Centros de dados: um caso de uso ideal para IA industrial.

O crescimento do data center

Um princípio frequentemente repetido na gestão é: "Aquilo que pode ser medido pode ser melhorado". Das finanças à produtividade, inúmeras métricas e indicadores-chave de desempenho bem conhecidos, como a receita por funcionário, impulsionam os processos de negócios e os sistemas de gestão.

A mensuração e as métricas tornam-se ainda mais relevantes em sistemas operacionais; da qualidade à eficiência, essas métricas muitas vezes definem os próprios processos.

Poucos ambientes operacionais se beneficiam tanto da otimização de processos quanto os data centers. Essas instalações possuem investimentos de capital massivos (como comprovam os US$ 750 milhões investidos pelo Facebook e os US$ 600 milhões gastos pelo Google em seus novos data centers) e custos operacionais igualmente significativos (consomem 3% da eletricidade mundial e têm uma pegada de carbono equivalente à da indústria da aviação global ).

Essas infraestruturas formam a espinha dorsal da nossa vida diária, desde o streaming de vídeo ao comércio e aos serviços bancários, e a sua importância só aumentará com a expansão da digitalização e o fluxo contínuo de novos serviços. A Uber é a prova disso.

Migrando para alternativas de data center para custos mais baixos e maior flexibilidade.

No entanto, os centros de dados estão passando por graves transformações. Um foco cada vez maior na redução de custos e riscos, ao mesmo tempo que se busca aumentar a flexibilidade, colocou essas instalações em evidência. É importante destacar que os centros de dados possuem um diferencial que poucos outros setores têm: a possibilidade de escolha. Existem inúmeras alternativas viáveis ​​ao centro de dados tradicional, desde softwares na nuvem (como o Microsoft 365) até a instalação de equipamentos em um espaço compartilhado (principalmente no mercado de provedores de colocation , com grandes empresas como a Digital Realty e a CyrusOne).

Como era de se esperar, existem muitas métricas estabelecidas para medir e operar data centers , incluindo eficiência energética, disponibilidade e utilização do espaço. No entanto, com as mudanças no mercado de data centers, será que estamos focando nas métricas certas? Para as métricas existentes, estamos coletando os pontos de dados corretos? Existem métricas e padrões ocultos esperando para serem explorados a fim de maximizar a utilidade dessas instalações?

Encontrando as métricas certas para maximizar a utilidade dos data centers

Para abordar esses pontos, vamos primeiro considerar as próprias instalações do data center. Simplificando, a escala, a complexidade e a otimização necessária dessas instalações exigem "gestão por IA", já que, cada vez mais, não podem ser planejadas e gerenciadas com regras e heurísticas tradicionais. Há diversos fatores que impulsionam essa tendência:

• Eficiência e impacto ambientalComo mencionado no início deste artigo, os centros de dados consomem uma quantidade considerável de energia e, consequentemente, o setor tem sido alvo de inegável escrutínio em relação à sua pegada energética. Somado aos custos de consumo, Os operadores estão abordando a questão da eficiência. de maneiras cada vez mais criativas e complexas.
• Consolidação do data centerOs centros de dados beneficiam-se, sem dúvida, das economias de escala e, quer os centros de dados corporativos sejam consolidados ou transferidos para instalações de colocation, o resultado são instalações cada vez maiores, com maior densidade e consumo de energia correspondente.
• Crescimento dos provedores de colocationProvedores de colocation, como Equinix e Digital Realty, para os quais disponibilidade, eficiência e redução de custos são fundamentais, estão crescendo cinco vezes mais rápido que o mercado em geral, conforme apontado em um relatório recente do 451 Group. Esses provedores possuem escala massiva e seus modelos de negócios focados em eficiência impulsionarão a IA, conferindo-lhes uma clara vantagem sobre a concorrência.
• Computação de bordaA ascensão dos data centers de borda, pequenos centros de dados frequentemente dispersos geograficamente, permite que as cargas de trabalho sejam alocadas de forma otimizada. Em vez de serem entidades isoladas, esses nós de borda, combinados com data centers centrais ou computação em nuvem, formam uma estrutura computacional cooperativa maior. Essa topologia complexa fornece inúmeras entradas e controles para otimização e disponibilidade, que, por sua vez, são melhor gerenciados por IA.

Um fator frequentemente negligenciado: gerenciamento de ativos de carga de trabalho

Os fatores acima mencionados receberam, com razão, maior atenção à medida que o mercado de data centers evoluiu, mas há outro elemento – talvez o mais importante de todos – que, até recentemente, foi negligenciado.

Para explicar esse fator, vamos considerar uma analogia ilustrativa. Por que as casas existem? Não pela sua estrutura, mas sim para proporcionar abrigo e conforto aos seus habitantes. Da mesma forma, por que os centros de dados existem? Não pelos inúmeros servidores e pelos enormes sistemas de energia e ar condicionado, mas sim pelos aplicativos ou cargas de trabalho que são executados no centro de dados.

Todos os ativos dentro do data center, desde sistemas de software até as próprias instalações, e os processos de gerenciamento desses ativos, existem exclusivamente para suportar as cargas de trabalho que são executadas sobre esses ativos. Isso dá origem à disciplina de Gerenciamento de Ativos de Carga de Trabalho , que é definida como "permitir a otimização da carga de trabalho por meio de insights inteligentes e gerenciamento abrangente dos ativos subjacentes".

A importância da gestão de ativos de carga de trabalho

Como o Workload Asset Management expande o conceito de gestão por IA? De diversas maneiras:

• Otimizando a disponibilidade Ao incorporar a virtualização prevista e o status das instalações ou equipamentos de TI no gerenciamento de cargas de trabalho, é possível mover as cargas de trabalho preventivamente entre ambientes virtuais, dentro ou entre data centers, ou coordená-las com alternativas em nuvem, otimizando a disponibilidade das aplicações.
• Gerenciamento holístico de cargas de trabalho ao incluir novos fatores, como o "Custo por Carga de Trabalho", tanto atual quanto previsto, nas considerações de alocação e gerenciamento.
• Otimizando o uso de energia Ao gerenciar as instalações com base no comportamento da carga de trabalho. Por que manter uma casa totalmente refrigerada quando não há ninguém em casa? Não fazemos isso. Os data centers não deveriam funcionar da mesma forma? Ao ter visibilidade das próprias cargas de trabalho, os sistemas de refrigeração e TI podem ser ajustados para cima ou para baixo com base no comportamento atual e previsto.
• Aprimoramento da manutenção preditiva e cenários de falha Utilizando análise multivariada, incorporando todos os pontos de dados disponíveis, incluindo os da carga de trabalho, para melhorar os resultados.
• Gerenciamento inteligente de alarmes e alertas Ao normalizar e racionalizar eventos significativos em todo um ecossistema, desde instalações até cargas de trabalho, a IA (Inteligência Artificial) se torna essencial. Um problema comum em data centers é lidar com alertas encadeados, o que dificulta a identificação da causa raiz dos problemas. O crescimento dos data centers de borda, frequentemente remotos e não tripulados, agrava consideravelmente esse problema. A IA, quando combinada com algoritmos de variação de taxa, desvio ou similares, oferece um mecanismo ideal para identificar e agir sobre alertas críticos.

Diversas tendências importantes e comuns estão surgindo neste segmento do mercado de IA industrial:

• Utilizando todos os recursos para otimizar os resultados.As operações de data center geram uma enorme quantidade de informações úteis para a gestão, desde infraestrutura crítica (energia, térmica) até segurança (violações, anomalias) e TI (servidores, virtualização). Normalmente, apenas um pequeno subconjunto dessas informações era utilizado ou adaptado a uma métrica ou indicador-chave de desempenho (KPI) específico. No entanto, um sistema cognitivo de verdade permite que todas as entradas sejam consideradas, pois podem existir padrões valiosos e até então desconhecidos que melhoram significativamente os resultados.
• Passando de uma postura reativa para uma postura proativa.Os data centers são predominantemente reativos: a movimentação de aplicativos ocorre após uma falha; os sistemas térmicos operam com base em mudanças de temperatura; as vulnerabilidades são corrigidas após uma violação de segurança. Um sistema de IA bem implementado, com entradas de dados robustas, análises cognitivas e sistemas de comando e controle adequados, transforma fundamentalmente um data center de um modo reativo para um modo proativo. E se as cargas de trabalho fossem alocadas de forma otimizada com base na demanda futura e no estado da infraestrutura? E se os equipamentos fossem reparados preventivamente com base em previsões de falhas futuras excepcionalmente precisas? E se os pontos de entrada fossem fechados preventivamente com base em anomalias de segurança antecipadas? Essa mudança de operações reativas para proativas representa o estado da arte no mercado de data centers.
• Análise de alternativasAnálises de cenários hipotéticos são um pilar dos sistemas de gestão, mas tendem a ser manuais e "offline". Em contraste, os verdadeiros sistemas de IA utilizam análises em tempo real de todas as opções discerníveis, empregando dados abrangentes para determinar os resultados. Em um ambiente com tantas variáveis ​​quanto um centro de dados, as análises de cenários hipotéticos simplesmente não conseguem fornecer as informações em tempo real necessárias e a compreensão profunda das alternativas operacionais.

O caso de uso ideal para IA industrial

Os centros de dados representam um caso de uso ideal para IA Industrial: complexos, com alto consumo de energia e críticos, com um conjunto muito amplo de entradas e pontos de controle que só podem ser gerenciados adequadamente por meio de um sistema automatizado. Com as inovações em constante evolução nos centros de dados, desde o Gerenciamento de Desempenho de Aplicativos vinculado à infraestrutura física até a virtualização estreitamente integrada e topologias de múltiplos centros de dados, a necessidade e os benefícios da IA ​​só tendem a aumentar.

Enzo Greco é presidente da Nlyte Software, líder em soluções de gerenciamento de infraestrutura de data center (DCIM), ajudando organizações a automatizar e otimizar o gerenciamento de sua infraestrutura de computação.