Cinq obstacles à l'automatisation des centres de données
Il est facile de penser que, dans le data center et au-delà, l’automatisation ne connaît pas de frontières. L’intelligence artificielle offre des possibilités apparemment infinies pour améliorer les opérations et les réseaux des centres de données. L’ensemble du secteur informatique a adopté le concept selon lequel les flux de travail peuvent être entièrement automatisés au point où nous pouvons atteindre un état NoOps. À l’intérieur du centre de données, il n’y a presque rien que nous ne puissions automatiser.
Bien que la technologie moderne ait un potentiel pour l'automatisation des centres de données, il est encore difficile de réaliser l'automatisation dans des aspects clés, ce qui est le résultat de la réalité.
En fait, en raison des caractéristiques physiques du centre de données, il est à certains égards plus difficile à automatiser que d'autres types d'infrastructures ou d'environnements informatiques.
Pour prouver ce point, examinons cinq aspects d’un centre de données ou des opérations d’un centre de données qui ne seront pas entièrement automatisés tout de suite.
1. Déploiement de serveurs
Dans les cloud publics, le déploiement automatique de serveurs est aussi simple que l'application de modèles d'infrastructure en tant que code pour provisionner les ressources cloud.
Cependant, dans un data center, ce type d'automatisation n'est pas possible car les serveurs sont du matériel physique. Quelqu'un doit installer physiquement le serveur, connecter les câbles d'alimentation et réseau, assurer un refroidissement adéquat, etc.
En théorie, les robots peuvent automatiser une grande partie du travail de déploiement de serveurs dans les centres de données. Cependant, pour que les robots fonctionnent efficacement à cet égard, les opérations doivent être effectuées à grande échelle et les déploiements de serveurs doivent être cohérents et prévisibles pour permettre l'automatisation sans intervention humaine. Cependant, la plupart des déploiements de serveurs actuels ne répondent pas à ces normes.
Alors que les gens discutent du potentiel de l'automatisation robotisée des centres de données depuis au moins une décennie, les raisons pour lesquelles nous voyons si peu de robots dans les centres de données sont multifactorielles. Dans la plupart des cas, les applications robotisées ne sont pas pratiques. Par conséquent, on s’attend à ce que le déploiement des serveurs continue à être manuel dans un avenir prévisible.
2. Maintenance du matériel
Normalement, la maintenance du matériel du serveur à l'intérieur du centre de données n'est pas une tâche qui peut être automatisée. Le remplacement des disques défectueux, des câbles et des blocs d'alimentation effilochés et la mise à jour des cartes réseau sont autant de routines courantes dans les centres de données. La seule façon de résoudre ces problèmes est d’envoyer des techniciens effectuer des travaux de déploiement et de maintenance.
3. Installation et maintenance CVC
Les systèmes CVC empêchent la surchauffe des équipements informatiques et constituent un élément important de chaque centre de données. Comme les serveurs, les systèmes CVC contiennent des composants physiques qui nécessitent une maintenance manuelle.
Les capteurs et systèmes de surveillance CVC à distance peuvent aider à automatiser certains processus liés à la gestion CVC, mais en fin de compte, la maintenance CVC n'est pas un travail qui peut être facilement automatisé dans le centre de données.
4. Sécurité physique
La sécurité physique des centres de données est un autre domaine dans lequel les systèmes de surveillance peuvent aider à automatiser certaines tâches, mais nécessitent une intervention humaine pour résoudre des problèmes majeurs.
Vous pouvez utiliser des capteurs pour suivre les mouvements des personnes au sein du centre de données, et des dispositifs biométriques peuvent être déployés pour contrôler automatiquement l'accès physique au centre de données. Cependant, si vous détectez un intrus ou si votre système de contrôle d’accès automatisé ne fonctionne pas correctement, vous aurez besoin d’intervention du personnel de sécurité.
5. Reprise après sinistre
Dans certains cas, les routines de reprise après sinistre peuvent être automatisées. En fait, l'automatisation de la reprise après sinistre est essentielle pour gagner du temps lors de la récupération de données ou d'applications après une panne.
Cependant, vous ne pouvez automatiser la reprise après sinistre que si les actifs que vous devez récupérer sont basés sur des logiciels et si vous disposez d'une infrastructure suffisante pour héberger les actifs récupérés.
Si la récupération nécessite le déploiement d'un nouveau matériel ou le remplacement de composants défaillants (ce qui peut être le cas si votre centre de données subit une catastrophe naturelle rendant certains systèmes inutilisables), vous devrez compter sur des humains pour effectuer le travail manuellement.
Limitations de l'automatisation des centres de données
Il existe de nombreuses bonnes raisons d'automatiser les opérations des centres de données aussi largement que possible. Mais de nombreux aspects de la gestion des centres de données ne se prêtent pas à l’automatisation.
Même à l’ère de l’IA générative et de la robotique, il est difficile d’imaginer que les humains soient bientôt complètement retirés des centres de données.
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!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
1393
52
1207
24
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0
Jun 18, 2024 pm 04:15 PM
Selon des informations publiées sur ce site Web le 18 juin, Samsung Semiconductor a récemment présenté sur son blog technologique son disque SSD de nouvelle génération de qualité centre de données BM1743, équipé de sa dernière mémoire flash QLC (v7). ▲Disque SSD de qualité centre de données Samsung QLC BM1743 Selon TrendForce en avril, dans le domaine des disques SSD de qualité centre de données QLC, seuls Samsung et Solidigm, une filiale de SK Hynix, avaient réussi la vérification du client d'entreprise à ce temps. Par rapport à la génération précédente v5QLCV-NAND (remarque sur ce site : Samsung v6V-NAND n'a pas de produits QLC), la mémoire flash Samsung v7QLCV-NAND a presque doublé le nombre de couches d'empilement et la densité de stockage a également été considérablement améliorée. Dans le même temps, la fluidité de v7QLCV-NAND
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
