پیمایش مرکز داده در چند ساله اخیر دچار تغییراتی شگرفی شده است. به عنوان نمونه، سیستم های پیمایش به کار رفته در واحدهای سرمایش و قدرت نسبت به سیستم های پیمایشی 10 سال گذشته، به میزان 3 برابر نقاط بیشتری را تحت نظر دارند. با گسترش روز افزون سیستم های پیمایش اتوماتیک به کارگیری نیروی انسانی برای مدیرت حجم عظیم اطلاعات، کمتر و کمتر شده است.
آنچه کاملا مشخص می باشد رشد شتابان تولید اطلاعات است. بر طبق پیش بینی های IDC در سال 2020 هر فرد بر روی کره زمین در هرثانیه مقدار MB 1.7 اطلاعات تولید خواهد نمود. سیستم های پیمایش قدیمی به هیچ وجه برای پشتیبانی از این میزان از اطلاعات طراحی نشده اند. آنها متعلق به نسل کامیپوترهای رو میزی و قادربه پشتیبانی از میزان داده های محدودی هستند. نسل جدید پیمایش مرکز داده بر این محدودیت ها فائق آمده است.
امروزه 7 فناوری مختلف بر نحوه پیمایش مراکز داده تاثیرگذار می باشد. این فناوری ها تازه متولد شده اند و در آینده نزدیک توسعه آنها به شدت شتاب خواهد گرفت. در ادامه این فناوری ها و توضیح کوتاهی راجع به آنها آمده است :
حسگرهای تعبیه شونده[1] در داخل دستگاها: حجم حسگرهای تعبیه شده در داخل تجهیزات سرمایش و گرمایش مراکز داده در طول 10 سال گذشته 3برابر شده است. با افزایش کیفیت این دستگاه ها هزینه ها آنها نیز کاهش پیدا کرده است. این حسگرها عملکرد تجهیزات را در سطح موضعی ضبط نموده و با ارسال داده های مربوطه، نقش موثری در پیمایش تجهیزات مرکز داده ایفا می کند.
امنیت سایبری[2] : هر راهکاری که در آن جمع آوری، تمرکز و توزیع اطلاعات وجود داشته باشد، نیازمند لایه امنیت سایبری نیز هست. بسیاری از صاحبان مراکز داده از یک فرآیند چرخه توسعه امنیتی (SDL[3]) برای اطمینان از امنیت داده های خود استفاده می کنند. در این فرایند تمامی محصولات، کدبندی شده، تایید شده و اعتبار سنجی می شوند تا از حملات سایبری در امان باشند.
رایانش ابری[4] : با استفاده از زیرساخت های رایانش ابری است که امکان استفاده از خدمات پیمایش از راه دور مهیا می شود. سرویس های مختلف IT نظیر انواع تحلیل ها، فراگیری ماشین، و … می توانند بر روی ابر قرار گرفته و از آنها برای پیماشی از راه دور مرکز داده استفاده شود.
تحلیل های کلان داده[5] : این تحلیل ها میزان بسیار زیادی از داده ها را که از طریق دستگا ه های مختلف جمع اوری شده است، را به اطلاعاتی قابل استفاده برای تصمیم گیری مهم تبدیل می کند. به کارگیری الگوریتم هایی برای بررسی عملکرد برخی تجهیزات (مانندفنهای CRAC و UPSها) به منظور پیش بینی زمان بهینه تعمیر ونگهداری، مثالهایی برای کاربرد تحلیل های کلان داده می باشد. با استفاده از این تحلیل ها هزینه های تعمیر و نگهداری کاهش می یابد.
رایانش متحرک[6] : دستگا های متحرک، مدیران را قادر میسازد تا بدون آنکه ارتباط روزانه از محیط کاری و تجهیزات قطع گردد، بین نقاط مختلف در رفت و آمد باشند. تمامی سعی پیمایش مرکز داده، بررسی و شناسایی حالت های مختلف مرکز داده می باشد تا از خرابی و افت کارایی آن جلوگیری به عمل آید. استفاده از دستگاه های متحرک رسیدن به این هدف را سریعتر و آسانتر می نماید.
فراگیری ماشین[7] : فراگیری ماشین از طریق تنظیم شیوه و اکتشاف الگوریتم ها، امکان یادگیری را برای یک سامانه خاص قابل انجام می سازد. بوسیله فراگیری ماشین، مدل های تحلیل داده با توجه به آموخته های قبلی بهبود می یابد. در یک مرکز داده، اطلاعات و شرایط نزدیک به موقعیت خرابی بسیار آموزده می باشند. بررسی و یادگیری این شرایط امکان تجربه مجدد خرابی را می تواند کمتر نماید.
افزایش کارایی نیروی کار با اتوماسیون : یکی از شعارها در صنعت مرکز داده ، انجام کار زیاد با نیروی انسانی کمتر می باشد. پیمایش دیجتالی و اتوماسیون بیشتر یکی از ملزومات تحققاین شعار است. پر واضح است که امروز در مراکز داده نیازمندی به تکنیسین ها برای جستجو بین رکها به منظور تعیین مناطقی که دما بیش از حد بالا رفته و یا شرایط غیرمعمول پیش امده به اندازه گذشته احساس نمی شود.
[1] Embedded Sensing devices
[2] Cyber Security
[3] Secure Development Lifecycle
[4] Cloud Computing
[5] Big Data Analytics
[6] Mobile Computing
[7] Machine Learning
درج دیدگاه