Аниша Ваттури, эксперт по решениям Hitachi Vantara, рассказывает на портале Data Center Knowledge о подходах к оптимизации производительности, сокращению потерь энергии и повышению эффективности, превращающих инфраструктуру в устойчивый актив, соответствующий бизнес-целям.

Не секрет, что искусственный интеллект движет изменениями во всем инфраструктурном стеке. Динамичный, высоконагруженный характер рабочих нагрузок ИИ требует высокопроизводительной инфраструктуры, которая часто потребляет значительные энергетические ресурсы, что ставит под сомнение цели устойчивого развития. Ожидается, что инвестиции в ИИ вырастут в течение следующих двух лет на 226%, поскольку 76% крупных организаций перешли от ограниченного внедрения ИИ к более продвинутым сценариям использования. Кроме того, энергопотребление ИИ влияет не только на прибыль организаций, но и на общую инфраструктуру хранения и передачи энергии. Это делает особенно важным учет принципов устойчивого развития при создании инфраструктуры ИИ.

В то же время организации стремятся удовлетворить растущие потребности в инфраструктуре в связи с цифровой трансформацией, поэтому поддержка высокопроизводительной инфраструктуры для достижения бизнес-целей является для многих приоритетной задачей. Однако это не означает, что устойчивое развитие не является достижимой целью. Предприятия могут создать основу, хорошо подходящую для конкретных потребностей и рабочих нагрузок компании, достигая как целей устойчивого развития, так и целей повышения производительности без компромиссов или дополнительных инвестиций. Действительно, проектирование инфраструктуры с учетом эффективности и устойчивого развития может повысить производительность и снизить затраты.

Некоторые организации имеют четкие, директивные цели в области устойчивого развития и ожидают измеримых результатов в ходе модернизации инфраструктуры. Другим не хватает такой ясности, поскольку устойчивое развитие не является централизованным приоритетом. С ростом обязательной отчетности в области устойчивого развития, такой как Директива ЕС о корпоративной отчетности в области устойчивого развития (CSRD), это должно стать приоритетом для всех организаций, независимо от того, на каком этапе пути к устойчивому развитию находятся ее клиенты. Один из подходов к достижению целей повышения производительности и бизнес-целей заключается в том, чтобы по умолчанию оптимизировать и консолидировать инфраструктуру при ее проектировании.

Инфраструктура для ИИ- и бизнес-целей

Во-первых, для удовлетворения растущих требований к производительности ИИ наряду с более широкими бизнес-целями требуется инфраструктура, специально созданная для конкретных потребностей каждой организации. Критически важной частью этого является оптимизация инфраструктуры в соответствии как с рабочими нагрузками, так и со стратегическими целями. Не менее важны усилия по консолидации рабочих нагрузок, стандартизации технологий и централизации операций, которые снижают сложность, повышают эффективность и укрепляют общую устойчивость.

Обеспечение такой инфраструктуры не заканчивается на ее развертывании. Текущая эксплуатация столь же важна. Используя такие инструменты, как AIOps, для обеспечения полной наблюдаемости, мониторинга и учета, организации получают предиктивные инсайты для принятия решений в будущем. Благодаря такому уровню операционной гибкости инфраструктура становится динамичным активом, масштабируемым, эффективным и соответствующим как бизнес-целям, так и целям устойчивого развития.

Стратегическое размещение центров обработки данных и периферийные вычисления

Во-вторых, организации могут оптимизировать производительность, стратегически выбирая места для размещения своих дата-центров и периферийных вычислительных площадок, а также определяя, какие данные где хранятся. Размещение данных ближе к месту их использования, особенно на периферии, снижает задержку, повышает скорость и снижает затраты на пропускную способность. Такой подход также способствует достижению целей устойчивого развития за счет уменьшения сетевого трафика и, как следствие, снижения энергопотребления. В некоторых отраслях локальная обработка данных на периферии позволяет принимать решения в режиме реального времени, повышает операционную эффективность и снижает энергопотребление. Кроме того, перенос части обработки данных на периферию может снизить нагрузку на основные дата-центры, сократив затраты и энергопотребление.

Без четкой стратегии может произойти разрастание инфраструктуры, приводящее к появлению разрозненных, избыточных систем, которыми сложно управлять. Это часто приводит к ненужным первоначальным инвестициям и более высоким текущим затратам на техническое обслуживание. Операционная сложность возрастает, поскольку организации пытаются управлять фрагментированным набором аппаратного обеспечения инфраструктуры, в то время как риск уязвимостей безопасности растет. Неиспользуемые или устаревшие системы могут стать точками входа для кибератак. Интегрируя киберустойчивость на ранних этапах проектирования инфраструктуры, организации могут рассчитывать на то, что их среды останутся безопасными, управляемыми и адаптируемыми по мере развития требований.

Гибкие модели потребления для повышения экономической эффективности

В-третьих, внедрение гибкой модели потребления позволяет организациям достичь в локальной среде экономики, аналогичной облачной. Традиционные циклы закупок часто длительны, что приводит к тому, что многие организации выделяют избыточное количество ресурсов инфраструктуры в ожидании роста. Хотя это и благие намерения, такой подход часто обусловлен разрозненным принятием решений и отсутствием всестороннего понимания потребностей всего предприятия. В результате инфраструктура часто используется неэффективно.

Гибкая модель потребления решает эту проблему, позволяя организациям выделять только то, что им необходимо в данный момент, отслеживать использование и быстро масштабироваться по мере изменения спроса, не жертвуя производительностью или доступностью данных. Эта модель снижает первоначальные инвестиции, поддерживая развертывание в локальной, облачной или гибридной средах и обеспечивая максимальную гибкость и контроль затрат.

Для дальнейшего упрощения планирования инфраструктуры организации могут создать систему «размеров футболок» («T-shirt sizing»), предлагающую стандартизированные варианты, такие как маленький, средний, большой и очень большой. Четко определенный каталог может описывать, что включает в себя каждый размер. Например, небольшая инфраструктура может поддерживать 100 виртуальных машин или 10 Тб хранилища, в то время как средняя — 250 ВМ или 25 Тб. Эти конфигурации также могут включать предопределенные вычислительные ресурсы, системы хранения, сетевые ресурсы и ресурсы резервного копирования. Организации могут внедрить автоматизацию для предоставления инфраструктуры с первого дня, чтобы оптимизировать процесс первоначального развертывания. Этот интуитивно понятный подход ускоряет принятие решений, сокращает циклы закупок и ускоряет время вывода в производство. Он также гарантирует, что инфраструктура имеет оптимальный размер, эффективна и тесно соответствует реальным бизнес-требованиям и требованиям приложений.

Гарантии сокращения объема и доступности данных

В-четвертых, гарантии сокращения объема и доступности данных. Это означает оптимизацию способов хранения и управления данными, что играет решающую роль в максимизации эффективности инфраструктуры. Помимо оптимального размера инфраструктуры, способ обработки данных может существенно повлиять на производительность, затраты и использование ресурсов. Поскольку объемы данных продолжают расти экспоненциально, такие технологии, как сжатие и дедупликация, становятся необходимыми. Эти методы сокращения объема данных позволяют значительно уменьшить требования к хранению, часто обеспечивая гарантированное соотношение 4:1, что означает, что 400 Тб данных могут эффективно храниться, используя всего 100 Тб физической емкости. Это сокращение приводит к ощутимым преимуществам: меньше требований к оборудованию, снижение капитальных и эксплуатационных затрат, уменьшение требований к физическому пространству и снижение энергопотребления. Все эти факторы способствуют созданию более устойчивой модели инфраструктуры. Не менее важно обеспечить непрерывный и надежный доступ к критически важным приложениям, предотвратить сбои в передаче данных и обеспечить бесперебойное выполнение рабочих нагрузок.

В современном мире, ориентированном на данные, инвестиции в интеллектуальные платформы хранения, сочетающие сокращение объема данных с надежными гарантиями их доступности, являются стратегическим императивом для масштабируемости, устойчивости и долгосрочной гибкости инфраструктуры.

Преимущества программно-определяемой СХД

Наконец, программно-определяемая система хранения (SDS) обеспечивает гибкость, необходимую для поддержки как традиционных корпоративных приложений, так и современных облачных рабочих нагрузок. Разработанная специально для гибридных облачных сред, система SDS особенно хорошо подходит для распределенных сценариев блочного хранения, требующих масштабируемости, гибкости и высокой доступности. Благодаря отделению ПО хранения от проприетарного оборудования, SDS позволяет организациям преобразовывать стандартные серверы x86 в мощные платформы хранения с поддержкой SDS. Эта независимость от оборудования не только упрощает планирование инфраструктуры, но и приводит к значительному снижению капитальных и эксплуатационных затрат.

SDS дополнительно повышает производительность и защиту данных благодаря таким расширенным функциям, как тонкое выделение (thin provisioning) и кодирование с восстановлением после стирания (erasure coding). Тонкое выделение динамически распределяет емкость хранилища в гибридных и мультиоблачных средах только при записи данных, обеспечивая более эффективное использование ресурсов и минимизируя потери емкости. Кодирование с восстановлением обеспечивает надежную избыточность и отказоустойчивость данных без значительных накладных расходов, характерных для традиционных методов репликации. Благодаря масштабируемости по требованию, интеллектуальному управлению ресурсами и бесшовной интеграции с современными ИТ-средами, SDS предоставляет предприятиям возможность быстро реагировать на меняющиеся потребности в данных, рабочие нагрузки приложений и динамику рынка, что в конечном итоге повышает операционную эффективность и обеспечивает экономически выгодный рост.

Согласование рабочих нагрузок ИИ с целями устойчивого развития

Удовлетворение растущих потребностей рабочих нагрузок ИИ и цифровая трансформация могут показаться противоречащими принципам устойчивого развития. Однако обе цели дополняют друг друга. Благодаря продуманной архитектуре, учитывающей бизнес-цели и потребности в производительности для сокращения избыточного выделения ресурсов, а также использованию других подходов, таких как сокращение объема данных и разумный выбор местоположения, компании смогут оптимизировать производительность, сокращая при этом потери ресурсов и энергии.

В то же время, внедрение современных подходов, таких как AIOps, гибкие модели потребления и SDS, обеспечивает высокую производительность, бóльшую эффективность и улучшенное управление денежными потоками. Эти продуманные архитектурные решения в конечном итоге создают гибкую, отказоустойчивую основу, готовую к сильному росту бизнеса и долгосрочной устойчивости. Инфраструктура трансформируется из статического центра затрат в динамичный актив, который масштабируем, эффективен и соответствует как бизнес-целям, так и целям устойчивого развития.