Elengedhetetlen az adatok szűrése és automatikus átrendezése, mielőtt hasznos információkat bányászhatunk belőlük. Itt lép be a mesterséges intelligencia (MI) az adatközpontok életébe.
Az elmúlt évtizedben az adatközpont-szolgáltatások a túlnyomórészt web-központúról a felhő-központúvá változtak. Mára új átalakulásnak lehetünk tanúi, ezúttal a számítástechnika a felhő korszakból az intelligens korszakba lép.
A most látható változások jelentősége abban rejlik, hogy a digitalizáció során keletkező hatalmas mennyiségű adatból hogyan szűrhetőek le értékes és használható információk. A mesterséges intelligencia segíti az információk kiszűrését és automatikus átszervezését az adatok elemzése előtt.
A Huawei Global Industry Vision (GIV) szerint a világ nagyvállalatainak mintegy 97 százaléka 2025-re már szándékozik MI-t használni. Valójában egyre több vállalkozás tekinti a mesterséges intelligenciát a digitális átalakulás elsődleges stratégiájának. A mesterséges intelligencia kiaknázásának képessége kulcsfontosságú lesz a sikerességhez – a döntéshozatalban, az üzleti modellek és ökoszisztémák átalakításában, valamint a pozitív vásárlói élmények újjáépítésében.
A Huawei GIV szerint a világszerte előállított adatmennyiség 2025 –re eléri a 180 ZB-ot. Azt is előre jelzi a GIV, hogy a strukturálatlan adatok (például a feldolgozatlan hang-, video- és képadatok) aránya is tovább nő, és a közeljövőben eléri a teljes mennyiség 95 százalékát.
Mivel a manuális big data elemzési és feldolgozási módszerek, nem képesek a fentiekben megjósolt, nagy mennyiségű adat kezelésére, – a gépi tanuláson alapuló deep learning MI-algoritmusok segíthetnek az adatok validálásában, és az érvénytelen, értéktelen adatok kiszűrésében, és képesek a hasznos információk automatikus újra rendszerezésére. Ez hatékonyabb döntéshozatali javaslatokat és intelligensebb cselekvési javaslatokat eredményez. Az intelligens korszakban a vállalati adatközpontok a gyors szolgáltatásnyújtásról a hatékony adatfeldolgozásra térnek át.
A mesterséges intelligencia fejlődésével deep learning szerverfürtök, valamint nagy teljesítményű tárolóeszközök, például SSD-k jelennek meg. Ez jóval magasabb követelményeket (alacsonyabb μs-szintet) támaszt a kommunikációs késleltetéssel kapcsolatban.
A pénzügyi szektor teljesítményérzékeny nagyfrekvenciás kereskedési (HFT-) környezetében a nagy kereskedési volumenek feldolgozásakor is rendkívül alacsony késleltetési paramétereket kell a hálózatoknak teljesíteniük. A New York-i Nasdaq leggyorsabb megbízás tranzakciós sebessége például nagyságrendileg 100 mikroszekundum.
Túl nagy késleltetés mellett előfordulhat, hogy a tranzakció nem a tervezett módon megy végbe. Egy ilyen MI-orientált adatművelet csomagvesztésmentes hálózatot-, alacsony késleltetést és nagy átviteli sebességet igényel. Egy megfelelően modern rendszerhez a késleltetést kétféleképpen lehet csökkenteni.
1. Meg kell változtatni a hálózati protokollt
A szerver belső kommunikációs protokoll készletét módosítani kell. A mesterséges intelligencia adatfeldolgozó és SSD elosztott tárolórendszerekben a hagyományos TCP/IP protokollt használó adatfeldolgozás késleltetése önmagában több tíz mikroszekundum. Ezért iparági gyakorlattá vált, hogy a TCP/IP protokollt távoli közvetlen memória-hozzáféréssel (RDMA) helyettesítik. Az újabb protokoll hat-nyolcszorosára növelheti a számítási hatékonyságot; és a kiszolgálók 1 μs átviteli késleltetése lehetővé teszi az SSD elosztott tárolórendszerek késleltetési nagyságrendjének csökkentését milliszekundumról mikroszekundumra. A legújabb Non-Volatile Memory Express (NVMe) interfészprotokoll esetében az RDMA a mainstream alapértelmezett hálózati kommunikációs protokollkészletté vált.
2. Csökkenteni kell az optikai átvitel késleltetését
Az optikai adatátvitel késleltetésének csökkentése érdekében az adatközpontokat a késleltetés érzékeny alkalmazások fizikai közelében kell létesíteni. Ennek eredményeképpen az elosztott adatközpontok mára általánossá váltak. Mindazonáltal fontos követelményeknek kell megfelelniük, különös tekintettel a szolgáltatások gyors telepítésével kapcsolatban.
Itt az adatkommunikációs hálózat (DCN) és a Data Center Interconnect (DCI) megoldások egyre népszerűbbek, mert növelik a DCN/DCI sávszélességet, biztosítják a zéró csomagvesztést, az alacsony késleltetést és a veszteségmentes hálózatok nagy teljesítményét. Moore törvénye használható az adatközpontok sávszélességének növelésére is, és a DCI megoldásként használt egyetlen DCN interfész kapacitása is meghaladja a 100Gb/s -t. Az adatközpontokat összekötő DCI hálózat pedig 10 Tbit/s sebességű Wavelength Division Multiplexing (WDM) interconnect hálózattá fejlődött.
Rugalmasan bővíthető és működtethető DCN-ek
A hálózatok egyre fontosabbak a nagy teljesítményű szolgáltatások, például az MI és a nagy teljesítményű számítástechnika (HPC) sikeréhez. A veszteségmentes hálózat torlódásvezérlő algoritmusának működéséhez a hálózati adapterek és maguk a hálózatok közötti együttműködésre van szükség. A hálózat kialakítása során gyorsan és pontosan meg kell ismerni a hálózaton elérhető eszközök és kapcsolatok valós idejű állapotát a működés és karbantartás (O&M) feladatok elvégzéséhez.
A DCI-ben ma széles körben használják a DWDM tartalmazó optikai szálátviteli rendszereket. Az optikai rendszerek szolgáltatásnyújtási és karbantartási módjai eltérnek a digitális hálózatokétól, és az üzemeltetők általában nagy és képzett csapattal rendelkeznek, akik biztosítják az optikai hálózatok karbantartását.
Ezzel szemben az internetszolgáltató (ISP) és a pénzügyi ágazatokban az adatközpont-hálózatok építéséhez és karbantartásához nem alkalmaznak nagy informatikai csapatokat. Ezért ezen vállalatok számára kihívás a gyors szolgáltatásnyújtás és a pontos hibaelhárítás. Ahogy az egyre összetettebb feladatok támogatására egyre több adatközpont épül, a DCI-vel szemben állított követelményeknek szintén nagymértékben növekedniük kell. Ellenkező esetben szűk keresztmetszetté válnak a további fejlődésben.
A DCI működési és karbantartási feladatainak egyszerűsítése
A felhőszolgáltatások gyors fejlesztésével és bevezetésével egyre gyakoribbá válik a hálózatok modernizációja és bővítése. A WDM-eszközök telepítése, a kötések készítése, a konfigurálás és üzembe helyezés professzionális tervezést és konfigurálást igényel a hagyományos rendszerekben.
Az automatikus tervezési és konfigurációs rendszer felszabadítja a üzemeltető csapatot a komplex és professzionális telepítések alól, biztosítja az automatikus és hatékony telepítést, támogatja a felhő alapú szolgáltatások gyors bevezetését, valamint a gyakori kapacitásbővítést.
Az eszközök manuális beállítása helyett az automatikus konfiguráció jelentősen javítja a kivitelezés hatékonyságát és a konfiguráció pontosságát. A hibák valószínűsége a hagyományos kézi szálcsatlakozásoknál gyakran akár 5 százalékos is lehet. Ezenkívül a hibaelhárítás, keresztellenőrzés és minőségellenőrzés idő- és munkaigényes feladat.
A proaktív üzemeltetés ígérete az adatközpontok számára
Egyre több alkalmazás fut a felhőben és az adatközpontokban, amelyek egyre inkább a digitalizáció kulcsfontosságú infrastruktúrájától függenek. A DCI-ben előforduló bármely hiba gyakran súlyos következményekkel jár. A DCI támogatja a hatékony és intelligens üzemeltetést, átalakítja és optimalizálja azt manuálisról automatikusra, passzívról aktívra.
A hagyományos hálózati megfigyelőrendszerekkel összehasonlítva az intelligens O&M rendszerek beépített optikai érzékelőket használnak az optikai hálózat globális vizualizációjára (beleértve az optikai szálakat és az optikai átviteli eszközöket). Ezenkívül az intelligens üzemeltetési rendszerek figyelmeztetnek az optikai hálózat egészségi állapotában bekövetkező változásokra, különösen a fizikai paraméterekre – például az optikai csillapítás változására vagy az optikai hullámhossz-eltolódásra. A rendszer automatikusan elemzi a korábbi eseteket. Ezek a tulajdonságok biztosítják a hálózati hibaarány csökkentését és a hálózat elérhetőségének jelentős javulását.
A Huawei felhőalapú számítási megoldásairól további információk eléréséhez használja a QR-kódot:
(X)
