Breaking News

9 แนวทางการเตรียม Data Center ให้พร้อมสำหรับประมวลผลระบบ AI

Network World ได้ออกมาสรุปถึง 9 แนวทางสำคัญที่เหล่าธุรกิจองค์กรต้องเตรียมตัว เพื่อปรับ Data Center ที่มีอยู่ให้รองรับ Workload ที่กินพลังงานมหาศาลอย่าง AI ให้ได้ในอนาคต

Credit: ShutterStock.com

อ้างอิงจากข้อมูลของ AFCOM โดยเฉลี่ยแล้วสำหรับ Data Center ภายในธุรกิจองค์กรทั่วไปนั้น พลังงานเฉลี่ยที่ใช้ต่อตู้ Rack 1 ตู้นั้นจะอยู่ที่ประมาณ 7 kW แต่สำหรับระบบ AI Application นั้นพลังงานที่ใช้เฉลี่ยต่อตู้ Rack อาจสูงขึ้นไปเกินกว่า 30kW เลยทีเดียว เนื่องจาก AI นั้นใช้พลังการประมวลผลที่สูงอีกทั้งยังต้องใช้ GPU จำนวนมากในการประมวลผลด้วยนั่นเอง และด้วยการใช้พลังงานที่สูงขึ้นนี้ ก็ย่อมทำให้ต้องเกิดความร้อนสูง และทำให้ระบบระบายความร้อนนั้นต้องมีประสิทธิภาพที่สูงขึ้นตามไปด้วย การ Optimize พลังงานและความร้อนที่เกิดขึ้นในระบบ AI นี้จึงกลายเป็นอีกหน้าที่ของ Data Center Engineer ด้วยในทุกวันนี้

Network World ได้สรุป 9 แนวทางที่เหล่าธุรกิจต้องปรับตัวเพื่อรองรับ AI ภายใน Data Center ของตนเองเอาไว้ดังนี้

1. พิจารณาถึงการใช้เทคโนโลยี Liquid Cooling

CoolIT Systems ระบุว่าการระบายความร้อนด้วยพัดลมนั้นจะเริ่มไม่มีประสิทธิภาพเมื่อระบบใช้พลังงานเกินกว่า 15 kW ในขณะที่การใช้ของเหลวในการระบายความร้อนนั้นจะมีประสิทธิภาพสูงกว่า และที่ผ่านมาก็มีผู้ผลิต Server ระดับองค์กรหลายรายที่พัฒนาโซลูชันการระบายความร้อนด้วยของเหลวมาให้ใช้งานกันแล้ว

2. ลด Resolution บน AI Workload ลงเมื่อเป็นไปได้

Hyperion Reseasrch ได้ออกมาระบุว่าหาก AI Workload มีการปรับลด Precision ที่ใช้ในการประมวลผลลงครึ่งหนึ่งหรือเหลือเพียง 1 ใน 4 ก็อาจทำให้ระบบ Data Center ที่มีอยู่เดิมนั้นพอจะรองรับ Workload ไหวและประหยัดพลังงานลงได้

3. แยกพื้นที่เฉพาะสำหรับ AI Workload

การเลือกพื้นที่สำหรับรองรับ AI Workload นั้นต้องเลือกพื้นที่ที่สามารถจ่ายพลังงานในปริมาณที่เพียงพอและระบายความร้อนได้ทัน ซึ่งก็อาจเป็นเพียงพื้นที่เพียงส่วนหนึ่งของ Data Center ก็ได้ และการออกแบบพื้นที่เฉพาะเพื่อรองรับ AI Workload ที่ต้องการพลังงานปริมาณมากและระบบระบายความร้อนที่ดีเป็นพิเศษ ก็อาจเป็นทางเลือกที่ดีกว่าการปรับปรุง Data Center ทั้งหมดในทีเดียว

4. กระจายระบบ AI ออกไป

อีกทางเลือกหนึ่งก็คือการกระจายระบบ AI ออกไปตามแต่ละตู้ Rack เพื่อไม่ให้เกิดการกินพลังงานและเกิดความร้อนสูงเกินไป ณ จุดใดจุดหนึ่งของ Data Center โดยตราบใดที่ระบบยังใช้พลังงานไม่ถึง 12 kW หรือ 15 kW ต่อตู้ Rack อยู่ ระบบระบายความร้อนทั่วๆ ไปก็ยังพอรับ Workload นั้นๆ ไหวอยู่ได้

5. ควบคุมลมร้อนและเย็นภายใน Data Center ให้ดี

การจัดการทิศทางการไหลของอากาศภายใน Data Center ให้มีประสิทธิภาพถือเป็นหัวใจสำคัญ เพื่อให้การระบายความร้อนเป็นไปอย่างมีประสิทธิภาพสูงสุด และรองรับ Workload ที่สร้างความร้อนปริมาณมหาศาลอย่าง AI ให้ได้

6. พิจารณาการใช้งาน Chimney Cabinet

การเลือกใช้ Chimney Cabinet ให้ลมร้อนลอยขึ้นไปด้านบนเองนั้นก็เป็นอีกทางเลือกหนึ่งที่ดีในการควบคุมการระบายความร้อน และด้วยแนวทางนี้การออกแบบให้ระบบมีความหนาแน่นสูงก็จะทำได้ง่ายขึ้น

7. วิเคราะห์ข้อมูลให้ใกล้กับตำแหน่งที่ข้อมูลถูกจัดเก็บอยู่

การรับส่งข้อมูลภายใน Data Center นั้นต้องอาศัยพลังงานมากกว่าที่คิด และอาจใช้พลังงานมากกว่าการประมวลผลข้อมูลโดยไม่ต้องมีการรับส่งข้อมูลมากกว่ากันถึง 100 เท่าได้เลยทีเดียว ดังนั้นการออกแบบระบบให้สามารถวิเคราะห์ข้อมูลได้โดยตรงโดยไม่ต้องรับส่งข้อมูลปริมาณมหาศาลผ่านระบบเครือข่ายนั้น ก็จะช่วยลดประเด็นด้านพลังงานลงได้

8. เช่าใช้ Data Center แทนการลงทุนเอง

การเช่าใช้ Data Center ที่ออกแบบมาเพื่อรองรับ AI Workload ได้นั้นอาจคุ้มค่ากว่าการลงทุนสร้างเอง ในขณะที่การเช่าใช้นั้นก็ยังมีข้อดีด้านความยืดหยุ่นในการเพิ่มขยายหรือลดขนาดของระบบในอนาคตได้อย่างอิสระอีกด้วย

9. ใช้งาน Server รุ่นใหม่ที่มีประสิทธิภาพสูงขึ้น

ปัจจุบันผู้พัฒนาเทคโนโลยีการประมวลผลนั้นต่างออกแบบ Hardware ให้มีประสิทธิภาพมากขึ้นและกินไฟน้อยลงเรื่อยๆ ดังนั้นการใช้ Server รุ่นใหม่ล่าสุดอยู่เสมอนั้นก็จะช่วยในประเด็นด้านประสิทธิภาพและการใช้พลังงานอย่างคุ้มค่าได้มากทีเดียว และการเลือกใช้ GPU, FPGA หรือ AI Accelerator อื่นๆ ให้เหมาะสมกับงานก็จะช่วยตอบโจทย์นี้ได้ดี ในขณะที่เทคโนโลยีของระบบ Storage อย่างเช่น NVMe-over-Fabric หรือ SCM นั้นก็จะมีราคาถูกมากขึ้น ทำให้ภาพรวมระบบ AI นั้นๆ จะมีค่าใช้จ่ายที่ถูกลงไปด้วย

ที่มา: https://www.networkworld.com/article/3454626/8-ways-to-prepare-your-data-center-for-ai-s-power-draw.html



About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

[Video Webinar] Enterprise Container Management with Google Kubernetes Engine

สำหรับผู้ที่ไม่เข้าฟังบรรยาย Tangerine | Google Webinar เรื่อง “Enterprise Container Management with Google Kubernetes Engine (GKE)” พร้อมสาธิตความสามารถเด็ดของ …

Leadership Vision: New Normal Data-Driven Business บทสัมภาษณ์คุณสันติสุข ลิ้มปิติเจริญโชติ STelligence

ปี 2020 ที่ทุกธุรกิจและผู้ประกอบการทุกรายต้องเผชิญกับความเปลี่ยนแปลงอย่างรวดเร็วที่คาดการณ์ไม่ได้นี้ การใช้ข้อมูลมาตัดสินใจในธุรกิจถือเป็นหัวใจสำคัญของการอยู่รอดและเติบโตท่ามกลางภาวะนี้ ทิศทางการลงทุนด้าน Data ของธุรกิจองค์กรควรเป็นอย่างไร? หลักคิดในการตัดสินใจโครงการด้าน Data สำหรับธุรกิจในยามนี้มีอะไรบ้าง? พบคำตอบของคำถามเหล่านี้ได้ในบทความ "Leadership Vision: New Normal Data-Driven Business" บทสัมภาษณ์คุณสันติสุข ลิ้มปิติเจริญโชติ กรรมการผู้จัดการและผู้ก่อตั้ง บริษัท STelligence จำกัด