Według danych z najnowszego raportu Uptime Institute („Outages Analysis 2023”) przestoje centrów danych są coraz droższe, a tendencja ta – wraz ze wzrostem zależności gospodarek od usług cyfrowych – będzie się utrzymywać. Ponieważ koszty ponad dwóch trzecich wszystkich przestojów centrów danych wynoszą – jak wynika z badania Uptime Institute – więcej niż 100 tys. dol., to rośnie uzasadnienie biznesowe dla inwestycji w zwiększanie ich odporności na awarie. Jednym ze sposobów na to jest uzyskanie pełnej widoczności wszystkich zasobów i aspektów działania DC.

Staje się to tym ważniejsze, że środowiska IT – obejmujące centra danych, systemy chmurowe, a także instalacje brzegowe – stają się coraz bardziej skomplikowane i rozproszone. W efekcie rośnie potrzeba sięgnięcia po oprogramowanie do monitorowania i zarządzania wszystkim – z dowolnego miejsca i na dowolnym urządzeniu.

Do czego służy DCIM?

Wspomnianą wyżej widoczność uzyskuje się poprzez zastosowanie narzędzi DCIM (Data Center Infrastructure Management), służących do zarządzania centrami danych, w tym do planowania oraz kontroli działania obiektów i znajdującej się w nich infrastruktury IT. Użycie DCIM ma ułatwiać maksymalizację czasu ciągłej pracy, zmniejszenie kosztów operacyjnych, optymalizację zasobów IT i w ostatecznym rozrachunku przestrzeganie umów gwarantujących poziom świadczonych usług (SLA). Wykorzystanie narzędzi do zarządzania może dotyczyć różnych obszarów – począwszy od kontroli wydajności systemów zasilania i chłodzenia, po zdalne monitorowanie działania szaf serwerowych i znajdującego się w nich sprzętu IT.

Choć w działaniu centrów danych zachodzi daleko idąca standaryzacja, to każdy obiekt jest na swój sposób unikalny. Wymaga to indywidualnego dostosowania narzędzi do planowania i monitorowania, aby uzyskać widoczność i kontrolę nad systemami. Teraz stało się to łatwiejsze, gdyż zaawansowane rozwiązania DCIM wykorzystują chmurę obliczeniową, możliwości sztucznej inteligencji (AI) i uczenia maszynowego (ML) oraz daleko idącą automatyzację. Dzięki rozwojowi DCIM można skuteczniej monitorować problemy występujące w centrach danych i szybko na nie reagować.

Zarządzanie brzegowymi centrami danych

Wdrażanie infrastruktury brzegowej stanowi odpowiedź na upowszechnianie się takich trendów, jak Internet Rzeczy (IoT), analiza dużych zbiorów danych, sztuczna inteligencja, wirtualna i rozszerzona rzeczywistość (VR/AR) czy inteligentne miasta (smart cities). Poprzez przetwarzanie danych bliżej użytkownika końcowego redukuje się opóźnienia i koszty transmisji danych. Jednak zarządzanie infrastrukturą brzegową może stanowić wyzwanie ze względu na złożoność administrowania wieloma oddalonymi lokalizacjami i brak personelu na miejscu.

Edge computing wymaga narzędzi DCIM umożliwiających sprawowanie kontroli nad wieloma rozproszonymi lokalizacjami, uwzględniając, że zarządzane obiekty mają inne cechy, wymagania i ograniczenia niż scentralizowane centra danych. Po stronie ograniczeń z pewnością będą problemy z łącznością i dostępnością sieci (choć sieć 5G ma to w przyszłości zmienić). Rozwiązania do zarządzania brzegowymi data center powinny zapewniać administratorowi zintegrowany pulpit nawigacyjny, który będzie wyświetlać informacje i wskaźniki wszystkich instalacji brzegowych w jednym widoku. Z kolei wykorzystanie platformy chmurowej umożliwi zdalny dostęp, kontrolę i zarządzanie lokalizacjami z dowolnego miejsca, także przy użyciu aplikacji mobilnej.

Więcej automatyzacji i AI

Wspomniane na początku badanie Uptime Institute pokazuje, że ponad 70 proc. awarii centrów danych spowodowanych jest błędami ludzkimi, a nie wadami w projektowaniu infrastruktury. Dlatego zmierza się do automatyzacji operacji centrum danych, w coraz większym stopniu wykorzystując do tego sztuczną inteligencję i uczenie maszynowe.

Opiera się to na zbieraniu i analizowaniu dużych ilości danych z różnych źródeł – sensorów, urządzeń, aplikacji i użytkowników – w celu zapewnienia lepszego wglądu w obecne i prognozowane działanie infrastruktury centrum danych. AI i ML mogą pomóc w wykrywaniu anomalii i usterek, w tym awarii zasilania, przegrzewania się infrastruktury, zatorów w sieci lub naruszeń bezpieczeństwa, identyfikując przyczyny i określając potencjalne skutki wykrytych problemów. Ich użycie może ułatwić optymalizację i automatyzację różnych procesów w centrum danych, takich jak równoważenie obciążeń, zarządzanie energią, kontrola chłodzenia, alokacja zasobów czy planowanie konserwacji. Dzięki nim możliwe staje się przewidywanie trendów w data center, takich jak wzrost zapotrzebowania na zasoby, wykorzystanie mocy obliczeniowej, zużycie energii czy wpływ na środowisko.

Wykorzystanie AI i ML do zarządzania centrum danych wiąże się jednak z wyzwaniami. Takie rozwiązanie potrzebuje dużych ilości dostarczanych z różnych czujników danych, które muszą być dokładne i spójne. Jakiekolwiek rozbieżności w danych mogą prowadzić do błędnej analizy, nietrafionych prognoz, a nawet awarii systemu. Dlatego integracja AI z oprogramowaniem DCIM wymaga czasu oraz dogłębnego zrozumienia operacji centrum danych.

Ponieważ zbierane są ogromne ilości danych, priorytetowe staje się też zapewnienie ich bezpieczeństwa i prywatności. Oprogramowanie DCIM musi zawierać solidne zabezpieczenia, w tym szyfrowanie danych oraz kontrolę dostępu, aby chronić dane przed potencjalnymi naruszeniami bezpieczeństwa. W utrzymaniu prywatności natomiast mogą pomóc takie mechanizmy, jak anonimizacja lub pseudonimizacja danych.