Comment l'apprentissage automatique change la gestion des centres de données

​L'apprentissage automatique va radicalement changer l'économie des centres de données et ouvrir la voie à un avenir meilleur.

Alors que les racks commencent à se remplir d'ASIC, de GPU, de FPGA et de supercalculateurs, l'apprentissage automatique et l'intelligence artificielle ont fait leur entrée dans les centres de données et changent l'apparence des fermes de serveurs hyperscale.

Ces techniques augmentent la puissance informatique disponible pour la formation des systèmes d’apprentissage automatique, une tâche qui nécessitait auparavant un traitement approfondi des données. L’objectif ultime est de créer des applications plus intelligentes et d’améliorer les services que les entreprises utilisent déjà quotidiennement. S’appuyer uniquement sur le jugement humain et le bon sens ne répondra pas aux normes requises d’exactitude et de validité. La seule façon durable de répondre à la demande de services informatiques à grande échelle est de passer entièrement à une prise de décision basée sur les données et d’utiliser toutes les données pour améliorer les résultats. En raison de la disponibilité de fournisseurs du secteur proposant des logiciels de gestion de centres de données ou des services basés sur le cloud qui exploitent cette technologie, certaines entreprises ou fournisseurs de services gérés sans la même échelle ou la même expertise sont devenus les premiers à adopter l'apprentissage automatique.

Selon IDC, d'ici 2022, 50 % des actifs informatiques des centres de données fonctionneront de manière indépendante grâce à la technologie d'intelligence artificielle embarquée. De nombreuses opérations globales, notamment la planification et la conception, les charges de travail, la disponibilité et la gestion des coûts, peuvent être optimisées dans le centre de données grâce à l'apprentissage automatique.

Voici quelques-uns des plus grands cas d'utilisation du machine learning dans la gestion des centres de données aujourd'hui :

• Amélioration de l'efficacité du centre de données : les entreprises peuvent utiliser le machine learning pour gérer de manière autonome l'environnement physique de leurs centres de données plutôt que de s'appuyer sur des alertes logicielles. Cela impliquera qu'un logiciel apporte des modifications en temps réel à l'architecture et à la disposition physique du centre de données.
• Planification de la capacité : l'apprentissage automatique dans les centres de données peut aider les entreprises informatiques à prévoir la demande afin qu'elles ne manquent pas d'espace, d'énergie, de refroidissement ou de ressources informatiques. Les algorithmes peuvent aider une entreprise à déterminer comment un changement affecte la capacité d'une installation, par exemple s'il s'agit de consolider des centres de données et de déplacer des applications et des données vers un centre de données central.
• Réduire les risques opérationnels : la prévention des temps d'arrêt est une tâche essentielle pour les opérateurs de centres de données, et l'apprentissage automatique peut faciliter leur prévision et leur prévention. Les logiciels d'apprentissage automatique utilisés dans la gestion des centres de données suivent les données de performances des composants critiques, tels que les systèmes de refroidissement et de gestion de l'alimentation, et prédisent le moment où l'équipement est susceptible de tomber en panne. En conséquence, une maintenance préventive peut être effectuée sur ces systèmes et des temps d'arrêt coûteux peuvent être évités.
• Utilisez des données intelligentes pour réduire le taux de désabonnement des clients : les entreprises peuvent utiliser l'apprentissage automatique dans les centres de données pour mieux comprendre leurs clients et potentiellement prédire leur comportement. En intégrant un logiciel d'apprentissage automatique aux systèmes de gestion de la relation client (CRM), les centres de données basés sur l'IA pourraient rechercher et récupérer des données à partir de bases de données historiques qui ne sont généralement pas utilisées dans le CRM, ce qui permettrait au système CRM de développer de nouveaux prospects ou clients. . Stratégies pour réussir.
• Analyse et modélisation de l'impact budgétaire : cette technologie combine les données opérationnelles et de performance du centre de données avec des données financières (en particulier les informations fiscales applicables) pour aider à déterminer le prix d'achat et d'entretien de l'équipement informatique.

L'apprentissage automatique peut examiner des téraoctets de données historiques et appliquer des paramètres à ses décisions en une fraction de seconde, car il peut agir plus rapidement que n'importe quel humain. Ceci est utile lorsque vous suivez toutes les activités de votre centre de données. Les deux principaux problèmes que les fournisseurs et les opérateurs de centres de données résolvent grâce à l'apprentissage automatique sont l'amélioration de l'efficacité et la réduction des risques.

Par exemple, Digital Realty Trust, le plus grand fournisseur d'hébergement au monde avec plus de 200 centres de données, a récemment commencé à tester la technologie d'apprentissage automatique. La capacité humaine à consommer et à traiter la vaste gamme de systèmes, d’appareils et de données sous-jacents nécessaires au fonctionnement de l’infrastructure est rapidement épuisée. DigitalRealty en bénéficiera grâce à ses capacités supérieures de traitement, de réaction, de communication et de prise de décision en temps réel.

La conclusion fondamentale est que les opérateurs de centres de données disposent de nombreuses options pour tirer parti de l’intelligence artificielle et de l’apprentissage automatique, et qu’il y aura davantage d’options à mesure que la technologie deviendra plus abordable et plus avancée. Un avenir radieux nous attend.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!