O que é modernização de data center?

Para a maioria das organizações, a modernização de data center não é um projeto pontual, mas um processo contínuo. Ela se concentra em abandonar os sistemas dependentes de hardware em favor de uma infraestrutura definida por software que abrange ambientes locais, de nuvem privada, de nuvem pública e de edge, tudo gerenciado como um único ambiente.

A necessidade de extrair valor da inteligência artificial (IA), das aplicações distribuídas e do processamento em tempo real na edge mudou o que as organizações exigem dos data centers. Segundo a Goldman Sachs Research, a demanda de energia dos data centers aumentará 50% até 2027 e, até 2030, alcançará 165% dos níveis de 2023, impulsionada em grande parte pelas cargas de trabalho de treinamento e inferência.¹ A maioria dos data centers legados não foi construída para atender a essas demandas.

Os data centers serviam a outra era da computação, na qual a infraestrutura tradicional era construída em torno de computação baseada em CPU, cargas de trabalho previsíveis e armazenamento centralizado.

Ao contrário do treinamento de modelos, que é executado em grandes instalações centralizadas, a inferência de IA ocorre cada vez mais na edge (por exemplo, em fábricas, lojas de varejo, locais remotos). A modernização agora se estende para além do data center central e chega às localizações distribuídas.

A soberania de dados também está influenciando onde as cargas de trabalho são executadas. Muitos setores e regiões geográficas exigem que determinados dados permaneçam em jurisdições específicas, o que significa que as decisões de alocação de cargas de trabalho precisam levar em conta onde os dados residem e onde as regulamentações se aplicam.

Os data centers tradicionais seguiam um modelo centralizado. Servidores físicos executavam aplicações individuais, as equipes conectavam sistemas de armazenamento a hosts específicos e as configurações de rede exigiam operação manual. Esse modelo funcionava bem quando as cargas de trabalho envolviam a execução de aplicações empresariais, como planejamento de recursos empresariais (ERP) e bancos de dados.

A transição para os data centers modernos começou com a virtualização de servidores, que separou as cargas de trabalho do hardware físico e permitiu que várias aplicações compartilhassem recursos em um único servidor. A infraestrutura definida por software estendeu esse conceito ao armazenamento e às redes.

A introdução de contêineres e do Kubernetes aumentou a portabilidade, permitindo que as aplicações fossem executadas de forma consistente em servidores locais e em plataformas de nuvem privada e pública. Essa abordagem orientada por software para gerenciar todo o data center é chamada de data center definido por software (SDDC).

Hoje, o data center moderno não é mais uma localização fixa. Ele abrange instalações centrais, plataformas baseadas em nuvem e localizações de edge, e as cargas de trabalho migram com base em desempenho, custo, latência e conformidade, e não na proximidade física com o hardware. Esse modelo distribuído de nuvem híbrida dá às organizações a flexibilidade de executar as cargas de trabalho onde elas apresentam o melhor desempenho, enquanto o software e a automação conduzem o provisionamento e o gerenciamento de recursos.

Os data centers de IA vão além: são construídos para as demandas de escala e desempenho das cargas de trabalho de treinamento e inferência de IA que os data centers tradicionais não foram projetados para comportar.

As cargas de trabalho empresariais tradicionais ainda são executadas, na maioria das instalações, em uma infraestrutura local virtualizada. Em contrapartida, as aplicações nativas da nuvem são projetadas para serem executadas simultaneamente em sistemas locais e de nuvem pública, em vez de ficarem vinculadas a um único ambiente.

Atualmente, as cargas de trabalho orientadas por IA impõem as demandas mais pesadas à infraestrutura e exigem computação com alta densidade de GPUs, armazenamento rápido e rede de baixa latência. As cargas de trabalho de computação de alto desempenho (HPC) compartilham muitos desses requisitos.

Além do data center central, crescem as cargas de trabalho de edge, executadas em servidores remotos e dispositivos de Internet das Coisas (IoT), à medida que o aprendizado de máquina (ML) e a IA migram para localizações distribuídas, mais próximas da fonte.

A infraestrutura moderna de data center engloba sistemas que fornecem computação, armazenamento e proteção de dados. Veja a seguir o que esses componentes incluem:

• Computação e hardware pronto para IA: modernizar a computação significa ir além dos servidores somente com CPU para dar suporte a cargas de trabalho de IA e HPC aceleradas por GPU. As unidades de processamento neural (NPUs) processam a inferência na edge, onde a eficiência energética importa tanto quanto o desempenho bruto. O hardware corporativo (por exemplo, o IBM Z) combina aceleradores de IA com recursos de segurança exigidos por setores regulamentados, como finanças e saúde.

• Armazenamento de alto desempenho: SSDs NVMe e matrizes all-flash reduzem a latência e aumentam a taxa de transferência, enquanto o armazenamento definido por software (SDS) desacopla o gerenciamento do hardware físico. Esses recursos possibilitam operações consistentes em ambientes locais e de computação em nuvem. Além disso, o armazenamento de objetos lida com os grandes volumes de dados não estruturados gerados pelas cargas de trabalho de treinamento de IA e de edge.

• Rede definida por software (SDN) e SDDC: a rede definida por software (SDN) aplica o gerenciamento orientado por software a redes, armazenamento e computação, substituindo a configuração manual de hardware em todo o data center.

• Virtualização e HCI: a virtualização de servidores continua sendo a base da maioria dos data centers modernizados, permitindo que várias cargas de trabalho compartilhem o hardware físico. A infraestrutura hiperconvergente (HCI) vai além, combinando computação, armazenamento e rede em uma única plataforma gerenciada por software.

• Contêineres e Kubernetes: os contêineres empacotam aplicações em unidades portáteis que são executadas de forma consistente em diferentes ambientes. O Kubernetes gerencia sua implementação e seu escalonamento em ambientes híbridos a partir de uma única plataforma.

• Automação e AIOps: à medida que os data centers se tornam mais distribuídos, as operações manuais ficam mais difíceis de gerenciar em escala. A automação e o AIOps cuidam do monitoramento, da resposta a incidentes e do planejamento de capacidade com base em dados em tempo real.

• Energia e resfriamento líquido: os racks de IA de alta densidade precisam de muito mais energia do que as configurações tradicionais, o que exige que muitas instalações de data center atualizem seus sistemas de fornecimento de energia. O resfriamento líquido lida com o calor que o resfriamento a ar não consegue controlar em escala.

• Segurança e arquitetura zero trust: conforme as cargas de trabalho se espalham por mais ambientes e localizações de edge computing, há mais pontos de entrada a proteger. Modernizar a cibersegurança significa abandonar os modelos baseados em perímetro em favor de frameworks zero trust, em que nenhum usuário, dispositivo ou carga de trabalho recebe acesso por padrão, independentemente da localização na rede.

A modernização de data center oferece uma série de benefícios que atendem às atuais necessidades de negócios das empresas:

• Suporte para IA e cargas de trabalho modernas: a modernização de data center dá às organizações a infraestrutura necessária para realizar treinamento de IA, inferência ou análise de dados em tempo real, eliminando os gargalos que acompanham os sistemas legados.

• Mais agilidade: a infraestrutura definida por software e a automação encurtam o tempo necessário para provisionar recursos, implementar aplicações e responder a mudanças nas demandas das cargas de trabalho. As organizações podem distribuir recursos entre as cargas de trabalho sem alterações físicas no hardware.

• Custos operacionais mais baixos: a modernização do data center otimiza a infraestrutura de TI para que ela funcione com mais eficiência. Mover as cargas de trabalho para o ambiente mais econômico, seja ele local, na nuvem ou em edge, também reduz o custo de manter uma infraestrutura subutilizada.

• Resiliência aprimorada: os data centers modernos e a arquitetura distribuída reduzem a dependência de uma única instalação ou conexão. As cargas de trabalho podem continuar em execução em diferentes ambientes, e as localizações de edge podem seguir operando de forma independente quando se perde a conectividade central.

• Mais segurança: a modernização de data center possibilita a aplicação consistente de políticas em ambientes distribuídos, e a criptografia moderna reduz a exposição em data centers, plataformas de nuvem e localizações de edge.

• Conformidade facilitada: as organizações podem direcionar cargas de trabalho sensíveis a instalações ou regiões específicas e aplicar essas políticas por meio do gerenciamento definido por software, em vez de configuração manual.

• Sustentabilidade: a infraestrutura moderna é energeticamente mais eficiente do que os sistemas legados. O resfriamento líquido e o hardware energeticamente eficiente contribuem para reduzir a pegada de carbono das operações de data center.

• Modernização de aplicações: contêineres, Kubernetes e plataformas de multinuvem híbrida dão às equipes de desenvolvimento as ferramentas para migrar de aplicações monolíticas para arquiteturas de microsserviços. Esse método melhora a velocidade de implementação, a disponibilidade e o tempo de atividade, proporcionando melhores experiências do usuário.
  
  

Os projetos de modernização de data center são complexos e costumam ser parte central de uma estratégia mais ampla de transformação digital. Começar com uma estratégia clara, e com um roteiro capaz de se adaptar conforme a tecnologia e os requisitos de negócios mudam, importa mais do que a maioria das organizações imagina.

Muitas grandes empresas recorrem a serviços de consultoria de fornecedores de tecnologia empresarial (por exemplo, IBM, HPE) para avaliar a infraestrutura atual e gerenciar a transição nas áreas de arquitetura, segurança e operações.

Antes de tomar decisões de infraestrutura, as organizações precisam saber quais cargas de trabalho estão executando e quais são seus requisitos de desempenho, segurança e conformidade. Isso revela as dependências legadas e indica para onde cada carga de trabalho deve ir.

Segundo um estudo da Deloitte, mais de 60% dos orçamentos de TI ainda são destinados à manutenção de sistemas legados, o que costuma ser a primeira restrição que os programas de modernização encontram.²

Estabeleça metas específicas, como reduzir os custos de infraestrutura, dar suporte a um caso de uso de IA específico ou atender a um requisito de residência de dados.

Metas específicas oferecem às equipes uma forma de medir o progresso e tomar decisões ao longo do caminho.

Nem toda carga de trabalho pertence à nuvem, nem toda carga de trabalho pertence ao ambiente local. As soluções de nuvem oferecem escalabilidade e acesso mais rápido a novos serviços, enquanto a infraestrutura local oferece às organizações mais controle sobre desempenho e conformidade.

Para organizações cujas instalações não comportam uma infraestrutura de IA de alta densidade, vale a pena considerar a colocation como parte dessa decisão.

Uma abordagem em fases prioriza primeiro as cargas de trabalho de maior valor, reduzindo o risco de downtime e de interrupção das operações essenciais à medida que a iniciativa avança.

Controles de segurança, monitoramento de conformidade e gerenciamento de custos precisam fazer parte da arquitetura de modernização desde o início. Essa abordagem inclui backup e recuperação de desastres, além de planejamento de continuidade de negócios, para que as operações possam continuar funcionando se um sistema falhar ou uma migração der errado.

A modernização do data center não termina na implementação. A infraestrutura exige monitoramento contínuo, aplicação de correções, atualizações e gerenciamento do ciclo de vida.

Conhecimento especializado em plataformas de serviços de nuvem, Kubernetes e infraestrutura de IA costuma ser necessário, e as equipes de TI precisam de treinamento contínuo conforme os serviços de data center e as novas tecnologias evoluem.