Владимир Савяк, HPE: уже сегодня создаются новые сценарии для развития рынка дата-центров

В преддверии конференции HPE Discover More Nur-Sultan, которая состоится в столице 24 октября и фокусом которой станет «облачная» трансформация бизнеса, мы поговорили с Владимиром Савяком, менеджером по продаже в подразделении AI, HPC & POD в Hewlett Packard Enterprise.

— Владимир, об искусственном интеллекте, пожалуй, не говорил только ленивый. Но бизнес довольно осторожно принимает ИИ. Во-первых, потому что недостаточно интересных кейсов. А во-вторых, стоимость проектов с применением AI-технологий остается весьма высокой. Массовый же спрос лежит существенно ниже. Как в HPE понимают потребности в технологии для бизнеса?

— Думаю, стоит начать с того, что сложность построения решений с использованием технологий искусственного интеллекта за последние 5 лет значительно снизилась, а качество их работы — выросло. Причина этого, в первую очередь, во взрывном развитии технологии искусственных нейронных сетей (ИНС), которые позволяют решать ряд задач в сфере машинного обучения достаточно быстро и с высокой эффективностью. Приведу пример эффективности использования ИНС для распознавания образов. The University of Washington проводит соревнования технологий распознавания лиц. И в этом соревновании в 2015–2016 годах процент распознавания в дисциплине MegaFace Challenge 1 находился на уровне 50-70%, а в MegaFace Challenge 2 — на уровне всего нескольких процентов. Сегодня же эти результаты составляют 99,9% и 77%, соответственно. Как видите, прыжок эффективности просто фантастический, и это всего за каких-то 4-5 лет. Также появились достаточно мощные вычислительные средства, которые позволяют тренировать ИНС для получения нужных потребителю результатов. Ведь обучение ИНС — это дело ресурсоемкое.

Но, несмотря на то, что технологии ИИ, а также их использование стало значительно проще, они являются достаточно молодыми, а значит, на рынке очень мало готовых решений. Также нужно понимать, что «значительно проще» не значит «совсем просто». Из-за сложности внедрения эти технологии требуют высокой квалификации системного интегратора, да и самого заказчика. Все это, а также необходимость того, чтобы информационные технологии в компании были на достаточно высоком уровне развития, обуславливает и то, что внедрение ИИ возможно, в первую очередь, лидерами рынка. Вместе с тем, следует признать, что не везде дела обстоят именно так — несколько сегментов в сфере ИИ, такие как распознавание лиц или обработка голоса, уже становятся массовыми и доступны даже в стандартных индустриальных продуктах многих мировых производителей программного обеспечения. Иногда в тестовых вариантах, а иногда — в промышленных, коммерческих.

Компания Hewlett Packard Enterprise помогает своим заказчикам упростить процесс внедрения ИИ. Для этого мы проводим специальные практические семинары, к примеру, HPE Artificial Intelligence Transformation Workshop, во время которого мы помогаем заказчику оценить целесообразность использования технологий ИИ для его бизнеса. Причем, это не обучающий семинар: многим людям на стороне заказчика совершенно нет необходимости в деталях разбираться в технологической части ИИ-проектов. Этот семинар — это один день активной работы в группе с заинтересованными лицами от заказчиков. В результате проведения семинара заказчик должен понять, стоит ли начинать внедрять ИИ сейчас, а если стоит, то что нужно делать, как и когда.

Мы также предлагаем широкий спектр инструментов и платформ для компаний, которые уже приняли решение внедрять ИИ и активно этим занимаются. Впрочем, мы являемся одним из лидеров поставок программно-аппаратных платформ для внедрения и эксплуатации ИИ. Заказчики могут узнать о наших решениях, обратившись в региональный офис HPE или к специалистам, отвечающим за направление ИИ в группах стран.

— Экспоненциальный рост данных рождает спрос на серьезную эволюцию в системах хранения. Один из ответов на этот спрос — системы с использованием технологии Scality Archival Storage. Чем они интересны, каковы их преимущества?

— Технологии HPE Scality Archival Storage позволяют строить, наверное, лучшие на рынке решения для больших цифровых архивов данных. С помощью этих технологий достаточно просто построить систему хранения данных практически любого объема — минимально возможное решение позволяет хранить 200 Терабайт, а типичные системы хранения данных на базе программного продукта Scality Ring имеют объем от нескольких Петабайт до сотен Петабайт. Отличительными особенностями данного решения являются: высокая доступность данных (от 99,999% до 99,9999999% в зависимости от реализации конкретного решения), мультипротокольный доступ к данным (многочисленные файловые, объектные протоколы), линейный рост производительности с ростом объемов системы хранения, наличие качественно отработанных функций, обеспечивающих надежное хранение данных даже в случае ошибок оператора или хакерской атаки. В общем, это одно из немногих решений в этом сегменте, которое уже несколько лет подряд входит в квадрант лидеров Gartner. Очень интересным встроенным функционалом является возможность построения катастрофоустойчивого решения с размещением оборудования и данных на трех площадках одновременно, при сохранении экономики решения, размещенного на одной площадке (без учета расходов на построение сети), хранение предыдущих копий файлов и объектов в случае их изменения, и многое другое.

— Еще один интересный топик — это Persistent Memory, которая обещает настоящую революцию в СХД. Как сильно продвинулись в HPE в вопросах использования данной технологии? Где можно получить наибольший эффект, как его можно выразить в каких-то понятных для бизнеса изменениях?

— Да, несмотря на то, что для большинства пользователей на рынке, а мы говорим сейчас о корпоративных пользователях, появление энергонезависимой памяти — Persistent Memory — прошло незамеченным, технология действительно является очень важной. И в ближайшем времени повлияет на многие процессы, продукты и даже компании. У технологии большое будущее, ее появление будет менять ландшафт корпоративных серверов и систем хранения, ломая стереотипы, принося пользу одним и уничтожая бизнес других производителей.

Но это немного после, а сейчас мы, наконец-то, можем делать решения на базе PM для наших корпоративных пользователей на базе наших серверов, обеспечивая коммерчески привлекательные решения, в первую очередь, для баз данных, но также и для других, требовательных к быстродействию ввода-вывода приложений. Современные решения HPE на базе PM позволяют поместить всю вашу базу данных в энергонезависимую память с прямой побайтной адресацией и быстродействием, близким к быстродействию DRAM. Задержка доступа к данным в PM в 1000 раз ниже по сравнению с вариантом использования классической системы хранения данных на базе самых современных и быстрых технологий на рынке.

Кстати, мы только что закончили проект с использованием энергонезависимой памяти для одного из банков, в рамках которого наш заказчик смог заменить старое оборудование на новую систему, при стоимости нового оборудования меньше стоимости годичной поддержки предыдущего. Главная причина замены была в том, что старое оборудование уже не справлялось с возросшим количеством запросов к базе данных. А новое решение спроектировано так, чтобы текущая загрузка была не более, чем 30% от его ресурса, обеспечивая возможность планируемого в ближайшем времени роста клиентской базы и функционала.

Следует также заметить, что важным элементом успешного проектирования и внедрения является наличие в нашей команде высококлассных инженеров, которые проводят анализ функционирования и производительности системы перед формированием конфигурации новой системы — это сервис Performance Assessment. Детальное понимание работы приложения позволяет нам строить решения, которые экономят деньги заказчика и обеспечивают лучшую в отрасли производительность.

Ну, а для желающих больше узнать о грядущих изменениях в ИТ-индустрии в связи с развитием PM, рекомендую ознакомиться с технологиями Gen-Z и Memory Driven Computing. В целом же, вышеперечисленные технологии уже сегодня создают новые сценарии для развития рынка дата-центров.