L'infrastructure des centres de données a souvent du mal à aligner les charges informatiques actuelles et prévues sur leur infrastructure critique, ce qui entraîne des inadéquations qui menacent leur capacité à répondre à des demandes croissantes. Dans ce contexte, les approches traditionnelles des centres de données doivent être modifiées.
Les centres de données intègrent désormais les technologies d'intelligence artificielle (IA) et d'apprentissage automatique (ML) dans leur infrastructure pour rester compétitifs. En mettant en œuvre une couche basée sur l'IA dans l'architecture de centre de données traditionnelle, les entreprises peuvent créer des centres de données autonomes capables d'optimiser et d'effectuer des tâches courantes d'ingénierie de données sans intervention humaine.
Ces dernières années, la prolifération des technologies d'IA et de ML au sein des centres de données a été spectaculaire. L’intelligence artificielle améliore l’efficacité et les performances dans une variété de cas d’utilisation.
Sajid Mohamedy, vice-président exécutif de Nisum, a déclaré que les centres de données basés sur l'IA peuvent aider les organisations à acquérir un avantage concurrentiel en optimisant les performances et la disponibilité des applications, ce qui contribue à accroître la satisfaction et la fidélité des clients. L’ajout de l’IA à l’ensemble permet d’optimiser l’allocation des ressources, augmentant ainsi l’efficacité du centre de données et réduisant les coûts. «
La détection et la prédiction rapides des pannes, l'analyse des causes profondes, l'optimisation de la consommation d'énergie et l'optimisation de l'allocation des capacités des ressources ne sont que quelques exemples de déploiement de technologies basées sur les données et les algorithmes pour maximiser l'efficacité du centre de données
À mesure que les perturbations deviennent de plus en plus fréquentes et de plus en plus fréquentes. coûteux, l’intégration de l’IA dans le centre de données devient de plus en plus nécessaire pour toute entreprise basée sur les données. Les centres de données alimentés par l’IA offrent une série d’avantages, parmi lesquels la possibilité de réduire les temps d’arrêt et d’améliorer la fiabilité globale du système, ce qui, à terme, permet aux organisations de réaliser des économies. des coûts importants
Ellen Campana, responsable de l'intelligence artificielle chez KPMG U.S., a déclaré que l'intelligence artificielle a toujours été utilisée pour améliorer l'optimisation du stockage des données, l'utilisation de l'énergie et l'accessibilité. Cependant, ces dernières années, cela a été le cas. une tendance claire vers l'extension de l'utilité de l'IA à la détection et à la prédiction des pannes, ce qui peut déclencher des mécanismes d'auto-guérison
« La clé pour simplifier la détection automatique est de fournir à l'IA une compréhension du matériel et des logiciels. Une fenêtre sur les détails des logiciels. fonctionnement, y compris le trafic réseau. Si le trafic au sein d'un nœud ralentit, l'IA peut détecter le modèle et déclencher un redémarrage des processus ou de l'ensemble du nœud. »
Pratik Gupta, CTO d'IBM Automation, estime que l'IA a un potentiel de transformation dans les centres de données et les environnements de cloud hybride en améliorant l'expérience utilisateur dans les applications, en rationalisant les opérations et en permettant aux DSI et aux décideurs commerciaux d'obtenir des informations à partir d'une gamme de données. La puissance, l'IA stimulent l'innovation et l'optimisation
Gupta a déclaré qu'IBM s'attend à ce que la consommation d'énergie des centres de données augmente de 12 % (ou plus) d'ici 2030, en raison de l'avènement de la période de la loi de Moore et de l'explosion de la consommation d'énergie des centres de données. volumes de données, vitesses et charges de travail énergivores
« En termes simples, l'IA peut réduire la quantité de matériel à acheter, entretenir, gérer et surveiller. "
Gupta a déclaré que les responsables de centres de données doivent avoir une compréhension claire des niveaux de ressources applicatives de leur organisation afin de pouvoir évoluer de manière flexible pour répondre aux demandes en temps réel. L'automatisation basée sur l'IA peut jouer un rôle clé dans ce processus, en réduisant la congestion et la latence des ressources. risque tout en garantissant que les charges de travail matérielles restent sécurisées et que les normes de performances sont maintenues
Par exemple, Turbonomic d'IBM peut automatiquement optimiser les niveaux de ressources des applications et évoluer en fonction des besoins de l'entreprise
Gupta a déclaré : « Cela permet aux responsables informatiques de disposer d'un seul tableau de bord pour surveiller les ressources. niveaux, prendre des décisions en temps réel et améliorer l'efficacité, car cela garantit que leurs applications ne sont pas surprovisionnées. "
Les cas d'utilisation de l'IA et du ML dans les centres de données continuent de croître, mais les organisations doivent prendre en compte certains facteurs clés avant la mise en œuvre. Bien que les solutions d'IA et de ML préemballées soient de plus en plus disponibles, mais il existe toujours un besoin d'intégration au-delà des solutions ponctuelles. Le déploiement de l'IA DIY est possible, mais nécessite un investissement dans des capteurs pour collecter des données et une expertise pour transformer les données en informations utilisables.
Campana a déclaré : « De nombreuses organisations choisissent de mettre en œuvre vos propres données. centre précisément parce qu'il garantit que les données ne sont pas regroupées avec celles d'autres personnes ou utilisées d'une manière indépendante de leur volonté. Même si cela est vrai, les organisations doivent accepter la responsabilité du maintien de la sécurité et de la confidentialité. ”
Avec les bonnes ressources, les centres de données peuvent devenir plus intelligents et plus efficaces, mais pour y parvenir, il faut une planification optimale
.Gupta a déclaré : « La planification devrait être un pilier clé de la mise en œuvre d'un centre de données basé sur l'IA. Un déploiement réussi ne se fait pas du jour au lendemain et nécessite beaucoup d'itérations et de réflexion avant le déploiement. Les responsables informatiques doivent prendre en compte des facteurs tels que la compréhension de ce que le matériel peut et. doivent être conservés et quelles charges de travail doivent être déplacées vers le cloud »
La clé du succès d'un centre de données alimenté par l'IA consiste à adopter une approche stratégique. Cela signifie identifier les bons cas d'utilisation pour l'IA et le ML, investir dans l'infrastructure et les outils nécessaires et développer une équipe d'employés qualifiés pour gérer et entretenir efficacement le système.
Gupta a déclaré que les entreprises maintiennent souvent d'énormes infrastructures, allant des emplacements de centres de données distribués à divers déploiements cloud. Les responsables informatiques doivent se demander s'ils doivent créer un lac d'agrégation pour toutes les sources de données... ou apporter des outils de préparation de données, de ML et d'IA à chaque emplacement. À mesure que les entreprises transforment leur infrastructure informatique, elles doivent tenir compte non seulement de la valeur apportée, mais également des vulnérabilités créées. »
Il a ajouté : « Les meilleurs plans peuvent mal tourner. Il en va de même pour le déploiement technologique, où les organisations agiles, capables d’ajuster rapidement leur cap, auront plus de succès. "
AIOps, MLOps, DevOps et SecOps ont chacune leurs propres avantages. Lorsqu'elles sont combinées, les opérations du centre de données et les performances informatiques plus larges peuvent être optimisées, les coûts réduits et les services améliorés.
AIOps devient un élément central des efforts de durabilité et de réduction des émissions de carbone des entreprises dans le centre de données et il a été prouvé qu'il identifie efficacement les performances émergentes. La raison de l'écart Au cœur de. la technologie est sa capacité à interpréter et à recommander des actions basées sur des données de performance en temps réel (analyse des causes et des effets)
Par exemple, Walmart utilise AIOps pour rationaliser les opérations de commerce électronique. L'AIOps s'appuie sur des modèles ML et le traitement du langage naturel (NLP). ). Combinés pour découvrir de nouveaux flux de travail susceptibles d'améliorer la précision, la rentabilité et l'efficacité des opérations des centres de données, les détaillants utilisent également l'AIOps pour détecter et résoudre les inefficacités et les processus déconnectés en temps réel tout en automatisant leur pile technologique et leur infrastructure plus large. Gestion.
AIOps permet une détection plus précise des anomalies en temps réel au sein des plateformes de commerce électronique. La technologie est également capable de corréler les données de toutes les sources disponibles dans le centre de données pour fournir une vue à 360 degrés des opérations et identifier les améliorations susceptibles d'être améliorées. disponibilité, contrôle des coûts et là où se trouvent les performances.
Les détaillants s'appuient sur DevOps pour rester compétitifs et réduire les délais de commercialisation de nouvelles applications et fonctionnalités. développeurs de logiciels et équipes d'exploitation informatique. Une approche du développement de logiciels qui s'est avérée efficace pour rationaliser la livraison de logiciels et le développement de nouvelles applications mobiles, de fonctionnalités de sites Web et d'améliorations basées sur l'expérience client
Amazon, Target, Nordstrom, Walmart et d'autres grands détaillants. adoptent DevOps. Les DSI du secteur du commerce de détail affirment que plus la qualité de la base de code DevOps est élevée, plus le centre de données fonctionne efficacement, fournissant les dernières versions d'application aux clients du monde entier
À mesure que les détaillants recrutent davantage de data scientists, MLOps devient aussi important que DevOps pour maintenir les modèles à jour et disponibles. Les principaux détaillants utilisent MLOps pour appliquer les principes DevOps pour concevoir, tester et publier de nouveaux modèles afin d'améliorer la segmentation des clients, la prévision de la demande et la gestion des stocks.
En commençant par la gestion et l'optimisation des stocks, il a été prouvé que MLOps résout efficacement les problèmes les plus coûteux et les plus difficiles du commerce de détail : l'incertitude de la chaîne d'approvisionnement et la hausse des coûts inflationnistes ont rendu la gestion des stocks essentielle au succès d'un détaillant
Macy, Walmart. et d'autres utilisent MLOps pour optimiser la gestion des prix et des stocks, aidant ainsi les détaillants à prendre des décisions de réduction des coûts et à se protéger du risque de baisse lié à la détention d'un stock trop important
SecOps. garantit que les centres de données et l’infrastructure informatique au sens large restent sécurisés et sans plainte. La sécurité Zero Trust suppose qu’aucun utilisateur ou appareil ne peut être fiable et que chaque identité doit être vérifiée, ce qui constitue la base de toute mise en œuvre réussie de SecOps. L’objectif est de réduire la surface d’attaque et le risque de cyberattaques de plus en plus sophistiquées.
SecOps optimise la sécurité des centres de données en combinant les technologies les plus éprouvées pour réduire les intrusions et les violations. L'adoption d'une sécurité Zero Trust aide les détaillants à protéger l'identité de leurs clients, employés et fournisseurs, tandis que la micro-segmentation peut limiter la portée de toute attaque.
L'informatique de pointe est en train de devenir l'une des technologies les plus prometteuses pour le développement de centres de données pilotés par l'IA. En traitant les données plus près de la source, l'edge computing réduit la latence et améliore les performances globales. Lorsqu'elle est combinée à l'intelligence artificielle, la technologie offre le potentiel de permettre des capacités d'analyse et de prise de décision en temps réel, permettant ainsi aux centres de données de gérer les processus critiques du futur.
Campana a déclaré : « Le passage à la 5G est une étape importante dans cette transformation et génère une vague d'innovation dans l'infrastructure logicielle basée sur l'IA. Pour les entreprises qui démarrent de nouveaux centres de données, il convient de considérer leur adoption de la 5G et son impact final. Calendrier des utilisateurs pour d'autres mises à jour matérielles. »
Et Gupta estime que l'automatisation de l'intelligence des données est un moyen de continuer à entrer dans un secteur strictement réglementé, car les outils d'intelligence artificielle et de centre de données seront conçus pour répondre automatiquement aux exigences de conformité.
« À mesure que l’intelligence artificielle et l’automatisation seront de plus en plus intégrées dans les centres de données, ils seront en mesure de répondre aux protocoles de conformité les plus stricts
. »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!
Application de l'intelligence artificielle dans la vie
Quel est le concept de base de l'intelligence artificielle
utilisation de la fonction ubound
Comment résoudre l'échec de la résolution DNS
Quelles sont les raisons pour lesquelles un téléphone portable a un numéro vide ?
Algorithme de remplacement de page
Ordre recommandé pour apprendre le langage C++ et C
L'expression régulière ne contient pas
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
