• Blog
  • Big Data
  • Cómo facilita la Inteligencia Artificial la gestión de los Centros de Datos

Cómo facilita la Inteligencia Artificial la gestión de los Centros de Datos

5min

El auge de la Inteligencia Artificial  (IA) y el Machine Learning permite los mayores avances también en los Centros de Datos. Gracias a estas tecnologías, es posible mejorar sensiblemente su eficiencia energética, así como optimizar la distribución de la carga o ayudar a mejorar la detección de fallos y la resolución de incidentes. En este artículo, veremos algunas de las formas en que los Centros de Datos dotados de mecanismos de Inteligencia Artificial mejoran los niveles de servicio de los proyectos alojados.

Índice

Eficiencia energética

A medida que los Centros de Proceso de Datos (CPD) se vuelven cada vez más grandes, más complejos y están, cada vez, más conectados a la Nube, la Inteligencia Artificial se convierte en una herramienta esencial para evitar el sobrecalentamiento de los equipos. De esta manera, estos ahorran energía y se reducen los costes en este apartado.

[domainsearch]

El apartado energético de los Centros de Datos, si lo vemos a nivel global, tiene un impacto elevado. Por poner contexto, el informe sobre el uso de la energía en los centros de datos del EE. UU., en 2016, elaborado por el Departamento de Energía, afirma que el uso de energía de los CPD en los Estados Unidos ha crecido a una tasa del 4% anual desde 2010.

En 2020, se espera que este consumo alcance los 73 mil millones de kWh, lo que supone más del 1,8% del uso total de electricidad del país. Los centros de datos también contribuyen alrededor del 2% de las emisiones de gases de efecto invernadero del mundo.

Las técnicas de Inteligencia Artificial pueden contribuir para que los procesos sean más eficientes, más seguros y menos costosos manteniendo las máquinas frescas.

Gracias a la Inteligencia Artificial aplicada a los diferentes sistemas de monitorización y control de las salas técnicas, Arsys espera alcanzar en sus Centros de Datos un PUE (Power Usage Effectiveness) de 1,25. Este indicador es el más extendido para medir la eficiencia de los Centros de Datos, y relaciona el consumo energético total de las instalaciones con el destinado al funcionamiento del equipamiento TI.  Con un 1,25 de PUE, por cada kWh que consumen servidores o cabinas de almacenamiento, sólo 0,25 kWh se dedicarían al suministro de las instalaciones: climatización, iluminación, etc.

Optimización de los servidores

Los Centros de Datos deben mantener servidores físicos y equipos de almacenamiento. El análisis predictivo basado en la IA puede ayudar a los Centros de Datos a distribuir las cargas de trabajo entre los muchos servidores de la empresa.

Por otro lado, las cargas del Centro de Datos pueden ser más predecibles y fáciles de manejar. Gracias a la Inteligencia Artificial, las nuevas herramientas pueden aprender de datos pasados y ejecutar la distribución de carga de manera más eficiente.

De esta manera, las empresas podrán hacer un mejor seguimiento del rendimiento del servidor, la utilización del disco y la congestión de la red. La optimización de los sistemas de almacenamiento del servidor, la búsqueda de posibles puntos de fallo en el sistema, la mejora de los tiempos de procesamiento y la reducción de los factores de riesgo se harán más rápidos. Esto, a su vez, facilitará la máxima optimización del servidor posible.

Optimización de los servidores

Predicción de fallos y resolución de problemas

El tiempo de inactividad no planificado en un Centro de Datos puede suponer pérdidas económicas —entre otras cosas, se puede estar incumpliendo el SLA—. Los operadores del Centro de Datos deben identificar rápidamente el caso raíz del fallo para que priorizar la resolución de problemas y recuperar el sistema antes de que se produzca una pérdida de datos o un impacto en el negocio.

Los centros de datos que se autogestionan hacen uso de aplicaciones de aprendizaje profundo (Deep Learning) para predecir fallos antes de tiempo. Además, utilizando sistemas de recomendación basados en Machine Learning, se pueden encontrar las soluciones a tiempo.

Monitorización inteligente y almacenamiento de datos

Al incorporar el Aprendizaje Automático, la Inteligencia Artificial puede asumir el trabajo rutinario de monitorizar enormes cantidades de datos y hacer que los profesionales de TI sean más eficientes en términos de la calidad de las tareas que manejan. Es una de las ventajas «clásicas» de la IA.

Junto con la monitorización de datos, también es necesario poder almacenar vastas cantidades de datos de forma segura. La Inteligencia Artificial tiene el potencial de tomar decisiones más inteligentes sobre la optimización del almacenamiento o la organización por niveles. Esto ayuda a transformar la administración del almacenamiento aprendiendo los patrones de E/S y los ciclos de vida de los datos, ayudando a mejorar las soluciones de almacenamiento.

Seguridad lógica

La Inteligencia Artificial también permite mejorar la seguridad en los datos. Gracias a la introducción de sondas recolectoras de datos capaces de correlacionar logs, es posible detectar y bloquear automáticamente ataques difíciles de detectar. Un ejemplo lo tenemos en las Amenazas Persistentes Avanzadas (APT), uno de los principales retos de seguridad en el Cloud.

Capacidad/operación

Una de las principales tendencias en el CPD hoy en día es aplicar «inteligencia» o reglas automáticas basadas en redes neuronales para la gestión automática de muchas tareas susceptibles de automatización. De este modo, se facilita la planificación de recursos y la operación del CPD, a la vez que se presta un mejor nivel de servicio a los proyectos alojados.

La Inteligencia Artificial es cada vez más decisiva para la operación de los Centros de Datos. Debido a las mayores necesidades de almacenamiento y de procesamiento de más datos más rápidamente, el crecimiento de los CPD se he hecho difícilmente manejable sin estas soluciones de IA y Machine Learning, especialmente en la situaciones más críticas.

Fernando Fuentes

Productos relacionados: