Google utiliza la máquina de aprendizaje para mejorar la eficiencia de los centros de datos

Gigante de Internet utiliza aprendizaje automático y la inteligencia artificial para mejorar la eficiencia de sus centros de datos. Como se informó por Joe Kavanagh, vicepresidente de Data Center de Google, la compañía comenzó a aplicar redes neuronales para analizar la enorme cantidad de datos recogidos en los servidores, y formulando recomendaciones para mejorar su trabajo.

De hecho, Google ha construido un equipo que es consciente de sus centros de datos, incluso más que los propios ingenieros. El recurso humano no se deduce de la cuenta, pero Kawa cree que el uso de una red neuronal daría a Google la oportunidad de alcanzar nuevos horizontes en la eficiencia de las granjas de servidores debido a ir más allá de lo que pueden ver y analizar los ingenieros.





Ejecución de Google ya es parte de la mayoría de los centros de datos energéticamente eficientes en el mundo. El uso de la inteligencia artificial le dará a Google la oportunidad de mirar hacia el futuro y simular miles de esquemas de trabajo de sus centros de datos.

En las primeras etapas de la utilización de redes neuronales permite Google para predecir con exactitud de PUE factor de 99, 6%. Estas recomendaciones para toda la insignificancia aparente condujo a un ahorro sustancial, ya que se han aplicado a miles de servidores.

¿Por qué Google se volvió hacia la máquina de aprendizaje y redes neuronales? La razón principal reside en el hecho de que los centros de datos están en constante expansión, se convierte en un reto para Google, sensores de uso para recoger millones de datos sobre el consumo de la infraestructura y la energía.

"En un entorno tan dinámico como un centro de datos, una persona es a veces difícil de ver todas las variables de la relación", - dice Cava. - "Hemos estado trabajando en la optimización del centro de datos. Todos sin duda mejores formas ya han implementado, pero no hay que parar! »

Conozca a los boy-genio h4> La red neural creado por el ingeniero Jim Gao Google Google, cuyos colegas apodado el "niño genio", debido a la capacidad de analizar grandes cantidades de datos. Gao analizó los sistemas de refrigeración mediante la aplicación de los principios de la hidrodinámica y el seguimiento de datos para crear un modelo 3D del flujo de aire dentro de la sala de servidores.

Gao cree que se puede crear un modelo que sigue la pista de un conjunto más amplio de variables, incluyendo la utilización de los equipos informáticos, las condiciones climáticas, el trabajo de las torres de enfriamiento, bombas de agua e intercambiadores de calor que mantienen la temperatura normal de los servidores de Google.

"Las computadoras son buenas, ya que pueden ver todos los datos ocultos de la historia. Jim tomó la información que recogemos todos los días y nos llevó a través de su modelo para llegar a una comprensión de complejas cadenas de interacción, con el significado de que no podía dejar de notar los empleados, siendo simples mortales "- escribe en su blog Cava. "A través de una serie de prueba y error, el modelo ahora da Jim precisión de 99, 6% en el cálculo de PUE. Esto significa que ahora se puede aplicar el modelo en busca de nuevas formas de aumentar la eficacia de nuestras acciones ". La imagen de abajo muestra la correlación entre la (curva negro) predicho y real (curva amarilla) cambia PUE.

¿Cómo funciona? H4> Gao comenzó a trabajar en la máquina de aprendizaje como las anteriores "proyecto de 20 por ciento." Tradicionalmente, Google permite a sus empleados a pasar parte de su tiempo trabajando en el desarrollo de la innovación, además de sus responsabilidades fundamentales. Gao no era un experto en inteligencia artificial. Para explorar los temas clave en el aprendizaje de máquina, Gao fue curso en Stanford profesor Andrew Un.

Red neuronal simula el cerebro humano, lo que permite que la computadora entienda y para "enseñar" el problema sin tener que programar explícitamente. Motor de búsqueda Google es a menudo citado como un ejemplo de este tipo de formación, que es también una de las áreas de investigación clave en la empresa. "Este modelo - no es más que un conjunto de cálculos de ecuaciones diferenciales - explicó Cava. - "Pero usted tiene que entender las matemáticas. El modelo comienza con el estudio de la interacción de las variables ».

Para empezar a Gao tuvo que identificar los factores clave que influyen en la eficiencia energética en los centros de datos de Google. Entrecerró el número de indicadores a 19 y diseñó una red neuronal, un sistema de aprendizaje automático que puede reconocer los patrones en grandes conjuntos de datos.

"Un gran número de combinaciones de equipo y ajustes complica la búsqueda de una eficiencia óptima," - escribe en su informe a Gao. - "En el centro de datos de tareas en ejecución se pueden implementar utilizando una serie de combinaciones de equipo (mecánica y eléctrica) y el software (las estrategias de gestión y configuración). Compruebe cada combinación de la eficiencia es prácticamente imposible - hay un límite de tiempo, fluctuaciones de carga frecuentes en los equipos informáticos, las condiciones climáticas, y la necesidad de mantener un funcionamiento estable DPC »
.

Funciona en un único servidor h4> En cuanto a los equipos, a continuación, a petición de Kava, el sistema no requiere potencia de cálculo extraordinario y se ejecuta en un único servidor, e incluso podrían trabajar en un ordenador de sobremesa de clase alta.

El sistema se puso en marcha en varios centros de datos de Google. Herramienta de aprendizaje de la máquina podría ofrecer unos cambios que han llevado a una mejora gradual de PUE, incluyendo una mejor distribución de la carga cuando la infraestructura de energía, y pequeños cambios en el sistema de enfriamiento de agua de temperatura.

"Las pruebas recientes en los centros de datos de Google ha demostrado que el aprendizaje de la máquina - un método eficaz de utilizar valores de los sensores existentes para simular la distribución de la energía en el centro de datos y conduce a importantes ahorros de costes", - dice Gao
.

Las máquinas no toman precedencia h4> Kawa cree que esta herramienta ayudará a Google para modelar y desarrollar otros proyectos en el futuro. Pero no te preocupes, los centros de datos de Google tendrán pronto no adquirir conciencia. Ahora la empresa está interesada en la automatización, e incluso la empresa promotora recientemente adquirida de la robótica, pero hasta el momento ninguno de los datos de los centros de Google no funciona únicamente en la gestión automatizada ».

"Todavía necesitamos que la gente haga las conclusiones correctas acerca de todo esto," - dice Cava. - "Y todavía quiero asegurar que nuestros ingenieros están familiarizados con estas recomendaciones»
.
La mayor ventaja de la utilización de redes neuronales emergerá en años gryadushie, la construcción de una nueva plataforma de servidor de Google. "Preveo el uso de este principio en el diseño de centros de datos", - dice Cava. - "Esta tecnología avanzada se puede usar en el diseño y mejoras adicionales. Creo que vamos a encontrar otras maneras de aplicar ».

Google comparte su enfoque de aprendizaje automático en el статье Gao, con la esperanza de que aquellos que también dirige un poderoso centros de datos será capaz de aplicarlo en la práctica. "Este mecanismo - no algo especial que sólo se puede utilizar Google o simplemente Jim Gao," - dice Cava. - "Me gustaría mucho ver a un uso más generalizado de esta tecnología. Creo que toda la industria se beneficiará de esto. Esta herramienta increíble que le permite convertirse en lo más eficiente posible ".

Fuente: habrahabr.ru/company/ua-hosting/blog/230627/