Machine learning versterkt DCIM

Nlyte maakt gebruik van het IBM Watson IoT-platform om een zogeheten cognitieve DCIM-oplossing op de markt te kunnen brengen. Hiermee kunnen de enorme hoeveelheden data die monitoring in een datacenter oplevert, worden geanalyseerd op patronen en onderlinge relaties. Het doel daarvan is het verder optimaliseren van de operatie van het datacenter. 

Datacenters worden steeds complexer, doordat zij steeds vaker hele specifieke rollen krijgen. Denk aan edge computing, gecontaineriseerde implementaties, hybride IT- en multicloud-omgevingen. Tegelijkertijd dienen zij onderling verbonden te zijn om IT-diensten aan de gebruikers te kunnen leveren. Om de operatie van het datacenter te optimaliseren en de prestaties van de diverse IT-toepassingen te garanderen, verzamelen datacenter operators grote hoeveelheden monitoring- en andere gegevens. Dit verzamelen is vaak nog wel te doen, al is het nog niet zo eenvoudig om alle data op een centrale plek vast te leggen. Een groter probleem is het begrijpen van al deze data. Laat staan dat een datacenter manager op basis van deze gegevens snel tot actie kan overgaan.

Intuïtieve tools

Er is duidelijk behoefte aan intuïtieve tools om al deze informatie snel te kunnen verzamelen en te analyseren. Zodat eigenaren van datacenters een beter inzicht krijgen in de IT-workloads en de impact daarvan op de fysieke infrastructuur van hun faciliteit.

"Ongeacht het type datacenter of het toegepaste bedrijfsmodel moeten operators gebruikmaken van analyses om de operationele kosten te minimaliseren en inzicht te krijgen in de infrastructuur waar de werklast draait", zegt Enzo Greco, Chief Strategy Officer van Nlyte Software. "Nlyte heeft zich altijd al gericht op het bij elkaar brengen van facilitair beheer en IT-operaties. De volgende stap in deze evolutie is het toepassen van IBM Watson IoT. Dit platform biedt machine learning-technologie om potentiële problemen in de infrastructuur op te lossen. Daarbij kunnen we de impact van IT workloads op de facilitaire laag verbeteren door de posities die deze workloads op zaal en in de racks krijgen te optimaliseren.”

Data streamen

Nlyte Machine Learning is dus gebaseerd op IBM Watson IoT. Het richt zich op het vraagstuk van het verzamelen, normaliseren en creëren van patronen van monitoring- en andere data over zowel de fysieke infrastructuur als de IT-systemen.

Deze data wordt hiertoe gestreamd naar IBM Watson IoT. Deze software gebruikt vervolgens technologie voor machine learning om voorspellende modellen te ontwikkelen. De resultaten van deze analyses wordt vervolgens weer teruggestuurd naar Nlyte. Hier wordt deze info in een visueel dashboard weergegeven. In dit dashboard zijn potentiële problemen zichtbaar, zoals rijen met servers die in de (nabije) toekomst meer koeling nodig hebben dan nu op die posities beschikbaar is.

Workload-infrastructuur

Met dit soort informatie kunnen datacenterbeheerders eventuele toekomstige problemen proactief identificeren en IT workloads preventief verplaatsen. Het nettoresultaat is meer controle over de infrastructuur met meer flexibiliteit en een grotere betrouwbaarheid.

“De workload-infrastructuur wordt steeds belangrijker en de manier waarop een organisatie deze beheert, is rechtstreeks van invloed op de prestaties en de beschikbaarheid van applicaties", aldus Doug Sabella, CEO & President van Nlyte Software. "Nlyte Machine Learning stelt organisaties in staat om informatie over de bedrijfskritische infrastructuur te gebruiken, zodat zij beslissingen kunnen nemen die helpen de kosten te verlagen en de prestaties rond het leveren van applicaties te verbeteren.”