Optimització de Data Centers

Introducció

L'optimització de centre de dades es refereix a qualsevol sèrie de processos i polítiques que s'implementen per augmentar l'eficiència de les operacions de centre de dades sense sacrificar la funcionalitat o el rendiment. És un mètode per a millorar el rendiment general de les capacitats de centre de dades d'una empresa a través de la implementació de diverses estratègies de TI, com la consolidació de servidors, la virtualització de servidors i l'arquitectura orientada a serveis (SOA) per augmentar l'eficiència de processament, la disponibilitat de la xarxa i l'escalabilitat empresarial.

La consolidació de servidors ajuda a minimitzar la quantitat de servidors actius que empra un centre de dades. Sovint, els centres de dades tenen molts servidors infrautilitzats. Els processos que realitzen aquests servidors generalment es poden consolidar en menys servidors.

Amb aquesta estratègia, una empresa pot estalviar molts diners perquè tindrà menys costos d'infraestructura, menys costos de manteniment i menys costos de funcionament (perquè a l'haver menys servidors, reduirà el seu consum d'energia).

Estratègia d'optimització

L'optimització d'un centre de dades passa per alguns passos, que són els següents:

1. Recopilació d'informació: sobre la utilització de la xarxa, el consum d'energia de l'servidor i el rendiment de refrigeració. Això és molt important perquè ha d'establir la línia de base per mesurar l'eficiència de la infraestructura d'un centre de dades. Amb un bon conjunt d'informació, podem començar a crear estratègies com canviar les càrregues de treball de còmput, apagar els servidors quan no són necessaris i reciclar els recursos durant els períodes d'alta demanda, el que pot millorar en gran mesura l'eficiència energètica sense comprometre el rendiment.
2. Compra anticipada: una part important de l'procés d'optimització és la preparació per a l'ampliació. Dit això, un error comú a l'comprar equips és comprar equips que només satisfan les seves necessitats reals i existents. Si el centre de dades creix, aquest equip pot convertir-se en un coll d'ampolla, per la qual cosa és millor si comprem amb anticipació per cobrir les necessitats de l'equip. D'aquesta manera, no només el nostre maquinari no estarà funcionant a la seva màxima potència, el que pot ser dolent, sinó que a més si necessitem expandir-nos en el futur, no tindrem tants problemes com ho haguéssim tingut amb equips menys potents. A més, executar un sol gabinet de servidor d'alta densitat, per exemple, és generalment més eficient que executar la mateixa càrrega de processament en diversos gabinets de baixa densitat. Per tant, la compra de millors equips donarà com a resultat una major inversió, però donarà com a resultat una actualització important en termes d'escalabilitat.
3. Implementació d'equips: una implementació deficient de servidor podria introduir latència en els sistemes de xarxa. Una implementació incorrecta podria augmentar els costos de refredament si els servidors no poden ventilar la calor de manera efectiva o difícil de mantenir si hi ha una mala administració de cables, per exemple.
4. Optimització: com es va explicar anteriorment, l'optimització pot oferir una gran quantitat de beneficis de rendiment. L'optimització es centra principalment en el següent:
   
   1. Millor ús de la computació: a través de la virtualització de servidors o implementacions de núvol híbrida. Això ajuda a gestionar les càrregues de treball informàtiques de forma més eficaç.
   2. Millor eficiència de refredament: l'energia de refredament representa aproximadament el 40% de l'energia total consumida per un centre de dades, pel que és molt important reduir els costos de refredament.
   3. Major fiabilitat de el temps d'activitat: els centres de dades optimitzats tendeixen a ser més fiables, ja que usen l'energia de manera més efectiva. Això es pot aconseguir perquè el sistema de refredament i les màquines estan funcionant en el seu punt òptim ia causa de la redundància de la xarxa per evitar un sol punt de falla. A més, ja que comptem amb eines de gestió que recopilen informació, podem solucionar problemes més fàcilment i mantenir un nivell molt alt de temps d'activitat de la xarxa.

Futur de l'optimització dels centres de dades

Investigacions recents afirmen que la complexitat dels escenaris de centre de dades que comencen a sorgir serà extremadament alta.

En el passat, l'heurística s'ha utilitzat com a solucions per abordar problemes difícils amb resultats variables. El principal problema amb tals heurístiques és que necessiten fer suposicions genèriques sobre algunes característiques de càrrega de treball, usuari o maquinari que difícilment s'adapten a les condicions canviants.

Encara que l'heurística ha funcionat bé en el passat, el futur requerirà una solució més sofisticada. Aquesta és la raó per la qual comencen a aparèixer algoritmes d'autoaprenentatge, que es basen en tècniques d'aprenentatge profund, el principal objectiu és administrar els centres de dades per optimitzar a el màxim i ajudar a administrar i recopilar informació sobre el seu ús.