پیشرفتهای مبتنی بر هوش مصنوعی، فقط سختافزار دیتاسنترها را متحول نکرده؛ بلکه روی نرمافزار، عملیات و مانیتورینگ هم تاثیرگذار است و دارد شکاف بین روشهای سنتی و عصر جدید مدیریت هوشمند زیرساخت مرکزداده را پر میکند.
تجهیزات DCIM قدیمی دیگر پاسخگوی روندهای پر تقاضایی مانند هوش مصنوعی، محاسبات با کارایی بالا، مراکزداده ماژولار لبه و پیش ساخته، به اضافه نیاز به رعایت الزامات مربوط به انرژی، محیط زیست و پایداری نیستند و این صنعت در حال تغییر ماهیت، وظایف و عملکرد سیستمهای مدیریت زیرساخت است.
در گذشته، سیستمهای مدیریت زیرساخت مرکزداده (Data Center Infrastructure Management) با تمرکز بر گزارشگیری و جمعآوری و نمایش پارامترهای محدودی ساخته میشدند و اغلب برای سختافزارهای اختصاصی، بهینهسازی شده بودند. اما پیچیدگی روزافزون چالشهای این صنعت و تکامل سریع فناوریها، راه را برای تغییر الگوهای مدیریت زیرساخت باز کرده و آن را به یک امر اجتنابناپذیر تبدیل ساخت.
مشکلات DCIM قدیمی چیست؟
تجهیزات مدیریت زیرساخت مرکزداده سنتی، برای پر کردن شکاف میان تجهیزات مرکزداده و عملیاتهای فناوری اطلاعات طراحی ولی به شدت وابسته به برندها و راهکارهای شرکتها بودند. در نتیجه، با اکوسیستمهایی پراکنده، سیستمهایی ناهمگون و چالشهای ادغام روبرو بودیم و همیشه فهرست بزرگی از موانع فناورانه و پیچیدگیهای پیادهسازی پیش روی ما بود.
اپراتورهای مرکزداده با مشکلات ناکارآمدی DCIM و نداشتن یک بینش جامع درباره کل سیستم روبرو بودند. افزون بر این، این سیستمها تا حدود زیادی واکنشی بودند؛ یعنی به جای اینکه مشکلات را زودتر از رسیدن به مرز بحران گزارش داده یا حل کنند؛ آنها را مدیریت میکردند.

مدیران مراکزداده مدرن امروزی به شدت نیازمند کنسول مدیریت زیرساخت مرکزداده ساده، یکپارچه و قابل پیادهسازی و ادغام در میان انواع فناوریها هستند تا بتوانند یک دید جامع و تجزیه و تحلیل عمیق همراه با مدیریت و اتوماسیون به دست بیاورد.
DCIM مبتنی بر هوش مصنوعی در راهاند
در ابتدا، تجهیزات DCIM فقط مشغول ردگیری مصرف برق، سیستم سرمایشی، جمعآوری اطلاعات از سنسورهای مختلف روی تجهیزات و محیط دیتاسنتر بودند. هنوز هم این پارامترها مهم هستند ولی مدیریت زیرساخت مرکزداده هوشمند امروزی، نیاز به تجزیه و تحلیل خودکار و تصمیمگیریهای واکنشی دارد. پلتفرمهای DCIM که مبتنی بر AI پیادهسازی میشوند؛ کاری بیش از نظارت انجام داده و اطلاعات را به صورت آنی، مورد تجزیه و تحلیل قرار میدهند؛ الگوها را سریعا شناسایی کرده و توصیههای هوشمندانه برای مدیران سیستم میفرستند. در برخی موارد، مدلهای پیشرفته DCIM میتوانند به طور خودکار وارد عمل شده و اقدام فوری انجام دهند. این تغییر رفتار از واکنشی به پیشگیرانه، یک پیشرفت بزرگ برای تیمهای مرکزداده است.
براساس مستندات موسسه Uptime، تجهیزات DCIM آینده باید شامل هوش مصنوعی و یادگیری ماشینی باشند تا بتوانند به کاهش قطعیها، افزایش بهرهوری و پشتیبانی از اهداف پایداری و زیست محیطی کمک کنند.

۵ ویژگی تجهیزات DCIM هوشمند آینده
با ورود هوش مصنوعی به سیستمهای مدیریت زیرساخت مرکزداده، انتظار داریم شاهد تجهیزات DCIM هوشمندی با ویژگیها و قابلیتهای انقلابی و متفاوتتری باشیم. نشریه datacenterdynamics پنج ویژگی کلیدی برای AI DCIM آینده ترسیم میکند:
۱- نگهداری پیشبینانه
هوش مصنوعی با تحلیل دادههای حسگرها و رفتار تجهیزات، پیش از بروز خرابیها هشدارهای لازم را ارائه میدهد. این قابلیت باعث جلوگیری از توقف ناگهانی سرویسها، کاهش هزینههای تعمیرات اضطراری و افزایش عمر مفید تجهیزات میشود. در نتیجه تیمهای فنی میتوانند بهجای واکنش به مشکلات، از قبل برای رفع آنها برنامهریزی کنند.
۲- تخصیص هوشمند منابع
AI با تحلیل مداوم دادهها، پیشنهادهای دقیقی برای جایگزینی بهینه تجهیزات، توزیع بار کاری و نحوه استفاده از منابع سختافزاری ارائه میدهد. این کار موجب استفاده مؤثرتر از توان، سرمایش و فضا میشود و از ایجاد نقاط داغ یا فشار بیش از حد روی یک بخش جلوگیری میکند.
۳- بهبود بهرهوری انرژی
سیستمهای سرمایش و برق مرکز داده با کمک هوش مصنوعی به شکل لحظهای بهینهسازی میشوند. DCIM هوشمند میتواند الگوهای مصرف انرژی را شناسایی کرده و نقاط با مصرف ناکارآمد را برطرف کند. نتیجه، کاهش مصرف انرژی، کاهش هزینههای عملیاتی و کمک به دستیابی به اهداف پایداری و مدیریت سبز است.
۴- برنامهریزی دقیق ظرفیت
ترکیب دادههای قدیمی و اطلاعات لحظهای، به مدیریت زیرساخت دیتاسنتر مبتنی بر هوش مصنوعی، اجازه میدهد نیازهای آینده را بهدرستی پیشبینی کند. این قابلیت کمک میکند تیمهای IT از کمبود یا مازاد ظرفیت جلوگیری کرده و برای توسعه زیرساختهای آینده تصمیمات دقیقتری بگیرند.
۵- امنیت و انطباق قویتر
از DCIM نسل آینده انتظار داشته باشید بتواند رفتارهای غیرعادی، تغییرات پرریسک یا تهدیدهای احتمالی را بهسرعت تشخیص دهد. به علاوه، ثبت خودکار رویدادها و تولید گزارشهای دقیق، رعایت استانداردهای امنیتی و انطباق با سیاستهای سازمانی را سادهتر و مطمئنتر میکند.
یک مثال ساده
همه این ویژگیها را میتوان در یک مثال ساده بیان کرد: فرض کنید یک مرکز داده شاهد افزایش ناگهانی دما در یک بخش باشد. ممکن است ابزارهای سنتی DCIM هشداری ارسال و سپس، یک تکنسین به صورت دستی وضعیت سرمایش را بررسی و تنظیم میکند اما DCIM مبتنی بر هوش مصنوعی، سریعتر عمل میکند؛ مشکل را تشخیص و علت آن را پیدا میکند؛ مثلا یک رک با چگالی بالا و بعد سیستم سرمایشی را طوری تنظیم میکند که مشکل رفع شود یا به طور خودکار، بارهای کاری را مجددا میان سختافزارها، توزیع میکند. این اتفاق قبل از اینکه دما به یک مشکل تبدیل شود؛ رخ میدهد.

چه زمانی DCIM هوش مصنوعی وارد بازار میشود؟
این کاملا به آمادگی دیتاسنتر شما برای پذیرش و به کارگیری تجهیزات مدیریت زیرساخت هوشمند بستگی دارد. هماکنون هم در کشور سامانه DCIM مانیتورینگ مرکزداده بومی داریم که قابل نصب و پیادهسازی در هر زیرساخت آی تی بوده و قابلیت مانیتورینگ هوشمند سیستم توزیع انرژی الکتریکی، سیستمهای سرمایشی، پارامترهای شرایط محیطی مرکز داده، وضعیت نشتی آب به صورت نقطهای و نواری، دما و رطوبت، پارامترهای دستگاههای UPS تک فاز و سه فاز، انواع سنسورهای ایمنی و امنیتی را تحت شبکه (IP Based) دارد. این کنسول DCIM فیزیکی – نرمافزاری سازگار با برندهای تجاری گوناگون بازار بوده و دارای باتری داخلی برای عملکرد مداوم دستگاه در زمان قطع برق است. این سامانهها کاملا ماژولار طراحی میشوند تا براساس نیاز مشتری و ظرفیتهای دیتاسنتر، نصب شوند و ضمن مانیتورینگ وضعیت مرکز داده از طریق اپلیکیشن موبایل، تبلت و کامپیوترهای رومیزی، امکان ارتباط با سامانههای مانیتورینگ یکپارچه و تحت پروتکلهای استاندارد را هم دارند.
نتیجهگیری
کم کم باید تصور قدیمی از DCIM را کنار بگذاریم و دنبال تجهیزات مدیریت زیرساخت مرکزداده هوشمندتر، یکپارچه و ماژولار برویم تا هم تابآوری سیستم افزایش پیدا کند و هم در بهرهوری و کارایی، رو به جلو حرکت کرده و بتوانیم همهچیز را از راه دور کنترل و مدیریت کنیم. به ویژه در شرایط کنونی کشور که انرژی چالشساز شده؛ نظارت و کنترل دقیقتر و با دیتاهای جزئیتر از هر رک، سرور و بخش یک زیرساخت IT میتواند باعث مدیریت بهتر مصرف انرژی و کاهش هزینهها شود.