تغییرات شدید در رفتارهای اجتماعی و مدرن شدن زندگی بشر، باعث شده است که استفاده از داده‌ها و اطلاعات در میان انسان‌ها رو به گسترش بی سابقه‌ای باشد. در عین حال که افزایش حجم اطلاعات و دیتا، موجب رشد تجارت دیتاسنتر و مراکز داده می‌شود، نیاز به کارکنان بیشتر، تجهیزات سرمایش دیتاسنتر بیشتر و در عین حال، مصارف انرژی بالاتر وجود دارد. افزایش خرابی و از دست رفتن اطلاعات، خطر بالقوه‌ای است که همواره مراکز داده را تهدید می‌کند. در اینجا، مسئله اساسی این خواهد بود که چگونه این حجم از اطلاعات را مدیریت کرد، خرابی‌ها کاهش داد و در عین حال، طرح‌های توسعه را به خوبی اجرا نمود و نیازمندی‌های رو به پیشرفت را تامین نمود.
با پیشرفت تکنولوژی و ظهور هوش مصنوعی، راهکاری امیدوارکننده‌ای برای بهبود عملیات در طولانی مدت ارائه می‌کند.
تحلیل گران پیش بینی می‌کنند که پذیرش استفاده و به کارگیری زودهنگام و همگام با ظهور تکنولوژی هوش مصنوعی، می‌تواند به حفظ موقعیت دیتاسنترها در بازار تجاری داده و دیتا کمک شایانی نماید. همچنین، استفاده از هوش مصنوعی در سامانه‌های سرمایشی و پروتکل‌های نگهداری سیستم‌های سرمایش مرکز داده کمک شایانی به کاهش هزینه‌های مراکز داده نماید.
در اینجا قصد داریم به بررسی به کارگیری هوش مصنوعی و تاثیر آن بر عملکرد مراکز داده با استفاده از بهینه سازی سیستم‌های سرمایشی بپردازیم. در اینجا با نگاه به آینده، بررسی جنبه‌های مهم کولینگ‌های دیتاسنتر، بهینه سازی سیستم سرمایش نگاهی اجمالی داشته باشیم.
چالش های پیش روی مراکز داده امروز
همواره دیتاسنترها و مراکز داده تکامل یافته‌اند تا بتوانند با خواسته‌های مشتری و نوآوری‌های مدرن سازگار باشند. چالش‌های ایستادن در مقابل روند جدید و تغییر نیازهای کاربر قابل توجه است. همواره در ظهور تکنولوژی‌های سوال این است که قدم بعدی تکنولوژی چیست؟
در اوایل سال 2020، تحقیقات استراتژیک Forbes، انجام شد و در این تحقیقات تلاش شد تا به این سوال مهم که قدم بعدی تکنولوژی چیست پاسخ دهد.
در این تحقیقات، سه چالش عمده پیش روی مرکز داده آینده را شناسایی کرد:
- عدم آمادگی برای ارتقاء: ماهیت مراکز داده همواره در حال تغییر است. برای اینکه بتوانید به انواع فرصت‌های جدید کاهش هزینه‌های مالی دسترسی پیدا کنید، مراکز داده باید تمرکز زدایی کنند. آنها باید داده‌ها، پردازش‌ها و منابع را از مرکز داده محلی سازمان به مراکز داده لبه و دستگاه‌های پردازش مورد استفاده کاربران نهایی منتقل کنند. این تکنولوژی، همان دیتاسنتر لبه یا مرکز داده لبه است.
- چالش‌های زیرساخت: از آنجا که تکنولوژی اینترنت 5G، امکان اتصال کاربران فراوانی را فراهم می‌کند، کاربران و دستگاه‌های بیشتری وارد شبکه پردازش اینترنت می‌شوند و باعث افزایش حجم ترافیک و استفاده از پهنای باند می‌شوند. برای رسیدگی به این تقاضای جدید، مدیران مراکز داده و دیتاسنترها باید زیرساخت‌های هوشمند را در برنامه‌های مراکز داده خود قرار دهند. یکپارچه سازی سیستم‌های اتوماسیون که دارای سامانه‌های داخلی با قابلیت‌های هوش مصنوعی هستند و امکان تعمیر، نگهداری و پیکربندی مجدد واقعی به صورت آنلاین و برخط را به سرعت فراهم می‌کنند.
- چالش‌های کارکنان: تحقیقات اخیر Forbes گزارش می‌دهد که یک سوم نیروی کار زیرساخت فناوری اطلاعات در دهه آینده بازنشسته خواهد شد و بیش از نیمی از مدیران مورد بررسی اظهار داشتند که انتظار دارند کارکنان توسط ارائه دهندگان خدمات شبکه و تامین کنندگان کلود Cloud به کار گرفته شوند.
نکته بسیار عجیب در تحقیقات این بود که تعداد بسیار کمی از سازمان‌های مورد بررسی، آماده بودند تا استراتژی‌های مدیریتی و عملیاتی مرکز داده خود را در همگام شدن با تغییرات تکنولوژی برای پنج سال آینده تغییر دهند. به گفته Forbes تنها 11% از مدیران C-suite و 1% از مهندسان گفتند که مراکز داده آنها از برنامه ریزی‌های سازمانشان جلوتر هستند و برای حجم داده‌های بالاتر آماده می‌شوند.
از زمانی که این نظرسنجی توسط Forbes انجام شده است، جهان تکنولوژی تغییر کرده است. در حالی که آمادگی، زیرساخت‌ها و کارکنان همچنان زمینه‌های نگرانی قابل توجهی برای آینده تجاری مراکز داده هستند، چالش اصلی و مهمتری که امروزه مراکز داده با آن مواجه هستند، رشد نمایی و فوق سریع تکنولوژی و دانش هوش مصنوعی است.
شبکه‌های تلفن همراه که توسط فناوری‌های 5G در حال توسعه هستند، سطح جدیدی از اتصال و مدیریت کاربران را ارائه می‌دهند. علاوه بر این، افراد بیشتری دورکار شده اند و به صورت ریموت کار می‌کنند، محل‌های کار افراد تغییر یافته است و نیاز به بهره برداری و استفاده از مراکز داده به حد قابل توجهی افزایش یافته است. در عین حال، خرید آنلاین و تجارت الکترونیک افزایش یافته است، که تقاضا برای دیتا، داده‌ها و ذخیره سازی داده‌ها را افزایش قابل توجهی می‌دهد.
آثار هوش مصنوعی بر مراکز داده
هوش مصنوعی (AI) بخشی از تحول دیجیتال است و آماده است تا تاثیر زیادی بر مدیریت مراکز داده و دیتاسنتر، بهره وری و زیرساخت‌ها داشته باشد. چندین شرکت در حال حاضر در حال آزمایش ایده اتوماسیون کامل مراکز داده برای دوره‌های زمانی مشخص هستند.
این نظریه و طرح به این صورت است که تعدادی استراتژی‌های با سطح انرژی مصرفی بهینه می‌تواند اجرا شود به گونه‌ای که مراکز داده به طور کامل بر اساس ملاحظات فناوری اطلاعات ساخته و بهینه سازی شود و از راه دور از طریق نرم افزارهای نظارت تصویری DCIM نظارت و کنترل شوند.
با استفاده از هوش مصنوعی و ربات‌ها برای حذف نیاز به کارکنان در فضای فیزیکی، مراکز داده می‌توانند سطح اکسیژن هوای مرکز داده به شدت کاهش دهند تا خطر آتش سوزی را کاهش دهند، نیاز به روشنایی را از بین ببرند, طرح‌های خنک کننده کارآمدتری ایجاد کرده و ارتفاع رک ایستاده دیتاسنتر را افزایش دهند.
اما در این بین، چالش‌هایی وجود دارد. در حالی که سازمان‌های پیشرفته انتظار دارند که تعداد پروژه‌های هوش مصنوعی را در سال‌های آتی چند برابر کنند، اما در حالی که اکثر آنها در تلاش برای اجرای آنها هستند، ذینفعان این پروژه‌ها با چالش‌هایی روبرو هستند که شامل شفافیت، نحوه تصمیم گیری الگوریتمی، حفظ امنیت و کیفیت داده‌ها، پاسخگویی و در نهایت ارزیابی تأثیرات اجتماعی و اقتصادی و حاکمیتی است.
هوش مصنوعی می‌تواند بسیاری از مسائل را در یک محیط کنترل شده حل کند؛ با این حال، اکثر شرکت‌ها این سوال را مطرح می‌کنند که چگونه هوش مصنوعی می‌تواند بازده سرمایه گذاری را فراهم کند!
یکی از زمینه‌هایی که هوش مصنوعی می‌تواند بلافاصله مزایای واقعی را ارائه دهد، سیستم‌های خنک کننده و کنترل مرکز داده و دیتاسنتر است. با افزایش تقاضا برای داده و دیتا، نیاز به مدیریت بهتر سیستم‌های خنک کننده و کولینگ در مراکز داده و دیتاسنتر نیز افزایش می‌یابد. از جمله عواملی که کنترل و مدیریت سیستم‌های تهویه دقیق و کولینگ را به چالش می‌کشد، ترکیبی از تجهیزات از تولید کنندگان مختلف موجود در بسیاری از مراکز داده به میزان بیش از مقدار ظرفیت سرمایش مورد نیاز است.
مدیریت جریان و توزیع هوای خنک در مراکز داده نیز بواسطه تغییرات تجهیزات IT مانند افزودن سرورها و حجم غیر قابل پیش بینی پردازش‌ها، چالشی بسیار پیچیده است. تحقیقات نشان می‌دهد که به صورت متوسط، 20 تا 30 درصد سرورهایی که در مراکز داده نصب و راه اندازی شده است، مورد استفاده قرار نمی‌گیرد و همزمان، انرژی الکتریکی مصرف می‌کنند و سرمایش نیاز دارند.
بهینه سازی حرارتی
سامانه‌های اتوماسیون بهینه سازی حرارتی یک راه حل جامع است که نیاز به حفظ دمای مطلوب، خنک و سازگار مورد نیاز برای ایمن نگه داشتن تجهیزات مرکز داده را به صورت دستی و انسانی از بین می‌برد. مزایای آن فراتر از کنترل دما دقیق است و مهمترین مزیت سامانه‌های اتوماسیون بهینه سازی حرارتی شامل بهینه سازی در استفاده از انرژی و بهینه سازی زمان حضور پرسنل برای مدیریت بهتر منابع می‌باشد.
بهینه سازی حرارتی فضای دیتاسنتر را شامل بهینه سازی عملکرد تجهیزات سرمایش و بهینه سازی توزیع و تقاضای هوای سرد در فضای دیتاسنتر است. دو بخش اساسی این راهکار به این شرح است:
- جریان تقاضا: برای کاهش هزینه‌های انرژی مصرفی و اطمینان از بهره وری عملیاتی تجهیزات، جریان تقاضا یک رویکرد جامع است که اصول ترمودینامیکی را به کار می‌گیرد. این تمرکز بر بهینه سازی هر بخش سیستم کولینگ از جمله پکیج‌های مخابراتی، خنک کننده InRow، چیلرها، پمپ‌های آب سرد، پمپ‌های آب کندانسور و برج‌های خنک کننده است. الگوریتم جریان تقاضا داده‌ها را جمع آوری و تجزیه و تحلیل می‌کند تا مقدار مناسب آب سرد و یا مبرد سیستم DX را برای پاسخگویی به بار خنک کننده فعلی مورد نیاز دیتاسنتر ارائه دهد.
- بهینه سازی سرمایش فضای دیتاسنتر: با استفاده از شبکه‌ای از سنسورها، داده‌های دما و هوا در فضای دیتاسنتر جمع آوری می‌شود. موتور هوش مصنوعی، داده‌ها و اطلاعات جمع آوری شده را در الگوریتم‌های خود اعمال می‌کند و میزان تنظیمات مورد نیاز در جریان هوا را محاسبه می‌کند تا دمای صحیح برای هر راهرو رک‌های ایستاده حفظ شود. این راهکار بسیار دقیق تر و سریعتر از هشدار دادن اپراتورهای انسانی به نوسانات دما است و به طور خودکار تنظیمات خود را انجام می‌دهد. با خودکار سازی کنترل فن‌های تجهیزات خنک کننده، خطر هات اسپات و نقطه داغ را کاهش می‌دهد و دمای هوای سازگار را در بین رک‌های سرور و فضای دیتاسنتر حفظ می‌کند. همچنین انرژی هدر رفته را با تطبیق همزمان و آنلاین خنک کننده‌ها با بار حرارتی تولید تجهیزات فناوری اطلاعات در زمان واقعی کاهش می‌دهد، به طور خودکار و اتوماتیک به تغییرات و نوسانات دمایی پاسخ می‌دهد و کارکرد بیش از حد تجهیزات خنک کننده را کاهش قابل توجه می‌دهد. در عین حال، به تیم مدیریت دیتاسنتر، داده‌های بسیار مهمی را ارائه می‌دهد که برای تصمیمات تجاری و عملیاتی آینده بسیار راهگشا خواهد بود.
مزایای بهینه سازی حرارتی
با بهینه سازی عملکرد تجهیزات خنک کننده دیتاسنتر و کنترل هوای مرکز داده به صورت توامان، می‌توان به یک مرکز داده و دیتاسنتر کمک کرد تا صرفه جویی در انرژی بیشتری نسبت به استفاده از راهکارهای لوکال و جداگانه داشته باشد. این ترکیب بهینه سازی حرارتی مرکز داده مزایای بسیار زیادی را به همراه دارد که به صورت ذیل می‌توان بیان کرد:
- جمع آوری داده‌های محیطی فضای دیتاسنتر به صورت واقعی و ایجاد بانک اطلاعاتی بسیار جامع برای تصمیم گیری‌های عملیاتی کوتاه مدت و بلند مدت
- آزاد کردن ظرفیت‌های پردازشی دیتاسنتر و کنترل بهتر عملیات و خدمات مرکز داده
- ارائه کنترل دینامیکی و صرفه جویی در انرژی با مدیریت جریان هوای حرارتی
- هماهنگ همزمان تجهیزات سرمایش با تغییرات بار حرارتی مرکز داده و نوسانات دمایی فضای دیتاسنتر
- حفظ عملکرد مطلوب با کنترل پمپ‌ها، چیلرها، فن‌ها، پکیج‌های مخابراتی و خنک کننده‌های InRow
- بهینه سازی عملکرد سیستم‌های مرکزی سرمایشی برای بهینه سازی و صرفه جویی انرژی
هوش مصنوعی و دمای دیتاسنتر
هوش مصنوعی باعث بهینه سازی خنک کننده‌ها و کنترل نوسانات دمایی دیتاسنتر می‌شود و در نهایت، در بهبود کنترل دما و توزیع هوای سرد با حضور کمتر کارکنان بسیار موثر باشد.
موتور هوش مصنوعی از نوعی یادگیری ماشین به نام یادگیری نظارت شده استفاده می‌کند که نرم افزار بهینه سازی را قادر می‌سازد تا به طور مداوم بر اساس محاسبات یک سری الگوریتم‌ها هوشمندتر شود. این نرم افزار با تجزیه و تحلیل مداوم داده‌های حسگر، برای تغییرات محیطی در آینده یاد می‌گیرد که چگونه عمل می‌کند.
سوابق گذشته و فعلی دماها و داده‌های کنترلی به عنوان پایه‌ای برای الگوریتم‌ها و ایجاد مبنا بهینه سازی استفاده می‌شوند. این نرم افزار به سرعت یاد می‌گیرد که چگونه به بهترین وجه به تغییرات دما در مرکز داده پاسخ دهد.
پایه اصلی سیستم بهینه سازی سرمایش مبتنی بر هوش مصنوعی شامل مجموعه‌ای متراکم از سنسورها و کنترل کننده‌ها است که فرایند قدرتمند تجزیه و تحلیل و یادگیری ماشین را تقویت می‌کند.
سنسورهای دمایی رک، هر دو دمای بالا و پایین رک ایستاده را ذخیره می‌کنند. در حالی که سنسورهای واحدهای خنک کننده مانند پکیج مخابراتی، InRow و چیلرها، داده‌هایی مانند دمای رفت و دمای بازگشت، وضعیت تجهیزات، سرعت هوا و میزان سرمایش برودتی را مشخص می‌کنند. این داده‌ها به شناسایی تأثیرات خنک کننده بر روی رک‌های ایستاده کمک می‌کند تا نرم افزار یادگیری بهینه سازی سرمایش بتواند محاسبه کند که چه مقدار از ظرفیت تجهیزات خنک کننده برای شرایط ایده آل دمایی مرکز داده مورد نیاز است.
با استفاده از داده‌های جمع آوری شده توسط شبکه سنسورها، موتور هوش مصنوعی به صورت خودکار یک مدل آنلاین و برخط از ابر دمایی محیط دیتاسنتر ایجاد می‌کند.
نقشه‌های موتور هوش مصنوعی تأثیر دقیق فرآیند خنک کاری هر واحد خنک کننده مانند پکیج‌های مخابراتی را به صورت تفکیکی و تجمیعی در فضای مرکز داده تعیین می‌کند. سپس سامانه هوش مصنوعی سیستم سرمایش، واحدهای خنک کننده را روشن و خاموش می‌کند و فن‌های دور متغیر تجهیزات سرمایشی را برای اعمال تنظیمات دما از پیش تعیین شده به بهینه ترین حالت ممکن تغییر وضعیت می‌دهد.
همانطور که نرم افزار هوش مصنوعی اثرات اقدامات کنترلی را یاد می‌گیرد، تجهیزات خنک کننده بدون دخالت کارکنان به تنهایی دستکاری می‌کند، به طور خودکار خنک کننده و تعادل جریان هوا را در مناطق بحرانی و هات اسپات در سالن مرکز داده مدیریت می‌کند. در صورت خرابی سیستم یا زمانی که درجه حرارت از آستانه خاصی فراتر می‌رود، سیستم هوش مصنوعی سرمایش تجهیزات سرمایش اضافی را فعال می‌کند. تمامی این عملیات همگی توسط الگوریتم‌های اتوماسیون و یادگیری هدایت می‌شوند.
عامل کلیدی موفقیت سیستم هوش مصنوعی سرمایش، توانایی آن برای تطبیق تجهیزات خنک کننده بار میزان بار IT و حرارت دیتاسنتر به صورت آنلاین و همزمان است. موتور هوش مصنوعی از داده‌های دریافتی برای تولید الگوریتم‌هایی استفاده می‌کند که بهترین سطح خنک کننده را پیش‌بینی می‌کنند از آنجا که اکثر تجهیزات شبکه و سرورهای دیتاسنتر بیش از حد خنک می‌شوند، هوش مصنوعی میزان افزونگی از قبل موجود را کشف می‌کند و میزان جریان هوای خنک را تغییر می‌دهد. این روش منجر به این می‌شود که میزان ظرفیت خنک کنندگی تجهیزات کولینگ را تنظیم کند، در حالی که منجر به کاهش قابل توجهی در مصرف انرژی الکتریکی می‌شود.
افزایش بهره وری کارکنان
سامانه هوش مصنوعی سیستم کولینگ دیتاسنتر، قادر است بهره وری کارکنان را افزایش دهد. این امر منجر به این می‌شود که نیاز به نظارت کارکنان و پرسنل در سایت دیتاسنتر و مرکز داده را به حداقل رساند و اجازه می‌دهد زمان و انرژی کارکنان ارزشمند سازمان به وظایف مهم دیگری اختصاص داده شوند و دسترسی کلی سایت را محدود کنند. سامانه هوش مصنوعی سیستم کولینگ با از بین بردن نیاز به مداخله مستقیم انسانی، خود را به موقع و به سرعت برای پاسخگویی به تقاضای بار حرارتی تجهیزات فناوری اطلاعات و دیتاسنتر همراه می‌کند.
در عین حال، قابلیت دید در عملکرد سیستم در زمان واقعی را فراهم می‌کند تا اپراتورها بتوانند تنظیمات لازم را با رابط کاربری انجام دهند. در نتیجه، مراکز داده نیازی به کارمندان ثالث ندارند تا به صورت فیزیکی به وظیفه تاکتیکی، پیچیده و وقت گیر تنظیم سیستم‌های خنک کننده اتاق سرور مانند چیلرها، پکیج مخابراتی و خنک کننده‌های InRow بپردازند.
برنامه ریزی و بودجه بندی بهینه
از آنجا که سامانه هوشمند سرمایش می‌تواند با هر سیستم مدیریت ساختمان (BMS) از طریق پروتکل‌های شبکه مانند BACnet/IP ادغام شود، به مدیران دسترسی فوری و آنلاین برای در اختیار داشتن روند عملیاتی مرکز داده می‌دهد. به عنوان مثال، این سیستم می‌تواند به بهبود برنامه ریزی ظرفیت سرمایش مورد نیاز کمک کند. هنگامی که خنک کننده‌ها بیش از حد مورد توجه قرار می‌گیرد، مدیران مراکز داده می‌توانند از سیستم هوش مصنوعی برای شناسایی میزان خنک کننده واقعی که هنوز در دسترس است، استفاده کنند و سپس تعیین کنند که چه زمانی و کجا، تجهیزات جدید IT را مستقر کنند. به همین ترتیب، مدیران ممکن است بتوانند هزینه‌های سرمایه گذاری را کاهش دهند، زیرا واحدهای کولینگ کمتری برای برآورده ساختن نیازهای خنک کاری مرکز داده مورد نیاز است. و با توجه به بهینه سازی عملکرد تجهیزات سرمایش، می‌تواند منجر به افزایش عمر تجهیزات شود. شناسایی آسان تجهیزات با عملکرد ضعیف به مدیران کمک می‌کند تا برنامه ریزی کنند که چه زمانی تجهیزات قدیمی باید بازنشسته شوند و کدام یک از واحدهای با کارایی پایین باید اولویت تعویض باشند. علاوه بر این، اپراتورها می‌تواند از هوش مصنوعی برای شناسایی هر منطقه در مرکز داده‌ای که با خطر حرارتی HotُSpot مواجه است استفاده کند تا دارایی‌های IT با ارزش بالا تا زمانی که مشکل دمایی آن منطقه حل نشود، در آنجا مستقر نشوند.
آتیه هوش مصنوعی در سیستم های سرمایش
در ترکیب با سایر فناوری‌های نوظهور، هوش مصنوعی قادر است که عملیات اجرایی و کنترلی سیستم‌های سرمایش و خنک کاری مراکز داده را در سال‌های آینده تغییر شکل دهد. با این حال، مراکز داده باید امروز آماده شوند تا فردا بتوانند مبتنی بر فناوری هوش مصنوعی کار کنند راه حل‌های خنک کاری مدیریت شده توسط هوش مصنوعی به مراکز داده کمک می‌کنند تا زمینه را برای عملکرد بهینه دیتاسنترها در آینده فراهم کنند. این راه حل‌ها به مدیران مراکز داده کمک می‌کند تا چالش‌های امروز مانند مدیریت پرسنل، هزینه‌های عملیاتی، بهره وری عملیاتی و بهره وری انرژی مصرفی دیتاسنترها را در حالی که عملیات خود را برای اتخاذ سایر برنامه‌های جدید هوش مصنوعی آماده می‌کنند، رسیدگی کنند.
الیماکول؛ پیشرو در صنعت تهویه مطبوع دیتاسنتر
با الیماکول، سرمایش مراکز داده را به یک تجربه پیشرو و مطمئن تبدیل کنید و با ما همراه باشید تا بهترین راهکارهای تهویه مطبوع و سرمایش دیتاسنتر را برای شما فراهم آوریم.
جهت مشاهده راهکارهای الیماکول برای سرمایش دیتا سنتر به وبسایت الیماکول به آدرس https://elimacool.com مراجعه نمایید. کارشناسان فنی الیماکول آماده ارائه مشاوره تخصصی برای انتخاب بهترین راهکارهای سرمایش مراکز داده، به شما مشتریان محترم هستند.
الیماکول؛ کیفیتی ماندگار
توجه! این مطلب یک رپورتاژ آگهی است و محتوای آن توسط تبلیغ دهنده نگارش شده است.
آی تی جو مسئولیتی در قبال صحت و سقم محتوای تبلیغاتی ندارد.
