Oracle heeft een octrooi verkregen voor een machine learning-systeem dat datacen­ter­sto­ringen kan detec­teren en waarschu­wingen kan genereren. Dit kan bedrijven miljoenen besparen in opera­ti­o­nele kosten en de betrouw­baar­heid van diensten verbeteren.

Volgens een analyse van het Uptime Insti­tute in 2023 kosten meer dan tweederde van alle datacen­ter­sto­ringen bedrijven meer dan £78.120 per incident. Boven­dien kost 25% van de storingen meer dan £781.200. Deze cijfers tonen aan dat de kosten flink stijgen en benadrukken de noodzaak voor bedrijven om te inves­teren een beter beheer van downtime.

Het octrooi van Oracle beschrijft een oplos­sing op basis van machine learning die realtime gegevens van verschil­lende bronnen binnen een datacenter verwerkt om poten­tiële oorzaken van storingen te identi­fi­ceren. Deze dienst integreert gegevens van servers, netwerk­hard­ware, systemen en apparaten voor stroom­voor­zie­ning en omgevings­sen­soren. Vervol­gens wordt een geavan­ceerd model toege­past om de gegevens te inter­pre­teren en waarschu­wingen te genereren die de waarschijn­lijke oorzaak van gedetec­teerde versto­ringen aangeven.

‘Met de toene­mende imple­men­tatie van apparaten en toepas­singen in het datacenter wordt het steeds moeilijker om efficiënt de bron van een storing te identi­fi­ceren’, aldus het octrooi. De oplos­sing van Oracle pakt deze complexi­teit aan door machine learning-modellen te gebruiken om de enorme hoeveel­heid gegevens te filteren die gegene­reerd wordt binnen moderne datacen­ters, waardoor een snelle en nauwkeu­rige identi­fi­catie van storings­bronnen mogelijk wordt.

Het octrooi beschrijft het werkings­me­cha­nisme van het systeem aan de hand van een voorbeeld: de storing van een stroom­bron in een rack. Het machine learning-model detec­teert dat het stroom­ni­veau van het rack onder een vooraf bepaalde drempel is gedaald, wat een waarschu­wing activeert. Dit stelt datacenter opera­tors in staat om het probleem snel en efficiënt te onder­zoeken en op te lossen.

Deze mogelijk­heid om problemen in bijna realtime op te sporen is cruciaal voor het minima­li­seren van downtime. Naarmate datacen­ters groter en complexer worden, groeit ook het aantal poten­tiële storings­bronnen, waardoor handma­tige methoden voor bewaking en het oplossen van problemen ontoe­rei­kend worden. Het machine learning-systeem van Oracle automa­ti­seert een groot deel van dit proces, wat een betrouw­baar­dere en effici­ën­tere manier moet bieden om de datacen­ter­o­pe­ra­ties te handhaven.

Illustra­tion was created using AI