- виртуализация
В 2022 году российский рынок искусственного интеллекта достиг объема $300 млн. И продолжает расти. Причем не только за счет приложений искусственного интеллекта для промышленности или НИОКР. Рост влияния ИИ ощущают на себе и дата-центры.
В ЦОД искусственный интеллект помогает обнаруживать киберугрозы, отслеживать показатели мощностей и сетевых ресурсов, оптимизировать процессы эксплуатации. Это стало возможным благодаря высокому уровню автоматизации бизнес-процессов в ЦОД.
Автоматизация как база для внедрения искусственного интеллекта
Автоматизация — управление рутинными процессами без участия человека. Когда данные по энергопотреблению, температуре и влажности в серверных залах автоматически поступают в программно-аппаратный комплекс. Задачи открываются, закрываются и отслеживаются через систему тикетов. Когда на основании сухих данных строится наглядная картинка и диспетчер видит узкие места системы. В ЦОД системы автоматизации работают на трех уровнях. В идеале — интегрированно, в составе одной платформы.
На первом уровне автоматизируются инженерные коммуникации. Основные элементы инженерной инфраструктуры оснащаются датчиками, с которых данные в автоматическом режиме поступают в систему управления. В нашем случае сбор информации идет с датчиков систем кондиционирования машинных залов, контроля протечек, противодымной защиты и пр.
На втором уровне автоматизация затрагивает процессы управления информационными потоками:
- контроль параметров работы сети,
- хранение информации в хранилищах с определенной глубиной архивации,
- визуализация в виде графиков, мнемосхем, карт,
- автоматический запуск процесса, установленного регламентом, например звуковая сигнализация при превышении нормативных показателей и т.д.
Интегрированные на одной информационной платформе, первый и второй уровень автоматизации наращиваются третьим «ярусом» — системой автоматизированного управления. Она не только фиксирует состояние оборудования и сетевой инфраструктуры, но и выдает запрограммированные рекомендации по решению проблем, напоминает о необходимости модернизации технических ресурсов ЦОД.
С ростом уровня автоматизации в информационном пространстве ЦОД накапливаются массивы данных по нагрузкам и инцидентам, service desk, параметрам внешней среды, регламентному обслуживанию. Эти массивы — основа для подготовки базовых алгоритмов ИИ и построения масштабных прогнозных моделей или систем интеллектуального анализа. Такая практика в ЦОД есть и российские дата-центры к ней готовы.
Точки приложения искусственного интеллекта в ЦОД
Искусственный интеллект в дата-центре применим везде, где нужно обрабатывать большие объемы разноформатных данных, строить прогнозы и давать рекомендации. В мировой и российской практике в ЦОД используются системы:
- интеллектуального анализа логов для предупреждения критических инцидентов,
- моделирования различных компонентов инфраструктуры в ЦОД и их влияние на работу дата-центра,
- рекомендаций по настройке оборудования для оптимизации энергопотребления,
- анализа наиболее подходящего времени для переноса рабочих нагрузок, эксплуатационных работ или технического обслуживания,
- технического анализа метрик сети, выявления аномалий, сигнатурного исследования и фильтрации интеллектуальных атак.
Последнее решение мы используем в облаке для защиты приложений наших клиентов от киберугроз прикладного уровня L7. В данном случае берет искусственный интеллект на себя многофакторный анализ в режиме реального времени. Обучаясь на реальном трафике, с каждой новой атакой он получает больше данных и поднимается на новый уровень киберзащиты.
На практике большая часть реализуемых в ЦОД решений с ИИ — это не искусственный интеллект в чистом виде. В основном это сочетание искусственного интеллекта и интернета вещей — AIoT. В составе AIoT:
1. Интернет вещей (физический объект+контроллер/сенсор+интернет), который накапливает структурированные и неструктурированные данные, поддерживает связь между подключенными устройствами и пользователем.
2. Искусственный интеллект, который ищет взаимозависимости в собранных данных, описывает их, прогнозирует последствия и предупреждает о необходимых превентивных мерах.
При облачном подходе к AIoT архитектура системы выстраивается на нескольких уровнях: физический объект → шлюзовое подключение → хранение и обработка данных в облаке → взаимодействие с пользователем через визуализацию данных.
Подход граничных вычислений предусматривает обработку данных с объектов интернета вещей не в облаке, а непосредственно на подключенных устройствах. В этом случае обученная ИИ модель работает на периферийных устройствах и, в зависимости от уровня вычислений (низкий, средний и высокопроизводительный), ИИ может прямо на границе сети принимать быстрые решения, обнаруживать аномалии на основе собранных метрик и обрабатывать большие объемы данных для экспертных систем. В то же время технология граничных вычислений не исключает использования облака: в облачное хранилище могут передаваться сырые данные или ситуативная информация, которую впоследствии планируется использовать для переобучения ИИ.
Прикладные решения AIoT уже активно используются в ЦОД. Это и системы оценки взаимосвязи между температурой в стойках, настройками, мощностью охлаждающего оборудования, энергопотреблением и риском аварийного отказа. И инструменты защиты от киберугроз на базе многофакторного ИИ-анализа в режиме реального времени. И системы обработки видеоданных с камер для обнаружения нарушений или потенциально опасных инцидентов. Последние несколько лет мы видим, как технологии ИИ повышают производительность отдельных систем и ЦОДа в целом. Помогают рационально использовать аппаратные ресурсы, поддерживать идеальный баланс эффективности и рентабельности. Для дата-центров это перспектива шаг за шагом повышать отказоустойчивость и выходить на новый уровень сервиса. Для клиентов дата-центров — возможность достигать стратегических бизнес-целей быстрее, с меньшими затратами и рисками.