Comments 22
У вас там не совсем правильные цифры экономии. ИИ позволил сэкономить 40% от энергии, затрачиваемой на охлаждение, а не всей. Положим, гугл умеет строить ДЦ, но есть и старые, и средний PUE 1.12 (цифра из https://www.google.com/about/datacenters/efficiency/internal/). Тогда будет сэкономлено чуть больше 4%, и уже десятки миллионов, а не сотни. Если ДЦ современные, с PUE порядка 1.1 — 1.08, то экономия будет ещё скромнее. Но, конечно, эта экономия заметра, и способ сэкономить крутой.
Уже сейчас ИИ учиться основам ) скрывать своё присутствие путем оптимизации затрат энергии)
Не совсем понятно, зачем городить какой-то ИИ для управления охлаждением вместо того, чтобы просто установить термопары в разных точках ДЦ и наладить отрицательную обратную связь с компрессорами.
Дело в том, что термопары надо установить, связи наладить и т.д.
У меня возникает ощущение, что вы слабо представляете себе, что такое датацентр.
Вот смотрите, ИИ может учитывать множество факторов. Например оптимальный температурный режим оборудования, степень загрузки, тепловое влияние от нагрузки, время суток и т.д.
Например ИИ может выяснить, что работа двух стоек под нагрузкой в 25% будет энергоэффективнее, чем работа одной с 50% загрузкой. ИИ можно доверить управление развертыванием серверов и сетевых решений, переключением маршрутизации.
Плюс ИИ может сделать такую вещь, как предсказывание повышения температуры. Например на оборудовании замечен всплекс трафика и естесственно возрастает потребление энергии, термопара среагирует только тогда, когда температура начнет подниматься, а это произойдет не мгновенно, затем будет время реакции кондиционера, оно тоже не мгновенно.В общем будет выбег температуры, так называемый гистерезис. ИИ может его скомпенсировать не допуская превышения оптимальных значений, а термопара нет, т.к. в ней отстутствует элемент проактивности.
У меня возникает ощущение, что вы слабо представляете себе, что такое датацентр.
Вот смотрите, ИИ может учитывать множество факторов. Например оптимальный температурный режим оборудования, степень загрузки, тепловое влияние от нагрузки, время суток и т.д.
Например ИИ может выяснить, что работа двух стоек под нагрузкой в 25% будет энергоэффективнее, чем работа одной с 50% загрузкой. ИИ можно доверить управление развертыванием серверов и сетевых решений, переключением маршрутизации.
Плюс ИИ может сделать такую вещь, как предсказывание повышения температуры. Например на оборудовании замечен всплекс трафика и естесственно возрастает потребление энергии, термопара среагирует только тогда, когда температура начнет подниматься, а это произойдет не мгновенно, затем будет время реакции кондиционера, оно тоже не мгновенно.В общем будет выбег температуры, так называемый гистерезис. ИИ может его скомпенсировать не допуская превышения оптимальных значений, а термопара нет, т.к. в ней отстутствует элемент проактивности.
Дело в том, что термопары надо установить, связи наладить и т.д.
а с ИИ не надо связи налаживать? Термопара, даже недорогая среагирует в течении нескольких секунд. Решение может быть внедрено парой кондиционерщиков по всем ДЦ, последовательно объедут.
Решение на ИИ, конечно, немного эффективнее. Но, когда через пару лет что-нибудь сломается, выясниться, что никто ничего понять не может. И внедрят что-то более новое, если совсем всё старое не сгорит и будет куда внедрять.
Как вы думаете, с какой новостью компания будет казаться круче и технологичнее:
Кучка грошовых датчиков сэкономила несколько миллионовили
ИИ помог сэкономить несколько миллионов долларов(Причем помог он компании, которая его разрабатывает и скорее всего захочет на своих разработках заработать)
Термопара среагирует за несколько секунд. Но задержка между реакцией термопары и влиянием включения/отключения компрессора далеко ненулевая (просто воздух по воздуховодам и хладагент по трубам перемещаются не мгновенно).
Ненулевая задержка и отрицательная обратная связь порождает осцилляции, снижающие ресурс холодильного оборудования. И если в самом простом случае, с константной задержкой, мы могли бы обойтись PID-регулятором (а это уже не «просто термопара»), то для гашения осцилляций в цепи с большим количеством нелинейных задержек нужно придумывать что-то посложнее.
Или условные «измеряем среднюю за 10 минут температуру, по результатам подкручиваем мощность», но это-то как раз и использовалось в дата-центрах совершенно точно и раньше.
Ненулевая задержка и отрицательная обратная связь порождает осцилляции, снижающие ресурс холодильного оборудования. И если в самом простом случае, с константной задержкой, мы могли бы обойтись PID-регулятором (а это уже не «просто термопара»), то для гашения осцилляций в цепи с большим количеством нелинейных задержек нужно придумывать что-то посложнее.
Или условные «измеряем среднюю за 10 минут температуру, по результатам подкручиваем мощность», но это-то как раз и использовалось в дата-центрах совершенно точно и раньше.
Термопары не надо ставить. Современный компьютер, а тем более сервер итак нашпигован датчиками температуры. Но все эти и другие данные надо комуто анализировать, искать узкие места, и давать рекомендации. Вот этим и занимается разработанный ИИ.
Действительно, для чего использовать нож для разделки мяса, ведь можно же заострённым камнем обрабатывать тушу мамонта.
А если нож затупится, то придётся изобретать ещё точильный станок.
А если нож затупится, то придётся изобретать ещё точильный станок.
Только зачем называть это трендовым словом ИИ не вполне понятно, похоже на какую-то обычную производственную задачу на каком-нибудь химическом производстве (или что-то вроде Nest если я правильно себе представляю).
Ну так ИИ тут и выступает в качестве той самой обратной связи.
Только ему кроме термопар скармили статистику за 5 лет, и возможно, скармливают онлайн дополнительные параметры,
типа количества работающих серверов или текущего трафика. Что позволяет привентивно-упреждающе регулировать температуру.
Только ему кроме термопар скармили статистику за 5 лет, и возможно, скармливают онлайн дополнительные параметры,
типа количества работающих серверов или текущего трафика. Что позволяет привентивно-упреждающе регулировать температуру.
UFO just landed and posted this here
Материал по той же теме: http://ru.datasides.com/google-data-center-ai/
еще одна вещь, которую может делать ИИ, но не может термопара — перегонять виртуальные машины между блоками дата-центра с более горячего в более холодные для оптимального в плане охлаждения балансирования нагрузок.
Требования к соискателю по вакансии «Открыватель форточки»:
— Победить чемпиона мира по игре Го.
— Победить чемпиона мира по игре Го.
напомнило — когда-то, лет 150 назад ходили целые армии светильщиков, которые вечером зажигали фонари на столбах улиц, а утром гасили, чтоб керосин или что там наливалось економить.
потом придумали электроосвещение и ходить уже стало не надо, правда ручная работа осталась — клацать утром и вечером рубильник электропитания.
а потом придумали фотореле и автоматизировали систему освещения — так на свет появился прадедушка ИИ, он даже не слышал о каких-то играх и даже еще не мечтал открывать форточки
потом придумали электроосвещение и ходить уже стало не надо, правда ручная работа осталась — клацать утром и вечером рубильник электропитания.
а потом придумали фотореле и автоматизировали систему освещения — так на свет появился прадедушка ИИ, он даже не слышал о каких-то играх и даже еще не мечтал открывать форточки
Еще вопрос в точности этих показателей. ИИ оптимизированный по критерию «экономия любой ценой» мог просто повысить температуру в ДЦ на пару градусов, ценой снижения ресурса оборудования. Не будет ли график надежности, качества работы, совпадать с графиком энергопотребления?
Сам наблюдал красивые графики по экономии энергии, обычно пишут 30%, так как 5% мало, 50% подозрительно много, а вот 25-40% выглядит наиболее рационально. Но обычно, умалчивались какие-то начальные условия и побочные эффекты, они многочисленны и не очевидны посторонним.
Сам наблюдал красивые графики по экономии энергии, обычно пишут 30%, так как 5% мало, 50% подозрительно много, а вот 25-40% выглядит наиболее рационально. Но обычно, умалчивались какие-то начальные условия и побочные эффекты, они многочисленны и не очевидны посторонним.
Sign up to leave a comment.
Искусственный интеллект помог Google сократить потребление энергии системами охлаждения в дата-центрах на 40%