AIがグローバルビジネスのデータセンター管理を推進

現在、革命的な変化の波が進行しており、企業が顧客や企業にサービスを提供する方法を変えていると考えられています。しかし、このようなレポートは必ずしも正確ではありません。たとえば、人工知能 (AI) と機械学習 (ML) はデータセンターの変化を推進しています。

[[259845]]

調査会社ガートナーが発表した「データセンターは消滅し、デジタルインフラが台頭」と題した調査レポートによると、2025年までに企業の80%が従来のデータセンターを閉鎖する見通しだ。現在、閉店している企業はわずか10％です。このレポートは2018年4月に公開され、従来のデータセンターは他の場所ではサポートできない非常に特殊なサービスに特化されるだろうと述べられています。

レポートではまた、相互接続サービス、クラウド コンピューティング、モノのインターネット (IoT)、エッジ コンピューティング、SaaS サービスが急増するにつれて、企業が従来のデータ センター トポロジを維持する利点は限られていることも指摘しています。

このレポートは、革命的な変化の波が現在進行しており、企業が顧客や企業にサービスを提供する方法を変えていると人々が信じていることを示しています。しかし、このようなレポートは必ずしも正確ではありません。たとえば、人工知能 (AI) と機械学習 (ML) はデータセンターの変化を推進しています。では、データ センター管理を進化させるだけでなく、予測される崩壊からデータ センターを救うこともできるのでしょうか?

ファッション業界とコンピュータ業界の類似点

ファッション業界とコンピュータ業界の間に線を引くのは簡単です。しかし、毎年何か新しいものが登場し、すべてを根本的に変えています（少なくとも彼らはそう願っています）。少なくともベンダーはそうなることを望んでいます。現在のトレンドに従わない場合は、失敗する可能性が高まります。しかし、多くの企業は苦戦しています。

多くの業界の専門家が業界と技術の発展について予測を立て、その予測のほとんどは実現したものの、予想よりずっと遅れて実現したという結論に達しました。予想以上に大きな影響を与えました。同様に、一部のテクノロジーは廃止されたと顧客によく言われます。これは、テープが消滅したり、ペーパーレス オフィスが間もなく到来したりすることを予測するようなものです。

IT 業界は極端な情熱から逃れられないようですが、ガートナーの予測をどう解釈すべきでしょうか? 完全に非現実的に見えますが、データ センターは存在し続けています。専門家の意見では、データ センターは、コンピューティング、クライアント サーバー トポロジ、インターネット、パーソナル コンピュータ革命、ビジネスのクラウドへの移行など、業界が目撃してきたすべての変化を通じてコン​​ピューティング テクノロジーの基礎となってきたため、今後も存在し続けるでしょう。磁気テープなどの他の技術もあります。

したがって、表面的には、ガートナーのレポートは簡単に無視できるかもしれません。ただし、IT 機能に大きく依存する一部のテクノロジと、ユーザーが IT に抱く期待を考慮してください。 IT 業界では、応答時間の短縮に対する高まる要求に応えるために、スピードとフィード開発に重点を置く傾向があります。より高速な CPU、より高速な密結合メモリと I/O、ソリッド ステート ディスクを採用する一方で、自動運転車、IoT、AI、機械学習はデータの津波になります。

データのハイライト

データへのこの重点が、将来の IT インフラストラクチャを定義することになります。従来、人々はデータを目的を達成するための手段として使用し、計算と処理を実行して結果を得ていました。データはアクセスと保持コストの階層に分類されます。

上位層は、密に結合された高速、高コスト、低レイテンシのストレージ用であり、アーカイブされたデータはまったく異なる低コストのソリューションに配置される場合があります。しかし、業界では、データがどのように認識され、使用されるかを人々が見ています。場合によっては、データは商品として販売され、従来の製造プロセスと非常によく似た方法で配信されます。ストリーミングや音楽会社が良い例です。

Netflix、Amazon、Spotify は、ポストプロダクションとデジタル化の後、従来の製品メーカーと同様に、データと製品をクラウドに保存します。その後、顧客のエッジに配信されます。 Netflix の場合、エッジはローカル インターネット サービス プロバイダー (ISP) から購入すると利用できるようになります。したがって、これはデータ配信に最適化されたシンプルな「従量課金制」アーキテクチャに相当します。

異なる要件

モノのインターネット (IoT) と自動運転車も別の例です。企業は、さらにスマートシティに投資することもできます。これらのデバイスには、データと計算の要件が大きく異なります。これらのデバイスから出力されるデータはステータス情報の形式で、多くの場合、産業プロセスの制御など、このステータス データの一部は実用的なものになります。データの即時性に応じて、そのデータをいつどのように処理するかについて考慮すべき点が異なります。

ここで疑問が湧きます。これはクラウドで実行できるのでしょうか。それとも、レイテンシーと緊急性のために、大規模な石油精製所のようなエッジ近くの小規模なコンピューティング機能が必要なのでしょうか。複数の IoT デバイスにまたがって意思決定を行う必要があり、クラウドへの通信リンクが詰まっている場合、事態は簡単に制御不能になる可能性があります。同様に重要なのは、すべての履歴データを人工知能と機械学習を使用して処理できるポイントに戻す必要があることです。

コネクテッド ビークルとスマート シティが連携して交通の流れと渋滞を管理することを検討してください。車、カメラ、交通量モニター、緊急サービスとのやり取りなど、数万台に及ぶ可能性のあるデバイスからすべてのデータを収集するには、かなりの計算能力とストレージが必要になります。これには、情報とエンターテイメントのデータが車両に配信される双方向のトラフィックが必要になります。緊急サービス車両と交通管理システムを接続して、混雑した都市をより速く移動できるようになったらどうなるでしょうか?

インフラストラクチャの定義

では、これらの要求はインフラストラクチャをどのように定義するのでしょうか? 従来、これらを処理するには大規模なデータ センターが必要でした。これには、緊急時など必要に応じて追加のリソースを自動的に追加または削除できる、より動的なアプローチが必要です。

大きく変化したもう一つの分野は、コンピューティング能力の絶え間ない向上です。数年前までは、携帯電話に保存できるのは電話番号とテキストメッセージだけでした。今日では、すべてのスマートフォンが驚異的なストレージと計算能力を備えています。

しかし、測量士がタブレットを使用して土壌構造を監視したり、救急隊員が救急車内の患者をスキャンして AI を使用して症状を診断したり負傷を評価したりするなど、顧客がデバイスにさらに高度な機能を要求するアプリケーションがますます多く構築されています。この追加のコンピューティング需要を満たすために、エッジまたはクラウドでの補助的なコンピューティング機能が、ユーザーの補助的なコンピューティング機能に接続されます。将来的には、誰もが自分専用の小型コンピューティングおよびストレージ デバイスを持ち、どこへ行ってもそのデバイスが携帯され、最も近いアクセス ポイントに自動的に移動するようになります。

データ方程式

私たちが行うすべてのことで、より多くのデータが生成されます。その結果、企業や消費者として人々はますます多くのデータを消費するようになります。クラウド、データセンター、エッジ コンピューティングのいずれであっても、増え続けるデータを移動するのは困難です。問題は、移動するデータの量に対してネットワークの速度が十分でないことから生じます。問題に対してどれだけの帯域幅を投入しても、レイテンシが 2 桁ミリ秒に達すると、レイテンシとパケット損失の影響を軽減する WAN データ アクセラレーション ソリューションを使用しなければ、WAN パフォーマンスはほとんど改善されません。

では、データ センターの将来はどうなるのでしょうか。コストが安くなるという理由で、すべてがクラウドに移行するのでしょうか。必ずしもそうとは限りません。クラウド コンピューティングは、賢く使用すれば非常にコスト効率が高くなりますが、データ センターのすべての問題に対する万能薬ではありません。人々がデータを使用、操作、保存する方法が劇的に変化したことは間違いありません。ただし、IT の他の側面が進化するにつれて、データ センターの役割も進化します。テープを例にとると、データセンター技術もオンラインストレージからニアラインストレージへ、バックアップからアーカイブへと進化していきます。

データ センターにはいくつかの重要な機能が保持されます。これらの機能の 1 つには、レイテンシが重要なデータベースが含まれます。クラウドにデータベースを配置した際に対応が悪く (エンドユーザーからの苦情も受け)、データセンターへの再移行を余儀なくされた企業もあります。しかし、将来的には、非常に柔軟な分散データとコンピューティングのニーズが高まり、データ センターはコマンド アンド コントロール機能へと変化します。

柔軟性を実現する

この柔軟性を実現するには、既存の手動操作方法から脱却する必要があります。今こそ、人工知能 (AI) と機械学習 (ML) を使用して高度な自動化抽象化を実現し、柔軟で動的なインフラストラクチャを構築するときです。

データを移動することは、必要なときに必要な場所にデータを配置する上で非常に重要です。従来、広域ネットワーク (WAN) の最適化は長距離間のデータ スループットを向上させるために使用されてきましたが、このテクノロジには厳しい帯域幅の制限があります。高速ネットワーク上のデータのパワーを最大限に引き出すには、PORTrockIT などの人工知能と機械学習を使用する WAN データ高速化ソリューションが必要です。

Dell EMCのAI戦略テクノロジストであるタベット氏は、データセンター管理者はデータセンターのインフラストラクチャを最適化するためのより良い方法を見つけるためにAIを導入すべきだと考えていると述べた。 Aera Technologiesの創設者兼CTOであるシャリク・マンスール氏は次のように付け加えた。「AIなしでは、収益性の高いデータセンターを運営することはほぼ不可能です。したがって、AIと機械学習はデータセンターを前進させるために必要な技術であると言えます。」

「これらを使用すれば、レガシー アーキテクチャであっても、データ フローを管理し、データ速度を向上させることができます」と、同氏は語ります。「その点を考慮すると、グローバル ビジネス データ センターは変化しているかもしれませんが、それでもまだ未来はあります。」