Cos'è la modernizzazione dei data center?

Per la maggior parte delle organizzazioni, la modernizzazione dei data center non è un progetto una tantum, ma un processo continuo. Si concentra sul passaggio dai sistemi dipendenti dall'hardware verso un'infrastruttura definita dal software che abbraccia l'infrastruttura on-premise, il cloud privato e il cloud pubblico e le impostazioni edge, il tutto gestito come un unico ambiente.

La necessità di trarre valore dall'intelligenza artificiale (AI), dalle applicazioni distribuite e dall'elaborazione in tempo reale all'edge ha cambiato ciò di cui le organizzazioni hanno bisogno dai data center. Secondo Goldman Sachs Research, il fabbisogno energetico dei data center aumenterà del 50% entro il 2027 e raggiungerà il 165% dei livelli del 2023 entro il 2030, principalmente a causa dei workload di training e inferenza.¹ La maggior parte dei data center legacy non è stata costruita per soddisfare queste esigenze.

I data center servivano un'epoca diversa dell'informatica, in cui l'infrastruttura tradizionale era costruita attorno al calcolo basato su CPU, workload prevedibili e storage centralizzato.

A differenza dell'addestramento dei modelli, che si svolge in grandi strutture, l'inferenza AI si attiva sempre più all'edge (ad esempio, in fabbriche, retail, siti remoti). La modernizzazione va ormai oltre il data center principale per estendersi alle sedi distribuite.

La sovranità dei dati sta anche determinando il modo in cui vengono eseguiti i workload. Molti settori e aree geografiche richiedono che certi dati rimangano all'interno di giurisdizioni specifiche, il che significa che le decisioni sulla collocazione dei workload devono tenere conto di dove si trovano i dati e dove si applicano le normative.

I data center tradizionali seguivano un modello centralizzato. I server fisici eseguivano singole applicazioni, i team collegavano i sistemi di storage a host specifici e le configurazioni di rete richiedevano un'operazione manuale. Questo modello funzionava bene quando i workload prevedevano l'esecuzione di applicazioni aziendali come la pianificazione delle risorse aziendali (ERP) e i database.

Il passaggio ai data center moderni è iniziato con la virtualizzazione, che separava i workload dall'hardware fisico e permetteva a più applicazioni di condividere risorse su un unico server. L'infrastruttura definita dal software l'ha estesa allo storage e al networking.

L'introduzione di container e Kubernetes ha aumentato la portabilità, permettendo alle applicazioni di funzionare costantemente su server on-premise, cloud privato e piattaforme cloud pubbliche. Questo approccio basato sul software alla gestione dell'intero data center è denominato Software-Defined Data Center (SDDC).

Oggi, il data center moderno non è più una sede fissa. Copre strutture core, piattaforme basate su cloud e aree edge, con workload che si muovono in base a prestazioni, costi, latenza e conformità piuttosto che in base alla prossimità fisica all'hardware. Questo modello di hybrid cloud distribuito offre alle organizzazioni la flessibilità di eseguire workload dove funzionano meglio, mentre software e automazione guidano il provisioning e la gestione delle risorse.

I data center basati su AI vanno oltre, essendo stati progettati per soddisfare le esigenze di scalabilità e prestazioni dei workload di addestramento e inferenza dell’AI, che i data center tradizionali non erano in grado di gestire.

Nella maggior parte delle struttura, i workload aziendali tradizionali vengono ancora eseguiti su infrastrutture virtualizzate on-premise. Al contrario, le applicazioni cloud-native sono progettate per funzionare simultaneamente su sistemi cloud on-premise pubblici, piuttosto che essere legate a un unico ambiente.

Oggi, i workload basati su AI impongono i requisiti più elevati all'infrastruttura, richiedendo elaborazione ad alta densità di GPU, storage veloce e reti a bassa latenza. I workload del calcolo ad alte prestazioni (HPC) condividono molti di questi requisiti.

Oltre al data center centrale, i workload edge stanno crescendo man mano che machine learning (ML) e AI si spostano verso sedi distribuite più vicine alla sorgente, che girano su server remoti e dispositivi Internet of Things (IoT).

La moderna infrastruttura dei data center copre sistemi che forniscono elaborazione, storage e protezione dei dati. Ecco cosa includono questi componenti:

• Hardware pronto per il calcolo e l'AI: modernizzare il calcolo significa andare oltre i server solo CPU per supportare workload accelerati da GPU per AI e HPC. Le unità di elaborazione neurale (NPU) gestiscono l'inferenza al edge, dove l'efficienza energetica conta tanto quanto le prestazioni. L'hardware aziendale (ad esempio, IBM® Z) combina acceleratori AI con funzionalità di sicurezza richieste da settori regolamentati come la finanza e la sanità.

• Storage ad alte prestazioni: gli SSD NVMe e all flash array riducono la latenza e aumentano la throughput, mentre il Software-defined storage (SDS) disaccoppia la gestione dall'hardware fisico. Queste funzionalità supportano operazioni coerenti in tutte le impostazioni di cloud computing e on-premise. Inoltre, Object Storage gestisce grandi volumi di dati non strutturati che i workload di addestramento AI e edge generano.

• Networking software-defined (SDN) e SDDC: Software-defined networking (SDN) applica la gestione guidata dal software a networking, storage e calcolo, sostituendo la configurazione hardware manuale su tutto il data center.

• Virtualizzazione e HCI: La virtualizzazione dei server rimane la base della maggior parte dei data center modernizzati, permettendo a più workload di condividere hardware fisico. L'infrastruttura iperconvergente (HCI) va oltre, combinando elaborazione, storage e rete in un'unica piattaforma gestita da software.

• Container e Kubernetes: i container impacchettano le applicazioni in unità portatili che vengono eseguite in modo coerente in diversi ambienti. Kubernetes ne gestisce l'implementazione e la scalabilità in ambienti ibridi da un'unica piattaforma.

• Automazione e AIOps: man mano che i data center diventano più distribuiti, le operazioni manuali diventano più difficili da gestire su larga scala. Automazione e AIOps gestiscono il monitoraggio, la risposta agli incidenti e la pianificazione della capacità basata su dati in tempo reale.

• Energia e raffreddamento a liquido: i rack AI ad alta densità richiedono molta più energia rispetto alle configurazioni tradizionali, richiedendo a molte strutture di data center di aggiornare i loro sistemi di erogazione di energia. Il raffreddamento liquido gestisce il calore che il raffreddamento ad aria non riesce a gestire su larga scala.

• Sicurezza e architettura zero-trust: man mano che i workload si diffondono su più ambienti e edge computing locations, ci sono più punti d'ingresso da mettere in sicurezza. Modernizzare cybersecurity significa allontanarsi dai modelli basati sul perimetro verso framework zero-trust, dove nessun utente, dispositivo o workload ha accesso di default, indipendentemente dalla posizione della rete.

La modernizzazione dei data center offre una serie di benefici che supportano le esigenze aziendali di oggi:

• Supporto per l'AI e workload moderni: la modernizzazione dei data center offre alle organizzazioni l'infrastruttura necessaria per eseguire addestramento dell'AI, inferenza dell'AI o real-time analytics, eliminando i colli di bottiglia che derivano dai sistemi legacy.

• Maggiore agilità: l'infrastruttura e l'automazione definite dal software riducono il tempo necessario per fornire risorse, implementare applicazioni e rispondere alle mutevoli richieste dei workload. Le organizzazioni possono distribuire risorse tra workload senza modifiche fisiche all'hardware.

• Costi operativi più bassi: modernizzare il data center ottimizza l'infrastruttura IT affinché funzioni in modo più efficiente. Spostare i workload verso l'ambiente più conveniente, che sia on-premise, cloud o edge, riduce anche il sovraccarico dovuto alla manutenzione di un'infrastruttura sottoutilizzata.

• Maggiore resilienza: i data center moderni e l'architettura distribuita riducono la dipendenza da una singola struttura o connessione. I workload possono continuare in tutte le impostazioni e le edge location possono continuare a funzionare in modo indipendente quando si perde la connettività centrale.

• Sicurezza migliore: la modernizzazione dei data center supporta un'applicazione coerente delle policy in contesti distribuiti e la crittografia moderna riduce l'esposizione su data center, piattaforme cloud e aree edge.

• Conformità semplificata: le organizzazioni possono indirizzare i workload sensibili verso strutture specifiche o regioni e applicare tali politiche tramite gestione definita dal software anziché tramite configurazione manuale.

• Sostenibilità: l'infrastruttura moderna è più efficiente dal punto di vista energetico rispetto ai sistemi legacy. Il raffreddamento a liquido e l'hardware a basso consumo energetico contribuiscono a ridurre l'impronta ambientale delle operazioni dei data center.

• Modernizzazione delle applicazioni: container, Kubernetes e piattaforme multicloud ibrido danno ai team di sviluppo gli strumenti per spostare da applicazioni monolitiche ad architetture di microservizi . Questo metodo migliora la velocità di distribuzione, la disponibilità e i tempi di attività per un'esperienza utente migliore.
  
  

I progetti di modernizzazione dei data center sono complessi e spesso rappresentano una parte fondamentale di una più ampia strategia di trasformazione digitale . Iniziare con una strategia chiara e una roadmap in grado di adattarsi al cambiamento della tecnologia e dei requisiti aziendali è più importante di quanto la maggior parte delle organizzazioni si aspetti.

Molte organizzazioni aziendali integrano i servizi di consulenza di fornitori di tecnologia aziendale (ad esempio, IBM, HPE) per valutare l'infrastruttura attuale e gestire la transizione tra architettura, sicurezza e operazioni.

Prima di prendere decisioni sull'infrastruttura, le organizzazioni devono sapere quali workload stanno eseguendo e quali sono i loro requisiti di prestazioni, sicurezza e conformità. Questo rivela le dipendenze legacy e indica dove dovrebbe andare ogni workload.

Secondo uno studio Deloitte, oltre il 60% dei budget IT è ancora destinato alla manutenzione dei sistemi legacy, che spesso rappresentano il primo vincolo che i programmi di modernizzazione incontrano.²

Stabilisci obiettivi specifici, come ridurre i costi infrastrutturali, supportare un caso d'uso specifico dell'AI o soddisfare un requisito di residenza dei dati .

Gli obiettivi specifici permettono alle squadre di misurare i progressi e decidere lungo il percorso.

Non tutti i workload appartengono al cloud e non tutti i workload appartengono on-premise. Le soluzioni cloud offrono scalabilità e accesso più rapido ai nuovi servizi, mentre l'infrastruttura on-premise offre alle organizzazioni maggiore controllo sulle prestazioni e sulla conformità.

Per le organizzazioni le cui strutture non sono in grado di supportare infrastrutture AI ad alta densità, vale la pena prendere in considerazione la possibilità di ricorrere alla colocation nell'ambito di questa decisione.

Un approccio a fasi dà priorità ai workload di maggior valore, riducendo il rischio di tempo di inattività e interruzioni delle operazioni chiave man mano che l'iniziativa procede.

I controlli di sicurezza, il monitoraggio della conformità e la gestione dei costi devono far parte dell'architettura di modernizzazione fin dall'inizio. Questo approccio include backup e disaster recovery e pianificazione della continuità aziendale affinché le operazioni possano continuare a funzionare in caso di guasto di un sistema o di una migrazione fallita. 

La modernizzazione dei data center non termina con la distribuzione. L'infrastruttura richiede monitoraggio continuo, patch, aggiornamenti e gestione del ciclo di vita.

Spesso sono richieste competenze specifiche in piattaforme di servizi cloud, Kubernetes e infrastrutture AI, e i team IT necessitano di una formazione continua man mano che i servizi dei data center e le nuove tecnologie si evolvono.