データセンターの機械学習が運用を最適化する方法

機械学習と人工知能は、今日の IT プロフェッショナルの間でホットな話題であり、エンタープライズ データ センターでは大きな可能性を秘めています。

機械学習ソフトウェアは、あなたやあなたのチームよりも速く状況を予測でき、より速く解決できる場合もあります。これらのシステムは、今日のハイブリッド データ センター環境の論理的な拡張であり、データ センター インフラストラクチャの拡大する部分となっています。

IDC は、2022 年までにデータセンターの IT 資産の 50% が組み込み AI 機能を使用して自律的に運用されると予測しています。データセンターでの機械学習により、計画と設計、ワークロード、稼働時間、コスト管理など、全体的な運用の多くを最適化できます。

[[272070]]

データセンターの機械学習のユースケース

機械学習はシナリオやデータセットから学習することができ、人間の介入や事前にプログラムされた限られた一連のアクションに依存することなく、即座に応答を構築できます。このテクノロジーは、データセンター システムをより深く理解し、より効率的に管理し、予期しないダウンタイムを防ぐのに役立ちます。

より効率的なデータセンターを構築します。企業は機械学習を使用して、データセンターの物理環境を自動的に管理し、アラームではなくソフトウェアを通じて物理施設とデータセンターのアーキテクチャをリアルタイムで変更できます。

Google は AI システムを使用してデータセンターの冷却を自動的に管理し、気温、電力負荷、内部気圧などの 21 の変数を継続的に分析します。同社は2018年に機械学習を活用して冷却に必要なエネルギーを40%削減し、電力使用効率評価1.06を達成した。

運用リスクを軽減します。ダウンタイムの防止はデータセンターの運用にとって極めて重要であり、機械学習はダウンタイムをより簡単に予測して防止するのに役立ちます。データセンターの機械学習ソフトウェアは、電源管理や冷却システムなどの重要な機器からのリアルタイムのパフォーマンス データを監視し、ハードウェアが故障する時期を予測します。これにより、これらのシステムに対して予防保守を実行し、コストのかかるダウンタイムを防ぐことができます。

機械学習ベースのリスク分析では、さまざまな構成を構築して回復力を高め、予防保守の機会を特定し、潜在的なサイバーセキュリティのリスクを発生する前に特定することで、データセンターの稼働時間を向上させることができます。

スマートデータで顧客離れを減らします。企業はデータセンターで機械学習を使用することで、顧客をより深く理解し、消費者の行動を予測できるようになります。顧客成功イニシアチブの延長として、機械学習はデータセンターで収集され、使用されていない膨大な量の情報を分析できます。

機械学習ソフトウェアを顧客関係管理 (CRM) システムに接続すると、この AI ベースのデータ ハブは、保存されている履歴データベース (CRM では従来使用されていない) からデータを検索して取得し、CRM システムがリードを活用したり顧客の成功を達成したりするためのさまざまな戦略を開発できるようになります。

これらのソフトウェアオプションを使い始めましょう

機械学習は人間よりも高速に動作するため、数テラバイトの履歴データを数秒で分析し、その決定にパラメータを適用できます。これは、データセンター内のすべてのアクティビティを追跡する場合に非常に便利です。データ センターに機械学習を導入することを検討している場合は、開始するためのユース ケースとソフトウェア製品をいくつか紹介します。

電力とエネルギーの管理。エネルギー管理は、企業がデータセンターで機械学習を最も簡単に活用し、即座に大きなメリットを得ることができる領域の 1 つです。 Google は DeepMind を使用して約 30% のエネルギー節約を実現し、関連コストを削減しました。

Maya HTT のデータ センター インフラストラクチャ管理ソフトウェアである Datacenter Clarity LC は、AI ベースのツールを活用して個々のサーバーを分析し、異常を検出して最適化の機会を特定します。

たとえば、効率の低いサーバーから、エネルギー効率と作業効率が高く、使用率の低いサーバーにワークロードを識別して再ルーティングできます。また、古いサーバーの交換に関する通知が表示されるので、問題が発生する前にアップグレードできます。

ログ管理。ほとんどのデータセンター システムはログを生成しますが、それらのログが利用されなければ価値はありません。また、企業が使用するエッジデバイスや周辺デバイスには、大量のログが関係します。

機械学習はこれらのログを一元管理して分析し、チームにとって価値があり使いやすいレポートを作成できます。 Elasticsearch などのオープンソーステクノロジーや、Splunk の有料オプションは、機械学習ルーチンによって収集されたデータの分析と抽出に役立ちます。

根本原因分析。パフォーマンスの問題が発生した場合は、根本原因を迅速に特定して解決できる必要があります。 Hewlett Packard Enterprise の InfoSight 製品の AI 予測エンジンは、オンプレミスのデータセンターとクラウド展開全体でほぼリアルタイムに問題を発見して解決するのに役立ちます。

InfoSight は特定のパラメータに基づいて影響を受けるユーザーを特定し、独自のソリューションを開発します。しかし、本当の価値はその予防的アプローチにあります。ソフトウェアが問題を修正するためのルールを開発すると、そのルールはシステム全体にわたって適用され、影響を受けていないシステムにトラフィックを再ルーティングして、同じ問題が発生するのを防ぎます。