topics:36:use_cases []

Эта страница только для чтения. Вы можете посмотреть её исходный текст, но не можете его изменить. Сообщите администратору, если считаете, что это неправильно.
====== Типовые сценарии применения ======

<WRAP box round>
Типовые модели применения данных, собранных от ИТ-оборудования, позволяют повышать эффективность эксплуатации, оптимизировать охлаждение, выявлять скрытые тепловые проблемы, планировать рост плотности размещения и устранять неиспользуемые («призрачные») серверы. Сенсорные данные и ИИ-аналитика формируют основу автоматизированного управления ЦОД.
</WRAP>

===== Повышение рабочих температур в машинных залах =====

Индустрия стремится к увеличению рабочей температуры в ЦОД для снижения затрат на охлаждение (подход ASHRAE TC 9.9). Однако многие площадки работают при заведомо заниженных температурах из-за консервативных подходов к риску.

Основные проблемы:

  * отсутствие точной картины распределения температур;
  * риски локальных перегревов при повышении уставок;
  * недостаточная глубина мониторинга при использовании только датчиков зала.

Решение — **переход к мониторингу температуры на уровне каждого устройства** (device-level). Такой подход позволяет:

  * получать детализацию температуры входящего воздуха по каждому серверу;
  * диагностировать отклонения при повышении уставок;
  * безопасно увеличивать температуры в пределах допустимых норм.

<WRAP info>
Гранулярный мониторинг позволяет шагово повышать уставки охлаждения без негативного влияния на надёжность.
</WRAP>

Типовые тепловые ошибки в ЦОД:

  * недостаток холодного воздуха в холодном коридоре;
  * отсутствие или избыток перфорированных плит;
  * незакрытые пустые юниты (пробелы в стойках);
  * плохая герметизация стоек;
  * незакрытые отверстия в raised floor.

===== Решение тепловых проблем =====

Локальные тепловые проблемы — частая причина снижения пропускной способности и аварий. ИТ-оборудование, выступая сенсором, формирует карту температур в реальном времени:

  * выявление узких мест воздушного баланса;
  * определение стоек с перегревом из-за неисправных вентиляторов;
  * сравнение фактических температур до и после корректировок.

<WRAP info>
Использование данных от серверов и СХД позволяет устранять проблемы охлаждения точечно, без избыточного повышения расхода воздуха.
</WRAP>

===== Планирование ёмкости и рост плотности размещения =====

С ростом стоимости электричества и упором на оптимизацию вычислительных ресурсов планирование мощности стоек становится критическим.

Исторически проектирование велось по **паспортным значениям нагрузки**, что приводило к:

  * завышению энергомощности на стойку;
  * недоиспользованию стойкового пространства;
  * невозможности безопасного увеличения плотности.

Фактическое потребление серверов часто ниже паспортного на 20–40%. Детальный сбор телеметрии позволяет:

  * рассчитывать реальное пиковое потребление серверов;
  * безопасно повышать плотность на стойку;
  * планировать электропитание и охлаждение с меньшими запасами.

<WRAP important>
Без реальных данных риск недооценки или переоценки мощности остаётся высоким, что приводит к ограничению роста и снижению эффективности использования площади.
</WRAP>

===== Выявление недоиспользуемых и «призрачных» серверов =====

Существенная доля сервера в ЦОД работает неэффективно:

  * ~15% — полностью «призрачные» (ghost servers), не выполняют никаких задач, но продолжают потреблять 70–85% энергии от нормального режима;
  * значительная часть — недоиспользуемые, работают на минимальной загрузке, расходуя электричество и занимая ресурс охлаждения.

Риски «призрачных» серверов:

  * лишний расход энергоресурсов и охлаждения;
  * нагрузка на систему электропитания;
  * избыточная площадь в стойках;
  * угрозы безопасности (забытые серверы могут содержать уязвимости).

Для выявления таких серверов необходимо:

  * мониторить загрузку CPU, память и сетевую активность;
  * анализировать потребление электроэнергии;
  * сравнивать рабочий профиль с планируемым;
  * формировать рекомендации по консолидации или выводу из эксплуатации.

<WRAP info>
Системы ИИ и DCIM-платформы позволяют автоматически находить «призрачные» сервера и формировать план консолидации.
</WRAP>

===== Ключевые идеи =====
<WRAP tip>
  * Гранулярная телеметрия обеспечивает точное управление охлаждением и безопасное повышение температур.  
  * Детальный мониторинг помогает выявлять скрытые тепловые проблемы и устранять их точечно.  
  * Реальные данные об энергопотреблении позволяют оптимизировать плотность стоек и уменьшить резервы мощности.  
  * Идентификация недоиспользуемых и «призрачных» серверов снижает энергозатраты и повышает надёжность.  
  * Аналитика и ИИ становятся основой автоматизированных сценариев управления ЦОД.  
</WRAP>