L'optimisation des datacenters reste un exercice de haute volée pour assurer un fonctionnement optimum et une efficacité énergétique maximale et Google a trouvé une nouvelle stratégie pour y parvenir : utiliser les grandes quantités de données fournies par les équipements et les capteurs du datacenter pour maintenir la meilleure efficacité énergétique à tout moment.
Jim Gao, qui travaille dans le domaine des datacenters chez Google, a fait en sorte que les immenses quantités de données (température de l'air extérieur, charge de travail...) récupérées toutes les 30 secondes pour déterminer l'efficacité énergétique puissent être utilisées pour faire émerger des patterns et des interactions que l'être humain surveillant les données ne peut détecter du fait du trop grand nombre de paramètres présents mais qui peuvent être analysées et utilisées pour "apprendre" et atteindre un but, ici le calcul de l'efficacité énergétique (PUE).
Après avoir affiné les algorithmes pour canaliser les données et aboutir aux réactions amenant à la meilleure efficacité énergétique du datacenter, Jim Go a obtenu des modèles pouvant prédire cette efficacité avec une précision de 99,6%.
Côté pratique, Google donne l'exemple de l'arrêt temporaire de serveurs qui modifient l'efficacité énergétique de l'ensemble du datacenter, et dont le modèle de Jim Gao a permis de modifier certains réglages pour maintenir un fonctionnement optimal.
Le système utilise la souplesse des réseaux neuronaux pour garantir une réponse adéquate aux très nombreuses informations reçues du système, par opposition à des règles générales fixes mal adaptées à des modifications fréquentes et fines du contexte.
Avec le modèle prédictif précis de Jim Gao, les ingénieurs des datacenters de Google peuvent prédire plus facilement les conséquences des modifications de configuration du datacenter et maintenir au plus bas la consommation d'énergie nécessaire.
