AI がデータセンターのワークロード管理の課題を解決する方法

データセンターのワークロードが急増し続ける中、効率性を向上させてコストを削減しながら IT チームの管理負担を軽減するために人工知能テクノロジーの導入を検討する企業が増えています。

AI は、オンプレミスでも、データセンター、クラウド プラットフォーム、エッジ コンピューティング デバイスで構成されるハイブリッド クラウド環境でも、インフラストラクチャのワークロードを自動化し、リアルタイムで管理できるようにします。 AI がワークロード管理を変革するにつれ、将来のデータ センターは現在の施設とは大きく異なるものになるでしょう。考えられるシナリオの 1 つは、リモート管理者によって管理される、相互接続された小規模のエッジ データ センターの集合です。

[[407676]]

データセンター事業と技術動向分析に注力するインフォシス・ナレッジ・インスティテュートのジェフ・カバノー所長は、競争の激化、インフレ、流行による予算削減などさまざまな要因により、多くの企業がデータセンターの運営コストを削減する方法を模索していると述べた。 AI と自動化は、従業員を時間のかかる退屈な作業から解放し、本当に人間の介入が必要な作業に集中できるようにするため、ワークロード管理における強力なツールであることが証明されています。

ニーズを満たす

ほとんどのデータ センター管理者にとって、最優先事項は、ピーク需要を満たすために運用を最適化することです。しかし、どれだけ慎重に計画し準備しても、需要のピークと谷は制御できないことがよくあります。 「AIが独自の改善をもたらすことができるのは、ワークロードのパターンを理解し、そのニーズをデータセンターの容量と一致させることです」と、ビジネスコンサルティング会社キャップジェミニの北米AIエンジニアリング担当副社長、ゴーサム・ベリアッパ氏は語る。

AI 管理により、データ センター チームは、サーバー管理、セキュリティ設定、コンピューティング、メモリとストレージの最適化、負荷分散、電力と冷却の割り当てなど、多くの日常的で反復的なタスクから解放されます。 「これらの作業はすべてAIによって自動化または拡張できる」と、テクノロジー市場アドバイザリー会社ABIリサーチの主席アナリスト、リアン・ジェイ・スー氏は語る。

IT管​​理ソフトウェア開発会社Manage Engineの人工知能・機械学習製品担当ディレクター、ランプラカシュ・ラマムーシー氏は、AIは個々の機械から収集されたデータを分析し、監視対象パラメータの異常を見つけるのに役立つと述べた。 「AI は障害や停止を早期に予測するのにも役立ち、データセンター管理チームがダウンタイムを削減し、クラスターを稼働状態に保つのに役立ちます」と彼は言います。「AI は温度と電圧の管理も改善し、運用コストを直接削減し、二酸化炭素排出量の削減にも役立ちます。」

さまざまな AI アプローチを使用できる一方で、ワークロード管理ツールは常にモデルの予測が完全に説明可能であることを保証する必要がある、とラマムーシー氏は述べた。他の領域と比較して、データ センターのワークロード管理における AI システムによる決定は、通常、連携して作業する 1 つ以上のチームによって実行されます。したがって、AI モデルの決定は説明可能であり、IT チームがモデルの決定の意図をよりよく理解し、適切なアクションを実行できるようにする必要があります。

同氏は、「AI モデルは最高でも 80% ～ 85% の精度を達成できるため、人間のチームが AI モデルの決定を正しく解釈して情報に基づいた決定を相関させるのにも役立ちます。AI モデルが提示する決定に対して信頼スコアを提供できれば、効果的なワークロード管理にも役立ちます」と述べています。

AIおよび機械学習開発企業Tanjoの共同創業者兼CEOのリチャード・ボイド氏は、AIや機械学習ツールが普及するにつれ、人間の知性が技術と競争するのではなく協力することで最良の結果が得られることに多くの企業が気づき始めていると語った。 「機械は多くの分野で人間に取って代わることはできませんが、機械が人間よりはるかに優れている分野は確かにあります」と彼は語った。「AIと機械学習が普及し、従業員がこの新しいパートナーシップに慣れれば、彼らの見方は変わるでしょう。」

デル・テクノロジーズのAI戦略責任者であるブロンズ・ラーソン氏は、データセンターはAI/機械学習を使用してパフォーマンスを向上させ、構成と展開を最適化できると述べた。 AI/ML により、リソースとワークロードを動的に調整してリソースの使用率を最適化し、コストをより適切に管理できるようになります。アプリケーションやベンダーに関係なく、すべての AI ソリューションでは、適切に構成して価値を最適化するための専門知識が必要です。これは、トレーニングとテストのためのデータを適切にキャプチャして評価し、展開されたモデルのドリフトとバイアスを管理することから始まります。

さらに、ルールベースの AI は、インテリジェントなポリシー制御と事前定義された構成を通じて、リソースの最適化とコンプライアンスの自動化に役立ちます。 Su 氏は、「機械学習ベースの AI は、日常業務から収集されたデータを使用することで、これまでは深い専門知識を必要としていたデータセンター業務の他の側面をさらに強化できます。たとえば、自己学習型の脅威検出および監視アルゴリズムによって、データセンターのセキュリティを強化できます。必要なリソースを適切な方向に向けることで、負荷分散、電力、冷却の割り当て機能を最適化できます。」と述べています。

「AI はデータ管理も簡素化します」と Kavanaugh 氏は言います。「組織は、主要な利害関係者に関する膨大なデータに囲まれることが多くなっています。AI を使用すると、組織はこれらの大量のデータを効率的かつ正確に管理できます。」AI の助けを借りて、IT チームはデータ品質分析やデータ抽出などのタスクを実行し、これまでよりも迅速かつ正確に予測を作成できます。 「企業にとってこれは極めて重要です。なぜなら、情報に基づいた意思決定を行うには、より正確なデータが必要だからです」と彼は語った。

人工知能ソフトウェアパッケージ

AI が成熟するにつれて、さまざまな要素を統合し、人間の介入を最小限に抑えることができるソフトウェア主導のアプローチが登場しました。たとえば、一般的なデータベース システムでは、テーブルのインデックス作成、サーバー間でのデータのパーティション分割、特定の種類のクエリへのメモリの割り当て、コンピューティング プラットフォームと予想されるワークロードに合わせたオプティマイザーの調整など、操作を効率的に実行するために多くの構成が必要です。ハウ氏は、「AI は、私たちがすべてを把握しようとするのではなく、大量の履歴データからどのスケジュールがどのタスクに適しているかというルールと手順を学習することで役立ちます」と述べています。

AI を使用すると、企業の IT リーダーとチームは、インフラストラクチャの詳細を気にすることなく、ビジネス上の問題の解決に集中できます。 「AIの観点から見ると、私たちが使用するモデルのほとんどは、複数の技術を組み合わせて使用​​し、管理するワークロードのパターンを学習しながら継続的に最適化する自己学習型アンサンブルモデルです」とベリアッパ氏は語った。

計画と展開

AI が管理の魔法を働かせ始める前に、IT 部門とビジネス部門のリーダーは、主要な管理責任をソフトウェアに委ねるという考えに慣れる必要があります。 「企業の規模や社内の知識ベースによっては、これを手作業で行うのは非常に難しい可能性がある」とシャー氏は言う。

最終的に、企業が手動のワークロード管理から AI ワークロード管理への移行をどのように処理するかは、テクノロジーの成熟度、運用規模、データ センターの活発さによって決まります。 「データを効果的に活用するための最新のインフラストラクチャを持たないサイロ化された企業は苦戦するだろう」とカバノー氏は述べた。一方、特定のタイプのビジネスに合わせたツールを提供する AI ベンダーが増えており、ほぼあらゆるタイプと規模の企業がスムーズに移行できる可能性が高まっている。 「企業とそのソリューションが成熟するにつれて、構成と展開の容易さは向上し続けるだろう」と彼は予測する。

AI にアキレス腱があるとすれば、それはデータ センターのシステムや運用における比較的微妙な変化に対するテクノロジーの反応です。 「ほとんどの AI 技術は、固定された環境を前提として安定したパターンを探します」とハウ氏は説明します。「モデルが認識できない方法で環境を変更すると、モデルは間違った答えを出す可能性があります。変更を展開する前に慎重に計画を立てることで、この懸念を軽減できます。」

人工知能はより広く利用されている

AI を活用したデータ センターのワークロード管理は、Google、Amazon、Microsoft などのハイパースケーラーを中心に多くの大企業ですでに使用されていますが、小規模なデータ センター運営者はようやくこのテクノロジーを導入し始めたところです。ベリアッパ氏は、データセンター管理者が厳しい選択に直面するまでにはそう時間はかからないだろうと指摘した。それは、従来のデータセンター管理技術と実践に引き続き依存するか、それとも存続するために AI 主導の運用に多額の投資をするか、という選択だ。

長期的には、テクノロジーが向上し、コストが下がり、導入者の信頼が高まるにつれて、AI 主導の管理が主流になると予想されます。 「今後4～6年で、AIデータセンターのワークロード管理テクノロジーが標準となるだろう」とシャー氏は予測した。

「データセンターの自動化が進み、AI技術によってプロバイダーが大量のデータとして持っているものをより有効活用できる方法が提供されるため、この傾向は急速に高まっていると思います」とハウ氏は語った。彼は、AI 学習手法を使用した自動ワークロード管理がすぐに一般的になるだろうと予想しています。

「業界関係者の間では、今後3～4年以内にAIがデータセンター管理を支配し始めるとの見方が高まっているが、パンデミックによってそのタイムラインが早まる可能性もある」とカバノー氏は述べた。データセンターは、ネットワークセキュリティからメンテナンス、監視まで、ほぼすべての操作を自動化できるようになるだろう。しかし、データ量が飛躍的に増加し、企業がAIの新しい用途を見つけるにつれて、データセンター管理者とその管理の作業負荷は増え続けるだろう。」