лек­тив­ных за­да­ний.

Вла­дель­цы со­вре­мен­ных цен­тров об­ра­бот­ки дан­ных то­же ис­поль­зу­ют ис­кус­ствен­ный ин­тел­лект и машинное обу­че­ние (во вся­ком слу­чае, пы­та­ют­ся де­лать это) для ре­ше­ния вполне кон­крет­ных за­дач. Та­ки­ми за­да­ча­ми яв­ля­ют­ся, в чис­ле про­че­го, со­кра­ще­ние вре­ме­ни про­стоя за счет про­гно­зи­ро­ва­ния рис­ков воз­ник­но­ве­ния нештат­ных си­ту­а­ций, оп­ти­ми­за­ция ре­жи­мов ра­бо­ты сер­ве­ров и си­стем хра­не­ния дан­ных, сни­же­ние энер­го­за­трат, по­вы­ше­ние эф­фек­тив­но­сти ком­плек­сов охла­жде­ния и оп­ти­ми­за­ция тем­пе­ра­тур­ных ре­жи­мов в ма­шин­ных за­лах, ра­ци­о­наль­ное ис­поль­зо­ва­ние ре­сур­сов экс­плу­а­та­ци­он­но­го пер­со­на­ла.

Ком­по­нен­ты ис­кус­ствен­но­го ин­тел­лек­та мо­гут быть встро­е­ны и в ком­мер­че­ски до­ступ­ные плат­фор­мы управ­ле­ния ин­фра­струк­ту­рой ЦОД (Data Center Infrastructure Management, DCIM), что поз­во­ля­ет упро­стить ре­ше­ние неко­то­рых из пе­ре­чис­лен­ных за­дач и со­кра­тить объ­ем опе­ра­ци­он­ных рас­хо­дов.

При­ме­не­ние ис­кус­ствен­но­го ин­тел­лек­та в ЦОД на­чи­на­ет при­но­сить пло­ды.

УПРАВ­ЛЕ­НИЕ ИТ-ИН­ФРА­СТРУК­ТУ­РОЙ

Об­лач­ная плат­фор­ма пре­дик­тив­но­го ана­ли­за InfoSight, ко­то­рую ком­па­ния

HPE при­об­ре­ла вме­сте с про­из­во­ди­те­лем твер­до­тель­ных си­стем хра­не­ния Nimble Storage, поз­во­ля­ет вы­яв­лять и про­гно­зи­ро­вать про­бле­мы в ИТ-ин­фра­струк­ту­ре.

InfoSight на­кап­ли­ва­ет и ана­ли­зи­ру­ет дан­ные, по­сту­па­ю­щие от дат­чи­ков, ко­то­рые уста­нов­ле­ны в ин­фор­ма­ци­он­ных си­сте­мах бо­лее чем 10 тыс. за­каз­чи­ков Nimble Storage, и об­ра­ба­ты­вая свы­ше 1 млн со­бы­тий в се­кун­ду. Си­сте­ма долж­на быст­ро об­на­ру­жить и иден­ти­фи­ци­ро­вать при­чи­ну воз­ник­шей про­бле­мы, най­ти пу­ти ее устра­не­ния на ос­но­ве ана­ли­за те­ку­щей си­ту­а­ции с ис­поль­зо­ва­ни­ем все­го мас­си­ва на­коп­лен­ных дан­ных.

В ба­зе дан­ных InfoSight со­дер­жат­ся све­де­ния, со­бран­ные в те­че­ние несколь­ких лет. Про­гноз­ная ана­ли­ти­ка ре­а­ли­зу­ет­ся об­лач­ным ПО ком­па­нии VoltDB, ма­те­ма­ти­че­ский ап­па­рат ко­то­ро­го ба­зи­ру­ет­ся на ав­то­ре­грес­си­он­ных мо­де­лях про­гно­зи­ро­ва­ния и ме­то­де Мон­те-Кар­ло. Это поз­во­ля­ет пред­ви­деть на­ступ­ле­ние со­бы­тий опре­де­лен­но­го ро­да — к при­ме­ру, де­фи­ци­та ем­ко­сти на­ко­пи­те­лей мас­си­ва хра­не­ния или пре­вы­ше­ния про­пуск­ной спо­соб­но­сти си­сте­мы вво­да-вы­во­да СХД (см. рис. 1).

В InfoSight при­ме­ня­ют­ся тех­но­ло­гии ма­шин­но­го обу­че­ния и ана­ли­за зна­чи­тель­ных объ­е­мов ин­фор­ма­ции. С на­ча­ла 2018 го­да ем­кость ба­зы дан­ных, ис­поль­зу­е­мых для обу­че­ния, зна­чи­тель­но воз­рос­ла, так как те­перь сфе­ра дей­ствия плат­фор­мы рас­про­стра­ня­ет­ся и на мас­си­вы хра­не­ния 3PAR StoreServ, осна­щен­ных опе­ра­ци­он­ной си­сте­мой 3PAR OS 3.3.1.

В пер­вой вер­сии HPE InfoSight для мас­си­вов HPE 3PAR ре­а­ли­зо­ван ряд ин­те­рес­ных функ­ций: ана­лиз сте­ков вир­ту­аль­ных ма­шин; об­на­ру­же­ние при­чин, вы­зы­ва­ю­щих сни­же­ние про­из­во­ди­тель­но­сти вир­ту­аль­ных ма­шин, ко­то­рые ис­поль­зу­ют ре­сур­сы си­стем хра­не­ния HPE 3PAR; вы­яв­ле­ние вир­ту­аль­ных ма­шин, со­зда­ю­щих про­бле­мы для дру­гих ра­бо­чих на­гру­зок СХД.

В хо­де ис­поль­зо­ва­ния InfoSight уда­лось уста­но­вить, что в слу­чае биз­нес-при­ло­же­ний зна­чи­тель­ная часть про­блем с про­из­во­ди­тель­но­стью опе­ра­ций вво­да-вы­во­да не свя­за­на непо­сред­ствен­но с мас­си­ва­ми хра­не­ния. Со­по­став­ле­ние дан­ных, по­лу­чен­ных InfoSight, с дру­гой ди­а­гно­сти­че­ской ин­фор­ма­ци­ей поз­во­ля­ет об­на­ру­жить уз­кие ме­ста на всем пу­ти сле­до­ва­ния дан­ных — от вир­ту­аль­ных ма­шин до на­ко­пи­те­лей мас­си­вов хра­не­ния.

Плат­фор­ма по­сто­ян­но обу­ча­ет­ся, под­чер­ки­ва­ют в HPE. По ме­ре даль­ней­шей ин­те­гра­ции InfoSight с про­дук­та­ми и ре­ше­ни­я­ми HPE ал­го­рит­мы ис­кус­ствен­но­го ин­тел­лек­та по­лу­чат до­ступ ко все воз­рас­та­ю­щим объ­е­мам дан­ных. Функ­ци­о­наль­ность InfoSight мо­жет стать ос­но­вой для ав­то­ном­ных ЦОД, в ко­то­рых кон­фи­гу­ри­ро­ва­ние и си­стем­ные на­строй­ки вы­пол­ня­ют­ся без вме­ша­тель­ства экс­плу­а­та­ци­он­но­го пер­со­на­ла.

В ком­па­нии Tegile Systems, вы­пус­ка­ю­щей ги­брид­ные СХД, ис­поль­зу­ют об­лач­ное ана­ли­ти­че­ское ПО ин­тел­лек­ту­аль­но­го управ­ле­ния IntelliCare Cloud Analytics, для мо­ни­то­рин­га за­груз­ки ем­ко­сти мас­си­вов хра­не­ния, со­сто­я­ния их кон­фи­гу­ра­ций, «здо­ро­вья» и про­из­во­ди­тель­но­сти.

Об­лач­ная си­сте­ма, ко­то­рая не тре­бу­ет уста­нов­ки сер­вер­ных аген­тов, со­би­ра­ет дан­ные с несколь­ких ты­сяч мас­си­вов хра­не­ния, уста­нов­лен­ных у за­каз­чи­ков. Их ана­лиз поз­во­ля­ет про­гно­зи­ро­вать от­ка­зы ком­по­нен­тов, а так­же воз­ник­но­ве­ние про­блем с про­из­во­ди­тель­но­стью и ре­сур­са­ми мас­си­вов.

ИН­ТЕЛ­ЛЕКТ В КОМПЛЕКСАХ ОХЛА­ЖДЕ­НИЯ

Google при­ме­ня­ет тех­но­ло­гии ис­кус­ствен­но­го ин­тел­лек­та в сво­их цен­трах об­ра­бот­ки дан­ных для сни­же­ния энер­го­за­трат, ко­то­рые из­ме­ря­ют­ся мил­ли­о­на­ми ме­га­ватт-ча­сов в год, а зна­чит, и для со­кра­ще­ния рас­хо­дов.

Для это­го в 2014 го­ду бы­ла при­об­ре­те­на ком­па­ния DeepMind, где со­зда­ны про­грамм­ный ком­плекс AlphaGo, по­бе­див­ший про­фес­си­о­наль­но­го иг­ро­ка в го, а так­же ней­рон­ная сеть, спо­соб­ная обу­чать­ся ви­део­иг­рам. ПО DeepMind, раз­ра­бо­тан­ное для ЦОД Google, опре­де­ля­ет оп­ти­маль­ные ре­жи­мы ра­бо­ты си­сте­мы охла­жде­ния и обес­пе­чи­ва­ет управ­ле­ние обо­ру­до­ва­ни­ем в ре­жи­ме ре­аль­но­го вре­ме­ни (рис. 2).

Про­грамм­ный ком­плекс DeepMind от­сле­жи­ва­ет бо­лее сот­ни раз­лич­ных па­ра­мет­ров, ха­рак­те­ри­зу­ю­щих со­сто­я­ние ин­фра­струк­ту­ры ЦОД или ока­зы­ва­ю­щих на нее вли­я­ние. В их чис­ле — по­ка­за­те­ли на­груз­ки ИТ-обо­ру­до­ва­ния и ско­ро­сти вра­ще­ния вен­ти­ля­то­ров в стой­ках, све­де­ния о кон­ди­ци­о­не­рах, гра­дир­нях и теп­ло­об­мен­ни­ках, ин­фор­ма­ция о по­го­де и со­сто­я­нии окон в по­ме­ще­ни­ях.

В про­цес­се раз­ра­бот­ки это­го ПО учи­ты­ва­лись дан­ные о ра­бо­те ЦОД Google в те­че­ние несколь­ких преды­ду­щих лет. Ал­го­рит­мы ана­ли­за ин­фор­ма­ции и управ­ле­ния на ос­но­ве по­лу­чен­ных вы­во­дов спо­соб­ны к са­мо­сто­я­тель­но­му обу­че­нию, что поз­во­ля­ет им ра­бо­тать в неопре­де­лен­ных за­ра­нее усло­ви­ях.

В ЦОД уста­нов­ле­но мно­же­ство дат­чи­ков, по­это­му срав­ни­тель­ный ана­лиз те­ку­щих дан­ных и ги­гант­ских мас­си­вов на­коп­лен­ной «ис­то­ри­че­ской» ин­фор­ма­ции, а так­же ис­поль­зо­ва­ние ал­го­рит­мов про­гно­зи­ро­ва­ния ней­рон­ных се­тей поз­во­ля­ют учи­ты­вать ма­лей­шие ню­ан­сы по­сто­ян­но ме­ня­ю­щей­ся кли­ма­ти­че­ской об­ста­нов­ки в ма­шин­ных за­лах. В ре­зуль­та­те, как утвер­жда­ют раз­ра­бот­чи­ки DeepMind, им уда­ет­ся пред­ска­зать ожи­да­е­мое зна­че­ние PUE с точ­но­стью 99,6%.

Бла­го­да­ря ис­поль­зо­ва­нию ре­ше­ний DeepMind на 40% со­кра­ти­лись энер­го­за­тра­ты си­стем охла­жде­ния цен­тров об­ра­бот­ки дан­ных, в ко­то­рых в ос­нов­ном уста­нов­ле­но про­мыш­лен­ное обо­ру­до­ва­ние. Вклад имен­но этих си­стем в энер­го­по­треб­ле­ние ин­же­нер­но­го ком­плек­са ЦОД весь­ма зна­чи­те­лен, и оп­ти­ми­за­ция ре­жи­мов их ра­бо­ты поз­во­ли­ла до­бить­ся сни­же­ния по­ка­за­те­ля PUE на 15%.

Эле­мен­ты ис­кус­ствен­но­го ин­тел­лек­та при­ме­ня­ют­ся так­же в си­сте­ме охла­жде­ния цен­тра об­ра­бот­ки дан­ных Сбер­бан­ка в Скол­ко­во, мак­си­маль­ная по­треб­ля­е­мая мощ­ность ко­то­ро­го со­став­ля­ет око­ло 30 МВт. Этот ЦОД, рас­счи­тан­ный на уста­нов­ку до 24 тыс. сер­ве­ров, — круп­ней­ший в на­шей стране.

Для под­дер­жа­ния тре­бу­е­мой тем­пе­ра­ту­ры в его ма­шин­ных за­лах ис­поль­зу­ет­ся тех­но­ло­гия пря­мо­го охла­жде­ния ат­мо­сфер­ным воз­ду­хом, что поз­во­ля­ет кли­ма­ти­че­ской си­сте­ме ра­бо­тать в ре­жи­ме фри­ку­лин­га бо­лее 330 дней в го­ду.

За управ­ле­ние от­ве­ча­ет про­грамм­ное обес­пе­че­ние с ком­по­нен­та­ми ис­кус­ствен­но­го ин­тел­лек­та. На ос­но­ве дан­ных о тем­пе­ра­ту­ре, по­го­де и све­де­ний си­ноп­ти­ков это ПО оп­ти­ми­зи­ру­ет охла­жде­ние обо­ру­до­ва­ния ЦОД и оце­ни­ва­ет необ­хо­ди­мость фор­ми­ро­ва­ния за­па­сов хо­ло­да при про­гно­зи­ру­е­мом по­теп­ле­нии. Как ожи­да­ет­ся, сред­не­го­до­вое зна­че­ние PUE в этом ЦОД со­ста­вит 1,3.

«ИСКУССТВЕННЫЕ ЛЮ­ДИ» КОМ­ПА­НИИ LITBIT

В стар­та­пе LitBit ра­бо­та­ют над со­зда­ни­ем циф­ро­вых по­мощ­ни­ков, на­де­лен­ных ис­кус­ствен­ным ин­тел­лек­том, ко­то­рых в ком­па­нии на­зы­ва­ют ис­кус­ствен­ны­ми лич­но­стя­ми (artificial personae).

По­сле обу­че­ния они при­об­ре­та­ют опре­де­лен­ные на­вы­ки и спо­соб­ны упро­стить ра­бо­ту раз­лич­ных спе­ци­а­ли­стов, в част­но­сти, мо­гут осу­ществ­лять ав­то­ма­ти­зи­ро­ван­ное управ­ле­ние раз­но­об­раз­ны­ми опе­ра­ци­я­ми в цен­трах об­ра­бот­ки дан­ных.

Для их обу­че­ния ис­поль­зу­ет­ся раз­ра­бо­тан­ный в LitBit ин­тер­фейс, ко­то­рый по­мо­га­ет об­щать­ся с artificial personae и снаб­жать их необ­хо­ди­мы­ми све­де­ни­я­ми. Обу­че­ни­ем мо­жет за­ни­мать­ся лю­бой со­труд­ник ЦОД, для это­го не тре­бу­ет­ся зна­ние тон­ко­стей про­грам­ми­ро­ва­ния, спе­ци­а­ли­зи­ро­ван­ных ал­го­рит­мов и дру­гих по­доб­ных ве­щей.

Раз­ра­бот­чи­ки по­яс­ня­ют, что на ба­зе их ре­ше­ний мо­гут со­зда­вать­ся циф­ро­вые по­мощ­ни­ки, об­ла­да­ю­щие ин­же­нер­ны­ми на­вы­ка­ми, ко­то­рые по­мо­гут вы­явить ано­ма­лии в ра­бо­те ЦОД и предот­вра­тить воз­ник­но­ве­ние опас­ных си­ту­а­ций. Утвер­жда­ет­ся, что та­кие по­мощ­ни­ки об­ла­да­ют функ­ци­о­наль­но­стью, поз­во­ля­ю­щей со­про­вож­дать и до­пол­нять дей­ствия экс­плу­а­та­ци­он­но­го пер­со­на­ла, а в опре­де­лен­ных си­ту­а­ци­ях и за­ме­нять неко­то­рых спе­ци­а­ли­стов.

Про­грамм­ные «пер­со­ны» Litbit по­лу­ча­ют све­де­ния о внеш­нем ми­ре с по­мо­щью тех­но­ло­гий ин­фра­крас­но­го зре­ния, аку­сти­че­ско­го кон­тро­ля и об­ра­бот­ки зву­ко­вой ин­фор­ма­ции. На­коп­лен­ные пер­вич­ные дан­ные ис­поль­зу­ют­ся для даль­ней­шей об­ра­бот­ки.

К при­ме­ру, циф­ро­вых по­мощ­ни­ков мож­но на­учить про­гно­зи­ро­вать и за­тем предот­вра­щать сбои в ра­бо­те сер­ве­ров и се­те­во­го обо­ру­до­ва­ния. Для это­го они долж­ны ана­ли­зи­ро­вать зву­ки, из­да­ва­е­мые уста­нов­лен­ны­ми в стой­ках ис­точ­ни­ка­ми пи­та­ния, и срав­ни­вать по­лу­чен­ные ре­зуль­та­ты с аку­сти­че­ски­ми шаб­ло­на­ми, ха­рак­те­ри­зу­ю­щи­ми ста­биль­ные ре­жи­мы ра­бо­ты этих устройств.

А ха­рак­те­ри­сти­ки зву­ков и виб­ра­ций фаль­шпо­ла и сто­ек предо­став­ля­ют воз­мож­ность оце­нить со­сто­я­ние ап­па­рат­ных си­стем ЦОД и спро­гно­зи­ро­вать де­гра­да­цию их про­из­во­ди­тель­но­сти в слу­чае пре­вы­ше­ния по­ро­го­вых зна­че­ний ис­сле­ду­е­мых па­ра­мет­ров.

Бла­го­да­ря вы­со­кой про­дук­тив­но­сти «ис­кус­ствен­ных лич­но­стей», спо­соб­ных об­ра­ба­ты­вать сот­ни ты­сяч па­ра­мет­ров в се­кун­ду, по­яв­ля­ет­ся воз­мож­ность со­гла­со­ван­но управ­лять в ре­аль­ном вре­ме­ни раз­лич­ны­ми си­сте­ма­ми цен­тров об­ра­бот­ки дан­ных, а так­же на­кап­ли­вать по­лу­чен­ные дан­ные и ис­поль­зо­вать их для по­сле­ду­ю­ще­го ана­ли­за.

Циф­ро­вые по­мощ­ни­ки, по­яс­ня­ют в LitBit, спо­соб­ны вза­и­мо­дей­ство­вать со сто­рон­ни­ми служ­ба­ми, от­прав­лять со­об­ще­ния че­рез кор­по­ра­тив­ный мес­сен­джер Slack или вы­пол­нять го­ло­со­вые ко­ман­ды

Amazon Echo. Они осу­ществ­ля­ют он­лай­но­б­ра­бот­ку есте­ствен­но­го язы­ка и под­дер­жи­ва­ют ко­гни­тив­ные вы­чис­ле­ния.

В кон­це 2017-го на­ча­лось внед­ре­ние тех­но­ло­гий LitBit в ка­над­ской ком­па­нии ROOT Data Center, предо­став­ля­ю­щей услу­ги арен­ды пло­ща­дей в двух цен­трах об­ра­бот­ки дан­ных в Мон­ре­а­ле. Там на­ме­ре­ны ис­сле­до­вать воз­мож­но­сти «пер­сон» LitBit для обес­пе­че­ния без­от­каз­ной ра­бо­ты ЦОД.

На пер­вом эта­пе пла­ни­ру­ет­ся при­ме­нять ис­кус­ствен­ный ин­тел­лект по­мощ­ни­ка по име­ни Алекс для мо­ни­то­рин­га ра­бо­ты ди­зель-ге­не­ра­то­ров. Уста­нов­лен­ные в кор­пу­сах ДГУ мик­ро­фо­ны спо­соб­ны улав­ли­вать зву­ко­вые от­кло­не­ния от нор­маль­ных ре­жи­мов ра­бо­ты, что поз­во­ля­ет про­гно­зи­ро­вать даль­ней­шее по­ве­де­ние этих си­стем и пред­ви­деть по­тен­ци­аль­ные от­ка­зы.

Как ожи­да­ет­ся, за счет фор­ми­ро­ва­ния и обу­че­ния раз­лич­ных ин­же­нер­ных по­мощ­ни­ков экс­плу­а­та­ци­он­но­го пер­со­на­ла удаст­ся по­вы­сить эф­фек­тив­ность ра­бо­ты ROOT Data Center.

Тех­но­ло­гию LitBit на­ме­ре­ны ис­поль­зо­вать и в CBRE Group. Эта круп­ней­шая в ми­ре ком­па­ния со штаб-квар­ти­рой в ЛосАн­дже­ле­се ока­зы­ва­ет услу­ги в сфе­ре ком­мер­че­ской недви­жи­мо­сти. Ее спе­ци­а­ли­сты при­сту­пи­ли к обу­че­нию циф­ро­во­го по­мощ­ни­ка, ко­то­ро­го на­зва­ли Remi (Risk Exposure Mitigation Intelligence): он дол­жен осво­ить стан­дарт­ные ре­жи­мы функ­ци­о­ни­ро­ва­ния обо­ру­до­ва­ния, уста­нов­лен­но­го в 800 цен­трах об­ра­бот­ки дан­ных, рас­по­ло­жен­ных в раз­ных стра­нах ми­ра.

Та­кое обу­че­ние, по­ла­га­ют в CBRE Group, поз­во­лит скон­цен­три­ро­вать опыт экс­плу­а­та­ци­он­но­го пер­со­на­ла всех ЦОД в еди­ной ба­зе зна­ний, до­ступ к ко­то­рой (в том чис­ле по­сред­ством мо­биль­ных устройств) по­лу­чит каж­дый спе­ци­а­лист служ­бы экс­плу­а­та­ции.

РО­БО­ТЫ ЗА­МЕ­НЯ­ЮТ КОММУТАЦИОННЫЕ ПА­НЕ­ЛИ

В аме­ри­кан­ской ком­па­нии Wave2Wave раз­ра­бо­та­на ро­бо­ти­зи­ро­ван­ная си­сте­ма ком­му­та­ции во­ло­кон­но-оп­ти­че­ских ка­бе­лей, ко­то­рая ав­то­ма­ти­зи­ру­ет фор­ми­ро­ва­ние пе­ре­крест­ных со­еди­не­ний в уз­лах об­ме­на тра­фи­ком (meet-me room) цен­тров об­ра­бот­ки дан­ных. Та­кие уз­лы (их на­зы­ва­ют так­же пи­рин­го­вы­ми) обес­пе­чи­ва­ют не толь­ко под­клю­че­ние ЦОД и арен­да­то­ров их сер­ви­сов к ка­на­лам свя­зи те­ле­ком­му­ни­ка­ци­он­ных ком­па­ний, но и ком­му­та­цию та­ких со­еди­не­ний, в том чис­ле для вза­и­мо­дей­ствия с но­вы­ми про­вай­де­ра­ми услуг свя­зи и непо­сред­ствен­но­го об­ме­на дан­ны­ми меж­ду раз­лич­ны­ми арен­да­то­ра­ми сер­ви­сов ЦОД.

Соз­дан­ная в Wave2Wave ро­бо­ти­зи­ро­ван­ная плат­фор­ма пе­ре­клю­че­ния оп­ти­че­ских со­еди­не­ний (Robotic Optical Management Engine, ROME) за несколь­ко се­кунд осу­ществ­ля­ет оп­ти­че­скую кросс-ком­му­та­цию без уча­стия че­ло­ве­ка.

Эта плат­фор­ма рас­ши­ря­ет функ­ци­о­наль­ность про­грамм­но­го управ­ле­ния се­те­вой ин­фра­струк­ту­рой, рас­про­стра­няя дей­ствие ме­то­дов SDN (Software-Defined Networking) на ее ниж­ний, фи­зи­че­ский уро­вень.

Устрой­ства ROME, раз­ме­ща­е­мые в 19-дюй­мо­вых стой­ках, «про­зрач­ны» по от­но­ше­нию к про­то­ко­лам и ско­ро­сти пе­ре­да­чи тра­фи­ка. Узел их ло­ги­че­ско­го управ­ле­ния (Logical Control Unit) уста­нав­ли­ва­ет­ся в шас­си форм-фак­то­ра 1RU и ра­бо­та­ет на ба­зе опе­ра­ци­он­ной си­сте­мы ре­аль­но­го вре­ме­ни и со­здан­но­го для ROME про­грамм­но­го обес­пе­че­ния.

Управ­ле­ние ме­ха­ни­че­ски­ми ком­по­нен­та­ми ROME осу­ществ­ля­ет­ся кон­трол­ле­ра­ми Robotic Control Unit. Они ис­поль­зу­ют си­сте­мы с сер­во­управ­ле­ни­ем, ко­то­рые пе­ре­ме­ща­ют с точ­но­стью до од­но­го мик­ро­мет­ра две ро­бо­ти­зи­ро­ван­ные «ру­ки», за­хва­ты­ва­ю­щие оп­ти­че­ские ка­бе­ли.

Ос­нов­ные мо­де­ли оп­ти­че­ских крос­сов Wave2Wave — ROME 250 и ROME 500 на 256 и 512 во­ло­кон­но-оп­ти­че­ских со­еди­не­ний со­от­вет­ствен­но (см. рис. 3). Они вы­пус­ка­ют­ся в мо­ди­фи­ка­ци­ях с од­но­мо­до­вы­ми и мно­го­мо­до­вы­ми (OM4) во­ло­кон­но-оп­ти­че­ски­ми ка­бе­ля­ми.

Эти ав­то­ма­ти­зи­ро­ван­ные коммутационные па­не­ли за­ни­ма­ют вме­сте с уз­лом ло­ги­че­ско­го управ­ле­ния про­стран­ство 11RU в стан­дарт­ной стой­ке. По дан­ным раз­ра­бот­чи­ков, уста­нов­лен­ные со­еди­не­ния со­хра­ня­ют­ся да­же при от­клю­че­нии пи­та­ния устройств ROME.

В ком­па­нии Wave2Wave счи­та­ют, что ро­бо­то­тех­ни­ка и ис­кус­ствен­ный ин­тел­лект мо­гут при­ме­нять­ся для ав­то­ма­ти­за­ции Рис. 3. Плат­фор­ма ROME рас­про­стра­ня­ет дей­ствие ме­то­дов про­грамм­но­го управ­ле­ния на фи­зи­че­ский уро­вень се­те­вой ин­фра­струк­ту­ры

управ­ле­ния раз­лич­ны­ми си­сте­ма­ми цен­тров об­ра­бот­ки дан­ных. К при­ме­ру, ROME мож­но ис­поль­зо­вать для свя­зи сер­ве­ров и уста­нав­ли­ва­е­мых в стой­ках ком­му­та­то­ров top-of-rack, а так­же раз­ме­щать их в раз­лич­ных ме­стах се­ти ЦОД с ди­стан­ци­он­ным цен­тра­ли­зо­ван­ным управ­ле­ни­ем.

ДРУ­ГИЕ ПРИ­МЕ­РЫ

Машинное обу­че­ние от­кры­ва­ет но­вые воз­мож­но­сти в сфе­ре управ­ле­ния цен­тра­ми об­ра­бот­ки дан­ных. Ана­лиз огром­но­го чис­ла пе­ре­мен­ных и учет мно­же­ства од­но­вре­мен­но дей­ству­ю­щих фак­то­ров все ча­ще ока­зы­ва­ют­ся невы­пол­ни­мой за­да­чей да­же для вы­со­ко­ква­ли­фи­ци­ро­ван­ных спе­ци­а­ли­стов, об­ла­да­ю­щих зна­чи­тель­ным опы­том экс­плу­а­та­ции ЦОД.

В бри­тан­ской ком­па­нии Romonet со­зда­ли об­лач­ную плат­фор­му про­гно­сти­че­ской ана­ли­ти­ки, ко­то­рая спо­соб­на ана­ли­зи­ро­вать сто­и­мость ак­ти­вов ЦОД, оце­ни­вать вли­я­ние на нее ин­фра­струк­тур­ных из­ме­не­ний и про­гно­зи­ро­вать сум­мар­ную сто­и­мость вла­де­ния ЦОД (Total Cost of Ownership, TCO). Точ­ность ра­бо­ты про­гно­сти­че­ской мо­де­ли Romonet, по дан­ным ком­па­нии, до­сти­га­ет 97%.

Со­глас­но опуб­ли­ко­ван­ным дан­ным, в Intel при­ме­ня­ют тех­но­ло­гии Romonet, что­бы про­де­мон­стри­ро­вать пре­иму­ще­ства про­цес­со­ров, спо­соб­ных ра­бо­тать при по­вы­шен­ной тем­пе­ра­ту­ре. Уста­нов­ка та­ких про­цес­со­ров в сер­ве­рах сни­жа­ет TCO ЦОД.

Romonet внед­ря­ет в свою плат­фор­му тех­но­ло­гии ма­шин­но­го обу­че­ния и мо­де­ли-

ро­ва­ния, что­бы, ис­поль­зуя на­коп­лен­ные за несколь­ко лет дан­ные и пре­дик­тив­ную ана­ли­ти­ку, по­лу­чать все бо­лее точ­ные ре­зуль­та­ты. Мо­де­ли­ро­ва­ние, по дан­ным ком­па­нии, мо­жет осу­ществ­лять­ся без уста­нов­ки мно­го­чис­лен­ных дат­чи­ков на ос­но­ва­нии све­де­ний, со­дер­жа­щих­ся в про­ект­ной до­ку­мен­та­ции ЦОД.

В ка­ли­фор­ний­ском стар­та­пе Coolan (ком­па­ния вхо­дит в со­став Salesforce. com), со­здан­ном од­ним из ос­но­ва­те­лей Facebook Open Compute Project, ре­ши­ли с по­мо­щью ма­шин­но­го обу­че­ния и пре­дик­тив­ной ана­ли­ти­ки по­вы­сить уро­вень го­тов­но­сти цен­тров об­ра­бот­ки дан­ных, сни­зить чис­ло от­ка­зов и свя­зан­ных с ни­ми про­сто­ев.

Раз­ра­бо­тан­ное в ком­па­нии ре­ше­ние со­би­ра­ет, аг­ре­ги­ру­ет и хра­нит дан­ные, ха­рак­те­ри­зи­ру­ю­щие со­сто­я­ние сер­ве­ров за­каз­чи­ков, ре­жи­мы ра­бо­ты си­сте­мы элек­тро­снаб­же­ния и т. п. Вы­да­ва­е­мые си­сте­мой ре­ко­мен­да­ции о необ­хо­ди­мо­сти за­ме­ны сер­ве­ров и дру­гих мер поз­во­ля­ют бо­лее точ­но управ­лять ин­фра­струк­ту­рой.

Salesforce при­об­ре­ла Coolan для под­держ­ки про­грам­мы уни­фи­ка­ции сво­их ЦОД, преду­смат­ри­ва­ю­щей со­кра­ще­ние ти­пов сер­ве­ров и по­вы­ше­ние уров­ня ав­то­ма­ти­за­ции их экс­плу­а­та­ции.

В ком­па­нии Vigilent из Крем­ни­е­вой до­ли­ны ис­поль­зу­ют ис­кус­ствен­ный ин­тел­лект и машинное обу­че­ние для оп­ти­ми­за­ции в ре­аль­ном вре­ме­ни тем­пе­ра­тур­ных ре­жи­мов в ЦОД и сер­вер­ных по­ме­ще­ни­ях. Обу­че­ние си­стем Vigilent на­чи­на­ет­ся с мо­мен­та их вво­да в дей­ствие и про­дол­жа­ет­ся в про­цес­се даль­ней­шей экс­плу­а­та­ции.

Сбор дан­ных о тем­пе­ра­ту­ре для ПО ди­на­ми­че­ско­го управ­ле­ния си­сте­мой охла­жде­ния Vigilent Dynamic Cooling Management осу­ществ­ля­ет­ся яче­и­стой се­тью бес­про­вод­ных дат­чи­ков, уста­нов­лен­ных в раз­лич­ных точ­ках ма­шин­ных за­лов. Важ­ней­шим ком­по­нен­том это­го ПО яв­ля­ет­ся мо­дуль DCIM Toolkit.

В ком­па­нии по­яс­ня­ют, что пред­ло­жен­ные ее раз­ра­бот­чи­ка­ми ре­ше­ния спо­соб­ны оп­ти­ми­зи­ро­вать рас­пре­де­ле­ние теп­ла в ЦОД, устра­нить точ­ки пе­ре­гре­ва, по­вы­сить ути­ли­зи­цию охла­жда­ю­ще­го обо­ру­до­ва­ния, до 40% мощ­но­сти ко­то­ро­го в сред­нем рас­хо­ду­ет­ся нера­ци­о­наль­но. Ре­ше­ние Vigilent, оп­ти­ми­зи­ру­ю­щее со­от­но­ше­ние мощ­но­сти охла­жде­ния и ре­аль­ной ИТ-на­груз­ки, ис­поль­зу­ет­ся сов­мест­но с си­сте­мой Siemens Demand Flow для управ­ле­ния ра­бо­той хо­ло­диль­ных ма­шин, уста­нов­лен­ных в ЦОД. Кро­ме то­го, ком­па­ния Schneider Electric за­клю­чи­ла парт­нер­ское со­гла­ше­ние с Vigilent, что­бы встро­ить мо­дуль Cooling Optimize в ком­плекс управ­ле­ния ин­фра­струк­ту­рой ЦОД StruxureWare for Data Centers.

В ком­па­нии Mindi Technologies, за­ре­ги­стри­ро­ван­ной два го­да на­зад в Ве­ли­ко­бри­та­нии, раз­ра­ба­ты­ва­ют си­сте­му Autopilot на ос­но­ве тех­но­ло­гий ис­кус­ствен­но­го ин­тел­лек­та для про­гно­зи­ро­ва­ния раз­лич­но­го ро­да нештат­ных со­бы­тий в ЦОД, вклю­чая от­ка­зы ИТи ин­же­нер­ных ком­плек­сов, сбои си­стем­но­го ПО, про­бле­мы с энер­го­снаб­же­ни­ем, ин­ци­ден­ты без­опас­но­сти.

Сна­ча­ла спе­ци­а­ли­сты Mindi Technologies на­ме­ре­ны за­нять­ся ин­тел­лек­ту­аль­ной ба­лан­си­ров­кой рас­пре­де­ле­ния ИТ-ре­сур­сов сер­ве­ров, од­но­вре­мен­но под­дер­жи­ва­ю­щих несколь­ко ра­бо­чих на­гру­зок, что даст воз­мож­ность про­гно­зи­ро­вать по­треб­но­сти в ре­сур­сах и обес­пе­чить ста­биль­ность ра­бо­ты при­ло­же­ний. В даль­ней­ших пла­нах — оп­ти­ми­за­ция за­груз­ки сер­ве­ров, поз­во­ля­ю­щая со­кра­тить чис­ло фи­зи­че­ских ма­шин в ЦОД.

Amadeus IT Group, по­став­щик ИТ-сер­ви­сов для от­рас­ли авиа­пе­ре­во­зок, на­ме­рен при­ме­нить ис­кус­ствен­ный ин­тел­лект плат­фор­мы IBM Watson для мо­ни­то­рин­га ин­фра­струк­ту­ры цен­тра об­ра­бот­ки дан­ных, в ко­то­ром уста­нов­ле­но бо­лее 10 тыс. сер­ве­ров.

В ком­па­нии оза­бо­че­ны неэф­фек­тив­но­стью руч­но­го мо­ни­то­рин­га непред­ви­ден­ных си­ту­а­ций и ре­гу­ляр­ны­ми за­труд­не­ни­я­ми при устра­не­нии про­блем в усло­ви­ях по­сто­ян­но­го рас­ши­ре­ния спек­тра ре­ша­е­мых за­дач и по­вы­ше­ния их слож­но­сти. По­это­му в Amadeus IT Group стре­мят­ся мак­си­маль­но ав­то­ма­ти­зи­ро­вать управ­ле­ние, а так­же ис­поль­зо­вать ис­кус­ствен­ный ин­тел­лект для со­став­ле­ния про­гно­зов и свое­вре­мен­но­го ис­прав­ле­ния непо­ла­док без при­вле­че­ния пер­со­на­ла.

ЛЮ­ДИ И КОМ­ПЬЮ­ТЕ­РЫ

Со­глас­но ис­сле­до­ва­ни­ям ком­па­нии Accenture, бла­го­да­ря ис­поль­зо­ва­нию ис­кус­ствен­но­го ин­тел­лек­та, в 2035 го­ду рост эко­но­ми­ки мо­жет со­ста­вить 14 трлн дол­ла­ров, а по­ка­за­те­ли рен­та­бель­но­сти во всех сфе­рах хо­зяй­ствен­ной де­я­тель­но­сти по­вы­сят­ся в сред­нем на 38%.

В Gartner счи­та­ют, что по­чти треть цен­тров об­ра­бот­ки дан­ных, по­пыт­ки ко­то­рых внед­рить ис­кус­ствен­ный ин­тел­лект и машинное обу­че­ние ока­жут­ся без­ре­зуль­тат­ны­ми, к 2020 го­ду ока­жут­ся эко­но­ми­че­ски неэф­фек­тив­ны­ми.

В све­те по­доб­ных про­гно­зов внед­ре­ние ис­кус­ствен­но­го ин­тел­лек­та и дру­гих но­вей­ших тех­но­ло­гий для ав­то­ма­ти­за­ции про­цес­сов в от­рас­ли ЦОД яв­ля­ет­ся пер­спек­тив­ным и вос­тре­бо­ван­ным ре­ше­ни­ем.

С ро­стом мас­шта­бов ЦОД, как уже от­ме­ча­лось, мно­гие про­бле­мы уже невоз­мож­но ре­шить вруч­ную. «ЦОДо­стро­е­ние» идет по пу­ти со­зда­ния про­грамм­но­управ­ля­е­мых, са­мо­оп­ти­ми­зи­ру­ю­щих­ся и са­мо­вос­ста­нав­ли­ва­ю­щих­ся цен­тров об­ра­бот­ки дан­ных, пер­со­нал ко­то­рых осво­бож­да­ет­ся от мно­гих ру­тин­ных опе­ра­ций.

Вслед­ствие ав­то­ма­ти­за­ции, ро­бо­ти­за­ции и стан­дар­ти­за­ции по­сто­ян­ное при­сут­ствие в ма­шин­ных за­лах вы­со­ко­ква­ли­фи­ци­ро­ван­ных спе­ци­а­ли­стов служб экс­плу­а­та­ции ЦОД ста­но­вит­ся необя­за­тель­ным, и вполне есте­ствен­но воз­ни­ка­ет во­прос о воз­мож­ном со­кра­ще­нии пер­со­на­ла.

Од­на­ко мно­го­чис­лен­ные ис­сле­до­ва­ния ана­ли­ти­ков, опро­сы ру­ко­во­ди­те­лей ИТ-пред­при­я­тий и цен­тров об­ра­бот­ки дан­ных сви­де­тель­ству­ют о том, что ква­ли­фи­ци­ро­ван­ных спе­ци­а­ли­стов, ра­бо­та­ю­щих в об­ла­сти ин­фор­ма­ци­он­ных тех­но­ло­гий, не хва­та­ет. По­это­му вы­сво­бож­да­ю­щи­е­ся в хо­де ав­то­ма­ти­за­ции со­труд­ни­ки не оста­нут­ся без де­ла, но им, воз­мож­но, при­дет­ся по­лу­чать но­вые зна­ния. В PricewaterhouseCoopers, к при­ме­ру, счи­та­ют, что в те­че­ние бли­жай­ших пя­ти лет нуж­но бу­дет го­раз­до боль­ше спе­ци­а­ли­стов в об­ла­сти ана­ли­ти­ки и ро­бо­то­тех­ни­ки.

Ис­кус­ствен­ный ин­тел­лект и машинное обу­че­ние спо­соб­ны зна­чи­тель­но по­вы­сить эф­фек­тив­ность цен­тров об­ра­бот­ки дан­ных. Се­год­ня от­расль ЦОД на­хо­дит­ся в са­мом на­ча­ле пу­ти их внед­ре­ния, из­ме­не­ния па­ра­диг­мы управ­ле­ния и рас­пре­де­ле­ния за­дач экс­плу­а­та­ции меж­ду людь­ми и ком­пью­те­ра­ми.

Ис­точ­ник: HPE Ис­точ­ник: Google

Рис. 1. Об­лач­ная плат­фор­ма HPE InfoSight по­мо­га­ет вы­яв­лять и про­гно­зи­ро­вать про­бле­мы в ИТ-ин­фра­струк­ту­ре Рис. 2. Ре­ше­ние DeepMind опре­де­ля­ет оп­ти­маль­ные ре­жи­мы ра­бо­ты си­сте­мы охла­жде­ния ЦОД Google

Ис­точ­ник: Wave2Wave

Newspapers in Russian

Newspapers from Russia

© PressReader. All rights reserved.