De futuro a presente: los centros de procesamiento de datos inteligentes
En primer lugar, cabe destacar que los costes de energía se incrementan anualmente alrededor de un 10% de media a escala mundial, siendo España uno de los países que se encuentra por encima de la misma. A fin de cuantificar este hecho, solo en los Estados Unidos los CPDs consumen una media de 90000 millones de kWh al año, mientras que los de todo el mundo utilizan alrededor de 416 teravatios de electricidad en ese mismo periodo de tiempo. Viendo el excesivo consumo de electricidad, existen implementaciones de la inteligencia artificial para ahorrar energía evitando el sobrecalentamiento de los equipos. Este ahorro es posible mediante una predicción de la futura carga de trabajo y un sistema de distribución de cargas, consiguiendo reducir los costes y mejorando notablemente la eficiencia del sistema. De hecho, hiperescalares están implementando esta tecnología dadas las mejoras en rendimiento, monitorización de dispositivos, optimización en tiempos de procesamiento y rapidez en reducción de factores de riesgo. En un futuro no muy lejano, podremos ver como estos centros serán capaces de automatizar la mayoría de sus operaciones dado que, aunque las cargas y el volumen de trabajo seguirán evolucionando con el aumento de la cantidad de datos que se mueven, la IA lo hará también paralelamente permitiendo así encontrar nuevos usos para la misma.
En segundo lugar, otro ámbito en el cual la IA está siendo determinante, sobre todo en el entorno de los centros de datos, es en todo lo relacionado con la disminución y resolución de accidentes. Por un lado, cada vez es más y más común encontrar CPDs capaces de autogestionarse a través de herramientas como el deep learning para predecir fallos antes de tiempo. Cabe destacar que detrás del mencionado deep learning se encuentran los datos, los cuales van mucho más allá de los que se pueden extraer de registros y de métricas de las plataformas de hardware tradicionales, pues las empresas no almacenan su información únicamente en el CPD sino que lo hacen de forma híbrida haciendo también uso del cloud. Por otro lado, estos suelen estar acompañados también de sistemas de recomendaciones basados en machine learning que permiten localizar y atajar cualquier problema con antelación. El aprendizaje llevado a cabo debe estar siempre disponible dónde y cuando se precise, contrariamente los costes subirían y la eficiencia se vería afectada disminuyendo en consecuencia. Tal y como puede comprobarse, la monitorización inteligente, el almacenamiento de datos y la toma de decisiones basadas en estos últimos vuelven a hacer acto de presencia conformando así un sistema de prevención de accidentes competitivamente robusto.
En tercer y último lugar, otra funcionalidad que está cogiendo cada vez más fuerza es la seguridad lógica dentro de los centros de procesamiento de datos. Actualmente, existen sistemas capaces de introducir, de tanto en cuanto, sondas recolectoras de datos que permiten correlacionar los diferentes logs almacenados hasta la fecha que hacen posible detectar y bloquear automáticamente ataques difíciles de prevenir, siendo las Amenazas Persistentes Avanzadas (APT) un claro ejemplo. Así pues, esta tecnología es capaz de analizar e identificar el comportamiento normal en las redes facilitando el poder detectar una situación de riesgos cibernéticos en función de las anomalías y desviaciones en las infraestructuras.
De cara a la elaboración del proyecto que se debe efectuar en la asignatura de “Gestión y planificación de redes”, se investigará más a fondo sobre la inclusión de todas estas posibilidades que la IA puede llegar a ofrecer valorando su viabilidad en el entorno en que se desarrolla nuestro caso y se os mantendrá informados sobre los avances realizados en posteriores entradas. ¡Muchas gracias por vuestro tiempo empleado en leernos!
Arturo Moseguí y Enric Sasselli