FAQ

L'articolo Cos’è il Cloud Sovereignty: guida completa alla sovranità del cloud proviene da Data Manager Online.

I data center come punto di accumulazione dell’economia digitale. L’integrazione di tecnologie AI e machine learning abilita l’automazione del provisioning e della gestione dei workload, mentre modelli “software-defined” e strumenti di Infrastructure as code garantiscono flessibilità e scalabilità in ambienti ibridi. Sul fronte energetico, cresce la spinta verso modelli a zero emissioni, con l’Europa in prima linea. A cambiare è anche la geografia del dato, sempre più distribuita grazie all’edge computing. Mentre l’intelligenza artificiale continua a evolvere, i data center devono adattarsi per supportare la crescente domanda di potenza computazionale, bilanciando il consumo energetico con soluzioni di efficienza avanzata e il ricorso massivo alle energie rinnovabili. I data center di nuova generazione che ospiteranno l’AI dovranno essere in grado di supportare enormi esigenze di calcolo, generando una produzione elevata di calore, che andrà recuperato e riutilizzato sotto forma di energia.

Ma non solo. Si stima che anche la potenza elettrica e il fabbisogno energetico di un data center per l’AI raddoppieranno. Secondo la ricerca pubblicata sei mesi fa dalla International Energy Agency (IEA), nel 2023 gli investimenti in data center da parte dei tre Big del cloud – Amazon, Google e Microsoft – hanno superato, per la prima volta, quelli dell’intero settore petrolifero statunitense, segnando un punto di svolta simbolico nell’economia dell’energia digitale.

L’espansione dei data center richiede livelli di energia vicini a quelli di intere città. Un’infrastruttura da 100 megawatt – oggi considerata standard per i grandi operatori cloud – equivale al fabbisogno elettrico medio di circa 400mila veicoli elettrici in circolazione. Nell’insieme, i data center necessitano già di circa l’1% dell’energia globale, consumando in un anno circa la metà dell’intero consumo rappresentato dai dispositivi IT nelle case di tutto il mondo. Ma secondo l’Agenzia internazionale dell’energia occorre mettere queste cifre in prospettiva perché i valori citati rappresentano una percentuale tutto sommato bassa dei consumi totali e la crescita della domanda di energia elettrica è guidata da fattori molto più importanti, incluso il problema del cambiamento climatico. Questo non esclude che i data center dovranno cercare di raggiungere livelli di densità di potenza di calcolo ed efficienza energetica sempre maggiori, anche considerando che i consumi dei singoli processori nei server fisici diminuiscono.

Avvalendosi di studi e ricerche degli analisti, il dossier analizzerà in profondità le strategie di ottimizzazione dei consumi energetici e dell’utilizzo delle risorse IT virtualizzate, con un focus sulle nuove piattaforme di management e automazione nel governo intelligente delle infrastrutture digitali. Al centro dell’analisi anche il mercato in rapida evoluzione delle soluzioni AIOps, fondamentali per rendere più efficienti gli investimenti infrastrutturali legati all’intelligenza artificiale e per garantire una gestione proattiva e scalabile delle applicazioni AI. È una partita che vale la pena giocare, perché sempre secondo l’IEA proprio l’intelligenza artificiale avrà un ruolo fortemente innovatore nel modo in cui gestiamo la produzione e il consumo di energia. Secondo l’IEA, entro il 2030 il consumo globale di elettricità crescerà di circa 6.750 terawattora, passando dagli attuali 25mila a circa 32-33mila TWh. Un incremento trainato in larga parte dalla digitalizzazione, dall’elettrificazione dei consumi e dalla crescente diffusione dell’intelligenza artificiale. Proiezioni al 2050 indicano che i livelli di consumo previsti per il 2030 potrebbero addirittura raddoppiare. In questa corsa la tecnologia IT può essere una carta vincente.

#datacenter Cloud ibrido, AI e sostenibilità: i tre pilastri del data center future-ready
Click To Tweet

LA SFIDA DEI WORKLOAD AI

L’interesse nei confronti delle infrastrutture digitali e della loro evoluzione verso le esigenze di Big Data e soprattutto dei nuovi workload legati agli algoritmi e ai modelli linguistici dell’intelligenza artificiale, si impone del resto a livello globale. In previsione di un convegno programmato sul tema a Milano, IDC ha reso noti alcuni risultati di un suo recente studio che analizza la spesa infrastrutturale nel 2025.

Nel corso di tutto l’anno – scrivono gli analisti IDC – le decisioni di spesa IT continueranno a premiare l’infrastruttura digitale, confermata tra le principali priorità dalla maggior parte dei responsabili IT aziendali. Le organizzazioni stanno puntando su strategie infrastrutturali ibride, interoperabili e resilienti, con un focus crescente sull’automazione, l’efficienza operativa e la modernizzazione del data center.

Gli investimenti in queste aree sono considerati tra i più immuni da eventuali tagli di budget. Tra i principali risultati emersi dalla ricerca IDC, spicca l’adozione accelerata della GenAI: un’organizzazione su tre ha già portato in produzione diversi workload basati su intelligenza artificiale generativa, spingendo la domanda di infrastrutture scalabili ed efficienti. La spesa infrastrutturale mostra una netta crescita in tre aree strategiche: migrazione applicativa verso il cloud pubblico, potenziamento della cyber resilienza e modernizzazione dei data center, ambiti in cui si concentra la maggior parte degli investimenti previsti.

Al centro delle strategie infrastrutturali, secondo IDC, si conferma il modello ibrido. Tre organizzazioni su quattro mantengono ancora un proprio data center, integrato con ambienti on-premise, co-location, edge e cloud pubblico, consolidando l’approccio ibrido come standard operativo dominante. Parallelamente, cresce l’attenzione verso l’efficienza operativa e il contenimento dei costi IT: oltre un terzo delle aziende sta dando priorità agli investimenti in automazione dell’infrastruttura e in tecnologie di osservabilità potenziate dall’intelligenza artificiale. Questi trend delineano l’ingresso in una nuova fase della trasformazione digitale, in cui l’infrastruttura IT si afferma come elemento strategico per abilitare l’adozione dell’AI e rispondere alle esigenze pressanti di agilità, scalabilità e resilienza.

HYPERSCALER, IL FUTURO E’ GIÀ QUI

Il legame tra intelligenza artificiale e potenza computazionale è una questione molto più complessa del semplice paradigma della dualità tra server/data center da un lato e applicazioni dall’altro. AI e cloud sono intimamente connessi e questo sostanzialmente significa che anche il fenomeno della creazione di nuova infrastruttura e dell’evoluzione dei data center esistenti è animato da dinamiche non lineari. Gran parte della sperimentazione condotta dalle aziende si basa sull’accesso a modelli di intelligenza artificiale forniti in modalità as-a-Service dai principali player del settore, come OpenAI, Google (Gemini) e Meta. Queste piattaforme consentono alle organizzazioni di testare e implementare soluzioni GenAI in modo rapido e scalabile, riducendo la complessità tecnologica e accelerando il time-to-value.

In questo momento il progetto con maggiore visibilità, Stargate, viene promosso da OpenAI insieme a partner di eccezione. Ecco come OpenAI ha presentato l’iniziativa varata il primo gennaio di quest’anno, con un tono trionfalistico che strizza esplicitamente l’occhio ai messaggi del nuovo presidente americano. «Il Progetto Stargate è una startup che intende investire 500 miliardi di dollari nei prossimi quattro anni per costruire negli Stati Uniti una nuova infrastruttura computazionale per l’intelligenza artificiale di OpenAI. Inizialmente, sono già stati stanziati 100 miliardi di dollari per una infrastruttura che garantirà la leadership americana nel campo dell’AI e, creerà centinaia di migliaia di posti di lavoro, generando enormi benefici economici per il mondo intero. Stargate non solo sosterrà la reindustrializzazione degli Stati Uniti, ma fornirà anche una capacità strategica in grado di tutelare la sicurezza nazionale dell’America e dei suoi alleati».

I primi finanziatori del progetto sono SoftBank, OpenAI, Oracle e MGX, il fondo di investimento specializzato in AI negli Emirati Arabi Uniti. SoftBank e OpenAI sono i partner principali di Stargate, con SoftBank come responsabile finanziario e OpenAI responsabile operativo. Presidente del consorzio è il CEO di SoftBank, l’imprenditore e magnate giapponese (ma di etnia coreana, la generazione di “zainichi” emigrati in Giappone prima della guerra) Masayoshi Son. I partner tecnologici dell’iniziativa sono ARM, Microsoft, NVIDIA, Oracle e OpenAI. Il primo data center è già in costruzione in Texas, nella zona a ovest di Dallas-Fortworth, una delle più attive nella realizzazione delle fabbriche di bit di nuova generazione. Ma Stargate sta già valutando diversi altri siti per il suo network di “campus” di calcolo, ciascuno di potenza complessiva non inferiore al gigawatt.

Nell’ambito di Stargate, Oracle, NVIDIA e OpenAI collaboreranno molto strettamente per costruire e gestire questo ecosistema di elaborazione, basandosi sulle alleanze che fin dal 2016 OpenAI ha cominciato a costruire, prima proprio con NVIDIA e più recentemente con Oracle. Anche se il nome di Microsoft non viene citato tra gli investitori iniziali, la partnership esistente con OpenAI continua a rafforzarsi. Il colosso dell’AI guidato da Sam Altman – e notoriamente co-fondato da Elon Musk – estenderà l’uso di Microsoft Azure, mentre OpenAI intende far leva su questa ulteriore capacità di calcolo per “addestrare” e far crescere i suoi modelli e offrire al pubblico servizi di qualità.

Com’è strutturato un campus Stargate? Le prime anticipazioni sul data center in costruzione in Texas parlano di un sito già entrato nella seconda fase di espansione, con un’estensione complessiva di circa 354 ettari: una superficie superiore a quella di Central Park, a New York. Il campus ospiterà otto edifici operativi, con una capacità complessiva prevista di 1,2 gigawatt, sufficiente a soddisfare il fabbisogno energetico di circa un milione di abitazioni. L’azienda incaricata di realizzare l’infrastruttura è Crusoe Energy, fondata da Chase Lochmiller, pioniere nel settore del “crypto-mining” e, in precedenza, del trading ad alta frequenza, un altro ambito ad alta intensità computazionale. Secondo il piano definitivo, il progetto prevede l’utilizzo di un pezzo di terreno nei pressi di Abilene, che dista da Dallas quanto Milano dista da Venezia. La scelta del Texas, al di là degli attuali di trend di affermazione, non è casuale. Lo stato del petrolio – un altro comparto industriale il cui futuro dipende strettamente dal supercalcolo e dal machine learning – è uno dei pochi in grado di assicurare così velocemente la fornitura energetica alla mega-fabbrica dei bit. Energia e calcolo sono un binomio capace di scompigliare le carte di un mercato che negli Stati Uniti sembrava essersi consolidato sullo stato della Virginia. Indipendentemente da Stargate, il Texas ha già superato la Virginia in termini di nuovi data center in costruzione, se misurati in potenza complessiva assorbita.

#datacenter Da commodity a infrastruttura intelligente per il business
Click To Tweet

ANATOMIA DELL’AI DATA CENTER

Cerchiamo però di capire meglio, come deve essere fatto “dentro” un data center specializzato per carichi di lavoro di intelligenza artificiale, anche per rispondere alle curiosità delle aziende che devono intraprendere, magari dopo una prima fase di sperimentazione dell’AI attraverso le sue offerte “pubbliche”, un discorso in qualche modo legato anche alla fisicità del calcolo attraverso una strategia mirata alle risorse computazionali, alla modernizzazione di infrastrutture esistenti o addirittura alla realizzazione di data center di nuova concezione.

Mentre molte attività di sperimentazione possono essere realizzate facilmente tramite sottoscrizioni a piattaforme come Gemini o ChatGPT, o attraverso l’utilizzo di istanze personalizzate di modelli open-source scaricabili su server virtuali o fisici da gestire in autonomia, le comunità di esperti di machine learning e data scientist possono sfruttare ambienti online come Hugging Face o Kaggle per accedere a modelli, librerie, strumenti e servizi cloud dedicati. In generale, il cloud pubblico rappresenta la soluzione principale per il dispiegamento dei motori LLM utilizzati nelle loro attività. Tuttavia, arriva un momento in cui, per motivi legati alla potenza di calcolo, alla latenza, o più frequentemente alle dimensioni dei dataset, alla tutela della privacy o della proprietà intellettuale, la scelta dell’infrastruttura on-premise per le operazioni di MLOps diventa inevitabile.

Un data center progettato per soddisfare le specifiche esigenze degli algoritmi di AI e dei carichi di lavoro legati all’analytics può presentare caratteristiche architetturali distintive rispetto a un’infrastruttura tradizionale. L’accento si sposta sulla potenza computazionale accelerata, sull’elevato throughput dei dati e sulla flessibilità operativa, elementi centrali per garantire performance elevate e scalabilità. La gestione ottimale di modelli complessi come quelli basati su transformer e l’integrazione di unità di calcolo specializzate, come le TPU, sono fondamentali per l’efficienza dei processi di inferenza e addestramento.

A livello di architettura IT, è essenziale implementare reti ad alta velocità e bassa latenza, in grado di gestire flussi massicci di dati senza colli di bottiglia, e sistemi di storage scalabili e performanti per un accesso rapido ai grandi volumi di informazioni. Inoltre, l’integrazione di software e tool ottimizzati per l’AI e l’adozione di piattaforme MLOps per la gestione del ciclo di vita dei modelli è indispensabile per mantenere l’efficienza operativa. Il raffreddamento e l’alimentazione ad alta densità sono altrettanto importanti in un ambiente che gestisce carichi computazionali elevati, garantendo la stabilità e la sostenibilità energetica. Infine, la flessibilità e la scalabilità dell’infrastruttura, unite all’automazione tramite tecnologie come l’Infrastructure as Code (IaC), sono essenziali per rispondere rapidamente alle esigenze in continuo cambiamento dei modelli di AI, assicurando un funzionamento fluido e sicuro.

INFRASTRUTTURA DI CALCOLO

Nel cuore dei moderni data center dedicati all’intelligenza artificiale si trovano infrastrutture di calcolo radicalmente diverse da quelle tradizionali. Pensate per rispondere alle esigenze estreme dei modelli di machine learning e deep learning, queste architetture si fondano su un massiccio impiego di hardware specializzato e su un’organizzazione pensata per garantire velocità, efficienza e scalabilità. A partire dalle GPU, diventate lo standard de facto per l’addestramento degli algoritmi AI grazie alla loro architettura massivamente parallela, capace di eseguire simultaneamente migliaia di operazioni matematiche. Nei data center AI, le GPU di fascia alta sono distribuite in server ad alta densità e spesso interconnesse tramite tecnologie come NVLink, che garantiscono una comunicazione ultraveloce tra dispositivi all’interno dello stesso nodo computazionale. A fianco delle GPU, sta crescendo l’adozione di acceleratori specializzati come gli ASIC e le FPGA.

I primi, come le TPU (Tensor Processing Units) sviluppate da Google, sono progettati su misura per specifici carichi di lavoro AI e offrono livelli superiori di efficienza energetica e prestazioni. Le FPGA, pur più complesse da programmare e meno performanti degli ASIC in ambiti specifici, consentono una personalizzazione estremamente profonda, agendo a livello più basso rispetto al firmware e rendendo l’hardware modificabile in funzione di diversi algoritmi. Anche le CPU ad alte prestazioni mantengono un ruolo fondamentale: pur non essendo impiegate direttamente nei calcoli di inferenza o training, sono indispensabili per la gestione del sistema operativo, la preparazione dei dati e il coordinamento dei carichi di lavoro AI. Questi componenti convivono in nodi di calcolo ad alta densità, che massimizzano l’utilizzo dello spazio e minimizzano la latenza, ma pongono anche sfide rilevanti in termini di raffreddamento e gestione dell’alimentazione, richiedendo soluzioni termiche e infrastrutturali di nuova generazione. Il risultato è una piattaforma completamente ripensata rispetto al passato, capace di sostenere carichi computazionali intensi in modo efficiente.

L’evoluzione delle architetture AI-oriented è ben rappresentata dalle Google TPU, circuiti integrati specifici progettati per accelerare i carichi di lavoro di machine learning, in particolare quelli basati su TensorFlow. A differenza delle CPU e GPU, le TPU sono ottimizzate per le operazioni tensoriali alla base degli algoritmi di deep learning. Grazie alle Matrix Multiply Units, queste unità sono in grado di eseguire moltiplicazioni di matrici in modo estremamente efficiente. Sono inoltre dotate di memoria HBM (High Bandwidth Memory), che garantisce un accesso ultra-rapido ai dati, riducendo i colli di bottiglia nei trasferimenti tra processore e memoria.

Nei data center, le TPU sono connesse tramite reti ad alta velocità proprietarie che permettono l’addestramento distribuito e l’inferenza su larga scala. Supportano anche formati a precisione ridotta, come bfloat16 o int8, ideali per processi di inferenza veloci e a basso consumo energetico, senza sacrificare in modo significativo la qualità del modello. Sebbene inizialmente pensate per TensorFlow, oggi le TPU supportano anche altri framework come PyTorch e JAX, aprendo l’accesso a una community di sviluppatori AI sempre più ampia. Questa nuova generazione di data center, costruita attorno a un’architettura computazionale “aperta” e orientata ai carichi AI, rappresenta un passaggio critico nella trasformazione digitale delle imprese. Un’infrastruttura non solo performante, ma modulare, scalabile e ottimizzata per sostenere l’ascesa dell’intelligenza artificiale in ogni ambito del business.

#datacenter AI, ML e automazione ridefiniscono la gestione operativa
Click To Tweet

PIÙ SPRINT NEL CLOUD

L’inferenza di modelli Transformer, specialmente quelli di grandi dimensioni come i Large Language Models (LLM), può essere computazionalmente intensiva a causa del gran numero di parametri e delle operazioni di moltiplicazione di matrici coinvolte nel calcolo dell’attenzione. In questo scenario, le Google TPU (Tensor Processing Units) si sono affermate come uno degli strumenti più efficaci per accelerare le prestazioni di questi modelli. Progettate specificamente per eseguire in modo efficiente operazioni matriciali, cuore pulsante degli algoritmi di self-attention, le TPU sfruttano unità di moltiplicazione ad alta velocità (MXU) che superano ampiamente le prestazioni di CPU o GPU non ottimizzate.

Uno dei vantaggi principali dell’utilizzo delle TPU per l’inferenza è il supporto per formati a precisione ridotta, come il bfloat16. In molti scenari applicativi, non è necessaria la piena precisione floating point a 32 bit, e l’uso di formati più leggeri consente di migliorare la velocità e ridurre il consumo di memoria, senza compromessi significativi in termini di accuratezza. Il throughput elevato e la latenza contenuta rendono le TPU ideali per applicazioni in tempo reale, come chatbot, assistenti virtuali, motori di ricerca e sistemi di traduzione automatica. È proprio grazie a queste caratteristiche che Google è in grado di servire quotidianamente miliardi di richieste basate su modelli Transformer tramite le proprie TPU distribuite nei data center globali.

Il vantaggio competitivo delle TPU si estende anche all’integrazione software: strumenti come TensorFlow Serving, ottimizzati per l’inferenza su TPU, semplificano notevolmente il deployment di modelli AI. Tuttavia, è importante sottolineare che Google non commercializza direttamente le proprie TPU come hardware autonomo da integrare in data center privati. L’accesso a questa tecnologia è riservato agli utenti della Google Cloud Platform (GCP), che possono utilizzare varie versioni delle TPU – dalle Cloud TPU v3 fino alla recente v5e, pensata specificamente per l’inferenza – attraverso istanze virtuali scalabili on-demand. Questo approccio riflette un modello di “ibridizzazione” comune: l’infrastruttura hardware resta nei data center dell’hyperscaler, mentre aziende e sviluppatori possono beneficiare di prestazioni elevate senza dover affrontare la complessità di gestione fisica dell’hardware. Raffreddamento, alimentazione, integrazione con il software, ottimizzazione del framework (soprattutto TensorFlow) e compatibilità con strumenti come Google Compute Engine, Kubernetes Engine o Vertex AI sono tutte responsabilità del provider. Per ora, dunque, l’adozione diretta delle TPU all’interno di ambienti on-premise è limitata, non solo dalla scarsa disponibilità commerciale di questi ASIC proprietari, ma anche dalle barriere tecniche legate alla loro integrazione.

Guardando al futuro, è probabile che le tecnologie di accelerazione come le TPU continueranno a essere fruite prevalentemente tramite modelli cloud ibridi, a meno che non emergano problematiche insormontabili di costo, latenza o controllo. Un utilizzo cloud-first, infatti, garantisce maggiore agilità e libertà in un panorama tecnologico in continua evoluzione, dove la rapidità di aggiornamento dell’hardware e l’ottimizzazione del software giocano un ruolo decisivo nella corsa all’intelligenza artificiale generativa.

RETI ULTRA-VELOCI PER L’AI

Nei data center progettati per l’intelligenza artificiale, l’architettura di rete gioca un ruolo chiave nell’assicurare le prestazioni necessarie per carichi di lavoro estremamente intensivi in termini di dati. Il trasferimento efficiente e a bassa latenza di enormi volumi di dati tra nodi di calcolo, storage e risorse esterne è essenziale per garantire l’efficacia dell’addestramento distribuito dei modelli AI e delle attività di inferenza in tempo reale. A tal fine, queste infrastrutture adottano tecnologie di interconnessione ad alta velocità come InfiniBand ed Ethernet da 100, 200 o 400 gigabit al secondo, spesso organizzate in topologie spine-leaf per mantenere una larghezza di banda elevata e uniforme tra tutti i nodi. Protocolli come RDMA (Remote Direct Memory Access) permettono ai server di accedere direttamente alla memoria di altri sistemi senza passare dal sistema operativo, riducendo così drasticamente la latenza e il carico della CPU. Inoltre, il networking ottico, basato su connessioni in fibra e switching avanzato, è fondamentale per garantire alte prestazioni nelle comunicazioni a lunga distanza all’interno del data center e verso ambienti cloud. Questo livello di ottimizzazione della rete è ormai imprescindibile per supportare lo sviluppo e il deployment di modelli AI complessi.

STORAGE AD ALTE PRESTAZIONI

I carichi di lavoro AI generano e consumano enormi quantità di dati, dai dataset di addestramento alle uscite dei modelli. L’architettura di storage di un data center AI deve essere scalabile, performante e in grado di gestire diverse tipologie di dati. Per rispondere a queste esigenze, vengono adottati sistemi di storage parallelo come i file system distribuiti o l’object storage, capaci di offrire accesso simultaneo e ad alta velocità a un numero elevato di nodi di calcolo, garantendo anche scalabilità orizzontale. Per i dati ad accesso frequente e a bassa latenza, come quelli caricati nelle GPU durante l’addestramento, si ricorre a soluzioni all-flash basate su NVMe. A supporto dell’efficienza economica, molte architetture implementano un tiering dello storage, che consente di archiviare i dati meno usati su supporti a costo inferiore, mantenendo al contempo prestazioni adeguate. Infine, il data lake rappresenta l’infrastruttura centrale per aggregare, esplorare e analizzare dati grezzi e trasformati, fungendo da base per pipeline AI integrate.

SOFTWARE AI-READY

Nel moderno data center AI, la potenza dell’hardware deve essere accompagnata da un’infrastruttura software altrettanto avanzata, capace di orchestrare carichi di lavoro complessi, gestire risorse eterogenee e garantire agilità operativa. Piattaforme come Kubernetes permettono di distribuire in modo flessibile applicazioni containerizzate di deep learning, assegnando in modo efficiente CPU, GPU e memoria ai diversi job. Scheduler ottimizzati assicurano che le GPU vengano allocate con precisione, migliorando i tempi di esecuzione. Il supporto nativo per framework come TensorFlow e PyTorch, insieme a librerie specializzate per l’accelerazione hardware, consente al software di sfruttare appieno le capacità computazionali del sistema. A completare l’ecosistema, le piattaforme MLOps introducono automazione e tracciabilità nell’intero ciclo di vita dei modelli, integrando sviluppo, distribuzione e monitoraggio continuo in un’unica pipeline operativa.

CONTINUITÀ E PROTEZIONE

L’elevata densità di calcolo dei moderni data center AI, trainata dall’impiego intensivo di GPU e acceleratori, impone infrastrutture di raffreddamento e alimentazione avanzate per garantire efficienza e continuità operativa. Tecnologie come il raffreddamento a liquido, in configurazione direct-to-chip o a immersione, stanno sostituendo l’aria forzata tradizionale, consentendo di mantenere l’hardware alla massima efficienza termica e ridurre il consumo energetico. A supporto di questa intensità computazionale, servono sistemi di alimentazione ridondanti e scalabili, dotati di UPS e generatori di backup per assicurare la resilienza operativa. In parallelo, la sicurezza rappresenta un pilastro imprescindibile: dal controllo fisico degli accessi e la sorveglianza dei locali, fino alla protezione digitale con firewall, crittografia e segmentazione di rete, ogni livello dell’infrastruttura viene messo in sicurezza. A tutto questo, si aggiungono meccanismi rigorosi di protezione dei dati, come la crittografia end-to-end e l’accesso basato sui ruoli, oltre a pratiche di sviluppo sicuro per le piattaforme software e i modelli AI, garantendo applicazioni non solo performanti, ma anche affidabili e protette.

#datacenter La sostenibilità è il nuovo KPI. Obiettivo: data center zero carbon
Click To Tweet

FLESSIBILITÀ E AUTOMAZIONE

L’evoluzione rapida dell’intelligenza artificiale richiede data center altamente flessibili e scalabili per far fronte alle nuove tecnologie, algoritmi e crescenti esigenze di calcolo e storage. Per rispondere a queste sfide, le architetture dei data center si orientano verso moduli scalabili, permettendo un’espansione incrementale in base alle necessità, e verso un’integrazione ibrida o multi-cloud che offre capacità on-demand, essenziale per gestire i picchi di carico e accedere a servizi cloud specializzati per l’AI.

L’utilizzo di strumenti come l’Infrastructure as Code (IaC) consente di automatizzare il provisioning e la gestione dell’infrastruttura, semplificando il processo e migliorando la coerenza. Un data center dedicato all’AI è progettato per ottimizzare l’elaborazione parallela, il trasferimento rapido dei dati e la gestione del ciclo di vita dei modelli, con un’attenzione particolare all’integrazione di hardware specializzato, reti ad alta velocità e storage scalabile. La flessibilità, la scalabilità e la sicurezza diventano dunque elementi imprescindibili nella progettazione e gestione di queste infrastrutture, che devono essere anche capaci di integrarsi con tecnologie esterne in un ambiente collaborativo, dove il data center non è più visto come una risorsa isolata, ma come il cuore di un’architettura ibrida che include anche “hardware as a service”. La gestione automatizzata delle risorse computazionali e l’allocazione dinamica dei carichi sono fondamentali, con le piattaforme MLOps e l’automazione tramite IaC che giocano un ruolo cruciale nel garantire efficienza nella gestione della complessità del ciclo di vita dei modelli AI e delle infrastrutture sottostanti.

ML OPERATIONS IN AZIONE

Le piattaforme MLOps stanno diventando l’asse portante delle strategie di intelligenza artificiale aziendale, perché permettono di automatizzare e standardizzare l’intero ciclo di vita del machine learning: dalla preparazione dei dati all’addestramento, fino alla messa in produzione, al monitoraggio e alla governance dei modelli. In un contesto in cui affidabilità, efficienza e scalabilità sono essenziali, queste soluzioni rappresentano il ponte tra il lavoro dei team di data science e la robustezza richiesta dagli ambienti produttivi. I grandi provider cloud –  AWS con SageMaker, Google con Vertex AI e Microsoft con Azure Machine Learning – offrono piattaforme integrate, ma cresce anche l’offerta di soluzioni indipendenti e open source, pensate per essere agnostiche rispetto all’ambiente cloud e capaci di adattarsi a data center ibridi o virtualizzati. Strumenti come Weights & Biases, MLflow (nella versione gestita da Databricks o nella sua forma open source), Comet ML e Seldon Core si specializzano in aspetti chiave come il tracciamento degli esperimenti, il controllo delle versioni, la gestione degli artefatti o il deployment su Kubernetes. La loro forza è nell’interoperabilità con stack consolidati come Git, Docker, Kubernetes e pipeline CI/CD, fondamentali per garantire coerenza e riproducibilità. Accanto a questi si affermano progetti open source modulari e potenti come Kubeflow, Metaflow, Kedro, Feast e Ray, che coprono funzioni avanzate come l’orchestrazione di workflow, la gestione delle feature, l’hyperparameter tuning o il training distribuito. L’adozione di queste tecnologie segna un passaggio fondamentale: dall’AI sperimentale a un’infrastruttura realmente produttiva, governata da strumenti che uniscono automazione, trasparenza e controllo.

INFRASTRUCTURE AS CODE

L’automazione e l’Infrastructure as Code (IaC) sono fondamentali per gestire la complessità dell’infrastruttura sottostante a un data center AI, inclusa il provisioning delle risorse di calcolo, la configurazione della rete, la gestione dello storage e il deployment delle piattaforme MLOps. Anche in questo caso, riportiamo le offerte dei tre principali provider di cloud pubblico a titolo esemplificativo: AWS CloudFormation, Azure Resource Manager e Google Cloud Deployment Manager sono tutti servizi che consentono di definire e gestire l’infrastruttura tramite codice, attraverso template YAML o JSON, garantendo coerenza, riproducibilità e automazione nel provisioning delle risorse necessarie per l’AI. Tra le altre soluzioni commerciali reperibili nella fascia degli strumenti di automazione della configurazione ricordiamo Ansible, Chef e Puppet sono strumenti ampiamente utilizzati per automatizzare la configurazione e la gestione dei server e delle applicazioni, inclusi gli ambienti necessari per l’esecuzione di carichi di lavoro AI e delle piattaforme MLOps.

Un altro approccio è legato ai container e alla loro orchestrazione, a partire dallo standard di riferimento nel campo: Kubernetes. La containerizzazione semplifica il deployment, lo scaling e la gestione delle applicazioni AI containerizzate, incluse le componenti delle piattaforme MLOps o i server di inferenza. E naturalmente tutti i fornitori di cloud offrono versioni gestite di Kubernetes. Accanto a questa offerta ci sono le soluzioni che riguardano l’automazione del networking (SDN – Software-Defined Networking) che consentono di definire e gestire la topologia di rete, le policy di sicurezza e il routing tramite software, facilitando la creazione di reti ad alte prestazioni e a bassa latenza necessarie per i carichi di lavoro AI distribuiti. Chi volesse affrontare l’automazione dell’infrastruttura in un contesto on prem o ibrido, può considerare – oltre che ai già citati Puppet, Chef, Kubernetes e Ansible, ampiamente utilizzato per automatizzare la configurazione degli ambienti AI e delle piattaforme MLOps – una piattaforma come Terraform (HashiCorp), strumento IaC open source e multi-cloud che consente di definire l’infrastruttura in un linguaggio dichiarativo (HashiCorp Configuration Language) e di gestirla su diversi provider cloud e infrastrutture on-premise. Chi utilizza il modello operativo GitOps in ambiente Kubernetes può contare su strumenti di continous delivery come Argo CD e Flux.

Sulla base di questi strumenti di automazione, si possono ipotizzare gli scenari più svariati. Un’azienda, per esempio, può utilizzare Terraform per definire l’intera infrastruttura del suo data center AI su AWS, inclusi le istanze EC2 con GPU, i cluster EKS per l’orchestrazione dei container delle piattaforme MLOps, lo storage S3 per i dati e le configurazioni di rete virtual private cloud. Ogni successiva modifica all’infrastruttura verrà gestita intervenendo sul codice Terraform che provvederà ad applicarle in modo automatizzato. Ansible viene utilizzato per configurare il software necessario sulle istanze EC2 e all’interno dei container Kubernetes. In un contesto on prem, un team di ricerca in AI può servirsi di Ansible per automatizzare la configurazione di server bare-metal nel proprio data center privato per l’addestramento distribuito di modelli deep learning. Kubernetes può essere utilizzato per orchestrare i container Dockerizzati che eseguono i job di addestramento e il serving dei modelli. Argo CD può automatizzare il deployment delle nuove versioni dei modelli e delle piattaforme MLOps sui cluster Kubernetes in base alle modifiche che vengono man mano apportate ai repository Git dove risiedono le applicazioni. In tutti i casi, la sfida resta la stessa: far dialogare automazione e AI in un’infrastruttura sempre più agile, scalabile e controllata.

GCI System Integrator, ottimizzazione energetica per l’AI

L'articolo Data center, l’infrastruttura si trasforma proviene da Data Manager Online.

Questo dossier prende spunto dalla giornata organizzata da IDC Italia sul futuro dell’infrastruttura digitale, e affronta il ruolo del data center nel contesto della piena virtualizzazione delle risorse IT. Secondo le previsioni degli analisti, le aziende dovranno rivedere le loro politiche di investimento per adattarsi alla vasta gamma di servizi disponibili che supportano il passaggio ai paradigmi del cloud che rappresenta una svolta epocale. Tuttavia, per sfruttare appieno queste opportunità, le aziende dovranno investire in infrastrutture adatte e nell’adeguamento di processi e procedure. Il ruolo dei data center sta cambiando, poiché l’approccio tradizionale basato su server fisici sta cedendo il passo alla virtualizzazione, alla conteneirizzazione e alla distribuzione delle applicazioni su più ambienti. Il futuro del data center è digitale e richiederà competenze specialistiche per la gestione e l’ottimizzazione delle infrastrutture cloud.

IL FUTURO DEL DATA CENTER

Era inevitabile che il crescente gap tra le risorse fisiche del calcolo e l’aspetto funzionale delle applicazioni associato al fenomeno della virtualizzazione portasse a ripensare un modello di erogazione legato storicamente al controllo, anzi al “possesso” dell’hardware. Oggi, è il concetto stesso di data center “proprietario” a essere messo in discussione. Non si può certo ancora pensare a una dismissione su larga scala, ma in molti casi queste infrastrutture vengono illuminate da una luce critica che avrà un inevitabile impatto sulle singole decisioni di molte imprese sia quelle più consolidate e di grandi dimensioni, impegnate ormai da anni in un processo di trasformazione del loro patrimonio informatico proprio in direzione del cloud; sia i nuovi entranti che arrivano sui mercati senza il problema di una infrastruttura legacy e con una mentalità di servizio “digital first”.

Il modo di vedere le infrastrutture fisiche è del resto molto legato alla problematica generale della migrazione dei data center legacy verso i modelli software-defined. L’originaria contrapposizione tra strategie “private” e “public” si evolve in una visione sempre più ibrida e spesso multi-provider. Visione che lascia appunto spazio a molte considerazioni sull’opportunità di mantenere il controllo (e il costo) di una porzione privata della propria infrastruttura digitale, sia nel data center vero e proprio sia nelle risorse di calcolo periferiche (edge computing) che sempre più spesso devono essere dispiegate a supporto dei luoghi di lavoro e di produzione. Naturalmente, l’idea di abbandonare definitivamente il concetto di data center di proprietà è uno scenario del tutto estremo, ma in un orizzonte di tempo molto esteso è ragionevole ipotizzare evoluzioni molto radicali del “server on premises”.

«Il futuro dell’infrastruttura ICT di un’azienda è la digital infrastructure» – afferma Sergio Patano, associate director, Consulting and Custom Solutions di IDC. Le sue basi poggiano su tre elementi fondamentali: «Il cloud come modello di delivery, le autonomous operations, che supportano le aziende a velocizzare i processi e a ridurre gli errori, e il deployment ubiquo che collega il data center aziendale all’edge e all’IoT per sfruttare al massimo dati e informazioni e creare un supporto in near-real-time al business». La digital infrastructure è quindi un tassello imprescindibile per le aziende che vogliono competere nel mondo sempre più caratterizzato dal business digitale e da nuovi modelli di organizzazione del lavoro. «Solo attraverso infrastrutture flessibili e scalabili, le organizzazioni potranno rispondere a un mercato mutevole e imprevedibile» – sottolinea l’analista.

Tra i fattori determinanti – aggiunge Patano – c’è anche l’attuale tendenza al risparmio energetico e alla sostenibilità in un’economia che – come il software – cerca di riscoprire i fondamentali vantaggi del riuso e della circolarità. «In un contesto in cui le aziende e le istituzioni ambiscono a diventare “ESG Compliant”, un ruolo fondamentale viene giocato anche dalle infrastrutture digitali che permettono di ridurre i costi operativi, aumentare l’efficienza e potenziare comunicazione e collaborazione tra dipendenti e con i clienti». L’informatica software-defined contribuisce a generare fonti di ricavo e a creare processi di business più sostenibili, migliorando la tracciabilità e la trasparenza delle attività aziendali e rispondendo alle aspettative di clienti e stakeholder. Negli ultimi anni, le aziende sono diventate estremamente sensibili alle tematiche ambientali e sociali, non solo per questioni di hype momentaneo sul mercato e di brand reputation. Nello sviluppo di una strategia di digital infrastructure, le aziende devono considerare molteplici elementi tra loro strettamente collegati. La condizione indispensabile dell’infrastruttura digitale dipende dallo stato di salute dell’infrastruttura fisica: le reti di telecomunicazione fisse e mobili. «La rete deve garantire flessibilità, sicurezza e velocità per connettere applicazioni, persone, oggetti ma soprattutto dati» – spiega Patano, sottolineando anche l’ubiquità e la qualità complessiva delle connessioni che nell’Italia produttiva, ancora molto frammentata in decine di distretti periferici, rappresentano ancora un obiettivo da raggiungere.

#SDDC Connettività di rete, automazione e dati. Le tecnologie emergenti per il #datacenter del futuro
Click To Tweet

IL DATO AL CENTRO

I dati che le reti devono trasportare sono il secondo ingrediente della ricetta della nuova informatica. «Sono l’elemento cardine di un’azienda che oltre che essere digitale ambisce ad essere anche data-driven. I dati devono essere facilmente e velocemente accessibili e l’infrastruttura deve essere disegnata in modo tale da favorire la loro fruizione, archiviazione e protezione» – continua Patano. Lo shift sempre più comune verso modelli infrastrutturali ibridi e multicloud mette le realtà di fronte al crescente aumento della complessità di gestione che deve essere affrontata migliorando governance e osservabilità al fine di ridurre i rischi, anticipando criticità ed eliminando i colli di bottiglia che possono limitare le capacità di innovazione IT e di business. Insieme al fattore osservabilità, l’altro abilitatore primario è l’automazione. Le opportunità di crescita di una cultura infrastrutturale al passo coi tempi, possono essere colte migliorando i livelli di autonomia nella gestione dell’infrastruttura. Le regole della trasformazione portano a disegnare infrastrutture che oltre a essere molto complesse, quasi invariabilmente non dipendono dal controllo esclusivo da parte delle aziende che le utilizzano.

Aspetti come il provisioning delle macchine virtuali e l’integrazione di applicazioni e servizi forniti internamente o da terze parti richiedono un approccio interdisciplinare che è incredibilmente “time consuming” e richiede una vasta gamma di competenze. «L’automazione – fa notare Patano – consente soprattutto di orientarsi verso attività a maggior valore aggiunto e a supporto del business, con figure IT sempre più focalizzate sullo sviluppo e la creazione di nuove revenue stream». L’automazione inoltre risulta essere un fondamentale acceleratore, che rende possibile la velocità di reazione di fronte agli stimoli e alle esigenze del mercato. Oggi, questo obiettivo si può raggiungere solo implementando in modo adeguato soluzioni di intelligenza artificiale e machine learning. Infine, considerando il ruolo cruciale del cloud nella digital infrastructure per sfruttare concretamente un vantaggio competitivo, diventa altrettanto cruciale garantirne la resilienza, perché anche delegando parte dei carichi di lavoro ai modelli ibridi e multicloud, nessun servizio è esente da rischi.

ON-PREM E OFF-PREM

Come si articolano questi principi nella ridefinizione del data center? L’approccio prevalente è la strategia dell’infrastruttura digitale ibrida, in cui si combinano risorse basate su cloud e locali per supportare l’infrastruttura IT di un’organizzazione. L’infrastruttura digitale ibrida offre flessibilità e scalabilità, consentendo alle aziende di adottare un approccio basato sui servizi, in cui le risorse IT vengono fornite come servizio da una varietà di fornitori, piuttosto che essere possedute e gestite internamente. Ciò significa che le aziende possono adottare un approccio pragmatico, scegliendo tra le opzioni di cloud pubblico, cloud privato e infrastruttura on-premises in base alle loro esigenze specifiche. Allo stesso tempo, è necessario considerare la sicurezza, la governance e la gestione delle risorse in un’infrastruttura digitale ibrida, poiché l’adozione di un approccio “cloud first” non significa ignorare i rischi e le sfide. Quale può essere il ruolo del data center proprietario in tale contesto? Con l’avvento di fenomeni come la co-location, l’housing e l’hosting della virtualizzazione, la stessa definizione di quella che un tempo era nota come “sala macchine” ha subito una significativa evoluzione. Diciamo che una infrastruttura fisica oggi è qualcosa di molto diverso, non deve necessariamente coincidere con un luogo fisico, ma fa comunque capo alla proprietà e alla gestione da parte di una singola organizzazione. Ciò significa che l’organizzazione ha il completo controllo sull’hardware, il software e l’infrastruttura di rete all’interno del proprio data center e delle eventuali sedi periferiche. I data center proprietari possono essere situati on-premises oppure off-premises e possono essere utilizzati per archiviare ed elaborare una vasta gamma di dati e applicazioni. Nell’infrastruttura digitale ibrida, composta da risorse di calcolo e servizi applicativi che possono far capo a un provider pubblico, attraverso il proprio data center, l’azienda può abbinare questa capacità di controllo all’opportunità di sfruttare le risorse del cloud ai fini di una maggiore scalabilità, convenienza e flessibilità. Uno dei principali vantaggi è la personalizzazione dell’infrastruttura, anche digitale, a determinate applicazioni o alla scelta di ambienti operativi, piattaforme e linguaggi di sviluppo. Un secondo e forse più importante vantaggio – considerato il diverso peso che le aziende europee forzatamente clienti di hyperscaler soprattutto americani devono dare alla compliance regolamentare – è la capacità di mantenere la sovranità dei dati, ovvero il diritto di controllare i propri dati e garantire che siano gestiti in conformità con le proprie politiche e normative vigenti.

Su questo punto, il mercato del cloud pubblico sta cercando di elaborare soluzioni adeguate, agendo sulla leva della localizzazione geografica delle risorse di calcolo fisiche. Ma la strada è ancora lunga, perché le differenze di natura giuridica e culturale sulla definizione di “dato sensibile” sono ancora evidenti. Oltre al controllo e alla sovranità dei dati, un data center proprietario può anche fornire risparmi sui costi in una strategia ibrida. Sebbene le risorse basate su cloud possano essere convenienti per alcuni carichi di lavoro, possono anche rivelarsi più costose per altri. Per esempio, in presenza di costi elevati per la connettività, l’archiviazione e l’elaborazione dei dati, un’infrastruttura locale può essere più efficiente e conveniente. Inoltre, alcune aziende potrebbero preferire un’infrastruttura locale per motivi di sicurezza o per mantenere un maggior controllo sui propri dati e sulla propria infrastruttura IT.

Sull’altro piatto della bilancia ci sono però alcuni svantaggi in termini di struttura finanziaria dei costi (CapEx versus OpEx, problema che non a caso i fornitori di hardware affrontano, modificando anche i loro modelli di vendita dell’hardware); obsolescenza dei server fisici; manutenzione; scarsa scalabilità; e sicurezza complessiva di data center che a fronte di una maggiore capacità di controllo rappresentano anche un bersaglio naturale. La vera risposta alla domanda sull’opportunità di mantenere una infrastruttura di calcolo proprietaria risiede nella sua “cloudizzazione”, che storicamente parte dalle piattaforme di virtualizzazione dell’hardware.

#SDDC La rete fisica come struttura portante dell’infrastruttura software-defined
Click To Tweet

VIRTUALIZZAZIONE DEL SERVER

Il primo passo del software-defined data center consiste nella scelta di un motore di virtualizzazione, un software in grado di orchestrare il tempo di esecuzione dei microprocessori per creare una o più macchine virtuali (VM) da una singola CPU o array di CPU, simile alle infrastrutture mainframe. Esistono diversi tipi di virtualizzazione, tra cui quella intrinseca all’architettura di alcuni processori, quella dove l’hypervisor viene installato direttamente sull’hardware (bare metal) e le tipologie più ibride che dipendono da un dialogo più o meno stretto tra hypervisor e sistema operativo ospite, e agli ambienti di emulazione (come Oracle Virtual Box) e containerizzazione (come Docker), che vengono installati sul sistema operativo e girano come una applicazione.

In generale, si distinguono la virtualizzazione di tipo-1 per gli hypervisor che costituiscono il substrato di un sistema operativo e la virtualizzazione di tipo-2 per i motori di virtualizzazione che vengono installati in ambienti operativi specifici (host OS) e sui quali si possono emulare uno o più sistemi operativi “guest”. Alcuni esempi di hypervisor open source sono KVM, la macchina virtuale basata sul kernel Linux, o Xen. KVM consente l’esecuzione di più macchine virtuali su un singolo server fisico e offre funzionalità avanzate come la migrazione in tempo reale, l’alta disponibilità e le funzionalità di rete avanzate. È piuttosto popolare tra chi desidera implementare la virtualizzazione del data center senza incorrere in costi di licenza elevati. Xen, invece, è un hypervisor utilizzato da una serie di importanti fornitori di servizi cloud pubblici, tra cui Amazon Web Services. È di tipo-1, viene installato in modalità bare metal e offre anche funzionalità avanzate di disponibilità continua e sicurezza.

Proxmox VE è un altro progetto open source visto da molti come un’alternativa a VMware ESXi nell’ambito degli hypervisor bare metal. Accanto a queste soluzioni open source, ci sono diverse offerte commerciali, tra cui Microsoft con Hyper-V e altri provider che utilizzano tecnologie proprie o mutuate dalle piattaforme open source menzionate. In un panorama oggettivamente complesso, i fattori che devono guidare la scelta di una soluzione di virtualizzazione sono essenzialmente la compatibilità con le architetture fisiche da virtualizzare, la facilità di gestione, la sicurezza, il costo della piattaforma e – last but not least – il livello di supporto che lo sviluppatore può garantire alle aziende che non possono contare su competenze interne adeguate.

CLOUD PRIVATO VS SDDC

Dopo la virtualizzazione, che può anche riguardare un singolo server, il secondo importante passo verso l’infrastruttura digitale è la tecnologia in grado di gestire un insieme di macchine virtuali, come avverrebbe in un tradizionale data center. I due concetti fondamentali di questa fase riguardano la realizzazione di un cloud privato o, più in generale, di un cosiddetto SDDC (Software-defined data center). Questi due concetti sono strettamente correlati nell’informatica del cloud computing, anche se con significati e scopi un po’ diversi. Un cloud privato è un ambiente di cloud computing dedicato a una singola organizzazione. È progettato per fornire gli stessi vantaggi di un cloud pubblico, come l’accesso on demand alle risorse, il provisioning self-service e l’elasticità, ma è costruito e gestito dall’organizzazione stessa. Un cloud privato può essere ospitato on-premises o presso un data center di terze parti, in modalità hosted o in co-location. Un SDDC, invece, è un’infrastruttura fisica virtualizzata e controllata dal software. Comprende risorse di calcolo, archiviazione e rete virtualizzate progettate per essere flessibili, scalabili e automatizzate. Il concetto chiave di un data center virtuale è che può essere gestito interamente via software, piuttosto che tramite configurazioni basate su hardware. Mentre un cloud privato può essere considerato un tipo di ambiente di cloud computing, un SDDC è un tipo specifico di infrastruttura progettata per supportare il cloud computing. In altre parole, un SDDC è un elemento costitutivo di un cloud privato o di qualsiasi altro tipo di ambiente di cloud computing. Un SDDC fornisce l’infrastruttura sottostante che consente a un’organizzazione di creare un cloud privato, mentre un cloud privato fornisce i servizi front-end che consentono agli utenti di accedere e utilizzare le risorse erogate dall’SDDC.

#SDDC soluzioni di integrazione applicativa per gestire i carichi di lavoro in ambienti ibridi
Click To Tweet

DATA CENTER VIRTUALE

La creazione di un data center definito dal software (SDDC) richiede una gamma di piattaforme e soluzioni che funzionino in maniera integrata per virtualizzare le risorse fisiche, offrire il provisioning automatizzato e consentire la gestione di queste risorse virtuali. Anche in questo caso, le imprese hanno a disposizione un’ampia scelta di possibilità, sia commerciali che open source. Per esempio, VMware vSphere è una piattaforma di virtualizzazione ampiamente utilizzata che fornisce le basi per la creazione di un SDDC. Include funzionalità come la gestione delle macchine virtuali (VM), la virtualizzazione dell’archiviazione e della rete e l’alta disponibilità. VMware offre anche una gamma di prodotti complementari, come VMware Aria Automation e Operations (il nuovo nome di vRealize Automation e vRealize Operations), che forniscono ulteriori funzionalità di automazione, gestione e monitoraggio. Ci sono poi prodotti più specifici orientati alla virtualizzazione di singoli aspetti di un data center, come la connettività o lo storage. Uno degli ambienti leader per il Software-defined networking è Cisco ACI (Application Centric Infrastructure), una piattaforma di rete definita dal software (SDN) che può fornire una base per la creazione di un SDDC.

IPERCONVERGENZA E CONTAINER

Altre soluzioni commerciali mirate alla creazione di un cloud privato sono Microsoft Azure Stack e Nutanix Enterprise Cloud. Microsoft Azure Stack è una piattaforma cloud ibrida che consente alle organizzazioni di eseguire i servizi del cloud pubblico Azure in locale, includendo funzioni come la gestione delle macchine virtuali, la virtualizzazione dell’archiviazione e della rete e i servizi applicativi. Azure Stack offre anche una gamma di prodotti complementari destinati, per esempio, alla business continuity, come Azure Site Recovery o il monitoraggio di Azure. Nutanix Enterprise Cloud è una piattaforma che si basa sull’iperconvergenza, una modalità di gestione integrata delle risorse di calcolo, archiviazione e rete che un tempo restavano separate nell’ambito dell’architettura complessiva del data center. Questo approccio ha dato vita a un mercato molto complesso che prevede anche la possibilità di investire in soluzioni hardware iperconvergenti in forma di appliance che integrano funzionalità di rete e storage in un unico nodo computazionale. Le soluzioni Nutanix appartengono alla categoria dell’iperconvergenza software-defined e raggruppano funzionalità come la gestione delle macchine virtuali, la virtualizzazione dell’archiviazione e della rete e l’alta disponibilità, oltre a add-on come l’automazione, la gestione e il monitoraggio. La creazione di un ambiente cloud privato in un data center richiede una gamma di tecnologie e soluzioni che lavorano insieme per progettare una infrastruttura virtualizzata, oltre alle capacità di provisioning automatizzato e di gestione delle risorse virtuali.

Dai grandi gruppi di sviluppo open source derivano molte delle storiche piattaforme di cloud privato. OpenStack per esempio fornisce una gamma di servizi per la “cloudizzazione” delle risorse di calcolo, rete e archiviazione, più una gamma di prodotti complementari, come OpenStack Horizon e OpenStack Heat, che forniscono ulteriori funzionalità di automazione, gestione e monitoraggio. Un altro progetto open source è CloudStack, della grande famiglia Apache. Anche CloudStack rappresenta una cassetta degli attrezzi molto completa, fino ad arrivare alle interfacce grafiche e le API per la gestione e il controllo. Forse meno conosciuta è Eucalyptus, una piattaforma di cloud computing rivolta alla creazione di cloud compatibili con il mondo AWS, il cloud pubblico di Amazon. Anche per Eucalyptus sono previste funzionalità gestionali aggiuntive. Infine, quando si parla di software defined data center non si può non citare tutto il comparto della containerizzazione e della cosiddetta application modernization: la trasformazione delle applicazioni legacy. Questo processo mira a migliorare l’efficienza, la scalabilità e la competitività sfruttando tecnologie e metodologie più moderne e aperte al business digitale.

Il mercato della modernizzazione delle applicazioni è cresciuto rapidamente in questi ultimi anni, sull’onda della richiesta di adattamento alle esigenze del Web e della mobilità. La soluzione leader in materia di containerizzazione è Docker, da abbinare alla piattaforma di orchestrazione dei container Kubernetes. Quest’ultima fornisce le basi per l’esecuzione di carichi di lavoro containerizzati nel contesto di un data center software defined. Include funzionalità come la gestione dei contenitori, il bilanciamento del carico e il ridimensionamento automatico. Ulteriori funzionalità di monitoraggio dei contenitori possono essere aggiunte con soluzioni come Kubernetes Dashboard e Kubernetes Helm.

Numerose soluzioni di modernizzazione arrivano dal versante commerciale. OpenShift di Red Hat è un competitor di Kubernetes nell’orchestrazione dei container. Cloud Transformation Advisor di IBM aiuta le organizzazioni a modernizzare le proprie applicazioni fornendo una valutazione dettagliata e raccomandazioni per la migrazione delle applicazioni Java ad ambienti cloud-native. Microsoft Azure Migrate è una suite di strumenti che aiuta le organizzazioni a valutare, migrare e ottimizzare le proprie applicazioni locali sul cloud di Microsoft, Azure.

La stessa Google offre Cloud Anthos una piattaforma applicativa ibrida e multicloud che consente alle organizzazioni di adeguare le proprie applicazioni alle nuove infrastrutture ibride, sfruttando le tecnologie di containerizzazione e orchestrazione di Google Cloud. Allo stesso filone, appartengono servizi di Web serving avanzato come AWS App Runner di Amazon, un servizio completamente gestito che semplifica la creazione, la distribuzione e la rapida scalabilità di applicazioni containerizzate. Mentre VMware Tanzu è una suite di prodotti e servizi per la creazione, l’esecuzione e la gestione di applicazioni containerizzate basate su Kubernetes. In generale, queste soluzioni possono essere utilizzate insieme o come opzioni autonome, a seconda delle esigenze dell’organizzazione e dei requisiti specifici delle loro applicazioni. È essenziale che le organizzazioni valutino attentamente le proprie opzioni e scelgano la giusta combinazione di strumenti e servizi per modernizzare con successo le proprie applicazioni, magari avvalendosi di società di system integration e consulenza competenti.

#SDDC Infrastrutture digitali, flessibili, scalabili, resilienti, sostenibili e a basso costo energetico
Click To Tweet

AUTOMAZIONE E DEVOPS

Come sottolineato da Sergio Patano, il fattore dell’automazione è uno dei criteri fondamentali per un’infrastruttura digitale e un aspetto essenziale nella piena virtualizzazione del data center e delle attività di sviluppo e rilascio delle applicazioni (DevOps). Le tecnologie e le piattaforme di automazione consentono ai team IT di ridurre gli interventi manuali e le attività più ripetitive, con conseguente aumento sia dell’efficienza sia dell’agilità dell’infrastruttura. Solo per fornire alcuni esempi di piattaforme di automazione più diffuse, Ansible è un progetto open source guidato da Red Hat, che offre un supporto su scala globale. Il sistema consente di automatizzare l’implementazione e la gestione dell’infrastruttura e si distingue per la sua immediatezza e semplicità operativa. Anche Puppet è una popolare piattaforma che, a differenza di Ansible, fornisce un approccio dichiarativo all’automazione dell’IT. Puppet consente ai designer architetturali di definire lo stato desiderato della loro infrastruttura e garantisce il raggiungimento dell’obiettivo. La scalabilità di Puppet lo rende molto popolare nelle organizzazioni di grandi dimensioni, mentre la semplicità di Ansible si presta anche alle esigenze delle medie imprese.

Vale poi la pena menzionare Chef, uno strumento di automazione che fornisce un approccio “model-driven” e un ambiente molto aperto all’uso di altri strumenti e piattaforme. Gli architetti utilizzano il codice di Ruby per definire l’infrastruttura di delivery e i moduli aggiuntivi come Chef Habitat e Chef InSpec che si occupano rispettivamente dell’automazione delle applicazioni e della sicurezza e compliance. Chef è noto per la sua flessibilità e la sua capacità di integrarsi con un’ampia gamma di strumenti e piattaforme.

Un concorrente di Chef è SaltStack, che a differenza del primo utilizza come linguaggio di riferimento Python e agisce sulla base di eventi e trigger, il che lo rende molto interessante per l’automazione di infrastrutture particolarmente complesse e dinamiche. Di automazione si occupano anche soluzioni come VMware Aria (ex vRealize Automation), orientato alla gestione automatica delle macchine virtuali, e Microsoft System Center, una suite di strumenti di gestione di server, desktop e applicazioni, nonché funzionalità di automazione per l’orchestrazione e la gestione delle configurazioni. Esistono anche prodotti più specifici come Cisco Intersight, progettata per la gestione dell’infrastruttura Cisco, e tutta una serie di soluzioni di automazione di generazione precedente, che oggi sono addirittura andati in pensione, come nel caso di HP OpenView, molto utilizzato in passato per la gestione di rete, in seguito ribattezzato BTO (Business Technology Optimizer) e oggi giunto in cosiddetta End of Life.

Oltre a queste tecnologie e provider di automazione, esistono anche numerose piattaforme di automazione basate su cloud pubblico e integrate nell’offerta degli hyper scaler. Due esempi tra tutti quelli di Amazon Web Services (AWS) CloudFormation e Google Cloud Deployment Manager. Queste piattaforme consentono di automatizzare l’implementazione e la gestione dell’infrastruttura nel cloud, utilizzando una gamma di modelli e API.

#SDDC Dai container all’AI, i vantaggi del multicloud e la gestione dei rischi
Click To Tweet

INTEGRAZIONE CONTINUA

Negli ambienti cloud ibridi, che solitamente comportano una combinazione di servizi on-premises, cloud privato e cloud pubblico, l’integrazione è un tema complesso che richiede la considerazione di diversi “stili” di integrazione. Alcuni esempi di tali stili includono la gestione delle API, l’utilizzo di soluzioni iPaaS per integrare applicazioni basate su cloud e on-premises, l’uso di piattaforme di integrazione ibrida (HIP) progettate specificamente per ambienti cloud ibridi, l’implementazione di una service mesh per gestire la comunicazione tra microservizi su più piattaforme e l’utilizzo di piattaforme di servizi serverless per gestire carichi di lavoro basati su eventi.

Inoltre, ci sono anche strumenti di integrazione e virtualizzazione dei dati che sono specificamente orientati alle esigenze delle data-driven company che utilizzano molteplici sorgenti di dati. Questi strumenti permettono di spostare, trasformare e sincronizzare i dati tra vari sistemi cloud e on-premises, e includono soluzioni come Apache NiFi, Denodo, Talend, Informatica PowerCenter e l’italiana Irion, protagonista della cover story di Data Manager di aprile 2023. In generale, l’obiettivo è quello di garantire un’integrazione uniforme e continua tra le applicazioni in esecuzione su piattaforme diverse, consentendo una gestione efficace dei diversi carichi di lavoro in un ambiente di tipo multicloud.

LA GIUSTA PERFORMANCE

Una combinazione di queste soluzioni di integrazione applicativa può aiutare a gestire efficacemente i carichi di lavoro in ambienti digitali ibridi, come parte di una strategia di controllo che include anche strumenti di monitoraggio e osservabilità, e valutazione della performance istantanea delle applicazioni. È importante implementare strumenti di monitoraggio e osservabilità (come Prometheus, Grafana o ELK Stack di Elastic) e specifici prodotti di Application performance management (APM) per monitorare le prestazioni e l’integrità delle applicazioni su diverse piattaforme.

L’APM è un componente fondamentale degli ambienti di cloud computing, poiché fornisce informazioni in tempo reale sulle prestazioni delle applicazioni eseguite su macchine virtuali ospitate nei data center dei cloud provider. Queste macchine possono essere distribuite su più server fisici e data center, rendendo difficile il monitoraggio delle prestazioni delle applicazioni utilizzando strumenti di monitoraggio tradizionali. L’APM crea una visione centralizzata delle prestazioni delle applicazioni, indipendentemente da dove sono ospitate, consentendo alle organizzazioni di identificare e risolvere i problemi prima che abbiano un impatto sugli utenti finali, sui contratti di servizio o sui limiti fissati dalle normative.

Tra i maggiori fornitori di tecnologie APM cloud, Dynatrace si distingue per il rilevamento automatico e la mappatura delle dipendenze delle applicazioni, il monitoraggio in tempo reale dell’utente finale, la visibilità a livello di codice e l’analisi automatizzata della “root cause” dei problemi di performance. La root cause analysis è un concetto fondamentale per la performance analysis e rappresenta l’unico strumento in grado di assicurare un pronto ripristino di flussi di servizi caratterizzati da significativi livelli di interdipendenza in un’infrastruttura digitale. La piattaforma APM di Dynatrace utilizza l’intelligenza artificiale e l’apprendimento automatico per fornire informazioni in tempo reale sulle prestazioni delle applicazioni, consentendo alle organizzazioni di identificare e diagnosticare rapidamente i problemi prima che abbiano un impatto sugli utenti finali.

#SDDC Integrazione e APM: strumenti essenziali per la gestione dei carichi di lavoro e le prestazioni
Click To Tweet

GUIDATI DAL SOFTWARE

Tra i competitor di Dynatrace, azienda leader nelle tecnologie APM cloud, ci sono AppDynamics (una società di proprietà di Cisco), New Relic, Datadog e altre, che insieme contribuiscono a creare un mercato dinamico di strumenti sempre più importanti anche ai fini della cybersecurity. Oltre alle piattaforme legate a singole aziende, gli hyperscaler mettono a disposizione degli amministratori di sistema strumenti per sorvegliare la corretta esecuzione dei servizi implementati sui rispettivi ambienti cloud. Per esempio, Amazon CloudWatch è un servizio di monitoraggio facilmente integrabile con altri servizi AWS, come AWS Lambda e Amazon EC2 Container Service. Microsoft Azure Monitor fornisce un cruscotto in tempo reale sulle prestazioni delle applicazioni in esecuzione su Azure e sui microservizi di Function, mentre nella Google Cloud Platform l’equivalente è Google Stackdriver. Il nuovo approccio alla gestione dei servizi IT, basato sulla virtualizzazione e sul cloud, sta portando alla trasformazione anche del ruolo dei responsabili IT. La vera sfida sia per le grandi che per le piccole aziende, è quella di adottare una nuova cultura imprenditoriale definita dal software. Ciò richiede la capacità di comprendere e utilizzare in modo efficace le tecnologie disponibili, non solo per garantire il corretto funzionamento dei servizi IT, ma anche per sfruttare al meglio le opportunità offerte dal mondo digitale.

Maticmind – Data center sostenibili, il consolidamento è la chiave

Rosenberger OSI – Trasferire con successo un datacenter

Smeup – Il motore dell’economia digitale

L'articolo Software-defined data center. Il futuro fluido dell’on-prem proviene da Data Manager Online.

La distanza temporale non è poi così marcata, ma parecchia strada tecnologica è stata percorsa dagli anni in cui il termine data center veniva utilizzato per definire soprattutto le infrastrutture di proprietà delle grandi organizzazioni. Poi, gradualmente, spesso e volentieri partendo dalle aziende di dimensioni più piccole e dalle startup digitali, si sono imposti i modelli di offerta dei servizi di hosting e housing, che a loro volta hanno ceduto il passo al cloud pubblico. Oggi, parlare di data center non è più la stessa cosa. Tutto il mondo delle “server rooms” – dal singolo rack al centro attrezzato – ha subìto l’impatto dell’as a Service. I grandi data center di proprietà sono sempre più appannaggio delle imprese che possono permettersi una progettualità complessa e costosa, e per i workload che devono rispondere a vincoli molto stringenti di compliance, potenza e resilienza. Tra l’altro, anche la costruzione di un data center di proprietà oggi può essere delegata a service provider capaci di gestire strutture prefabbricate e modulari, con notevoli risparmi in termini di tempo e risorse.

In funzione del tipo di workload e delle necessità applicative, la scelta è estremamente diversificata, tra infrastrutture on-prem, data center di proprietà, cloud privati ma realizzati in spazi di colocation, data center e cloud pubblici che offrono evolute soluzioni di housing di applicazioni e servizi che vanno fino al provisioning completamente virtualizzato di macchine, storage, connettività. È un mondo complesso, ma dai potenziali estremamente elevati, considerando che per quanto il fenomeno dei workload fatti migrare su cloud privati, pubblici o in ottica ibrida è in forte crescita, al momento la percentuale di applicazioni, legacy o di nuova generazione, ancora basate su infrastrutture on-prem o in data center privati, è ancora notevole e le prospettive per chi offre soluzioni virtualizzate sono rosee.

#datacenter L’evoluzione verso infrastrutture hyperscale, edge computing, green, automazione e 5G
Click To Tweet

Nel 2020, tra le tendenze rilevate nel periodico report Global Data Center Survey (studio focalizzato sugli aspetti dell’efficienza e della affidabilità di queste infrastrutture), l’Uptime Institute americano evidenziava la stabilità dei data center aziendali. La migrazione dei carichi di lavoro verso il cloud pubblico c’è, ma avviene molto gradualmente. Le previsioni sono che nel 2022 la metà dei workload informatici resterà ancora confinato ai data center on-premises, mentre le necessità di soluzioni di edge computing registreranno una moderata crescita, secondo i CIO intervistati da Uptime Institute. Questa permanenza avrà tra l’altro una ricaduta sulla disponibilità di tecnici competenti: le aziende fanno sempre più fatica a trovare sul mercato del lavoro le competenze necessarie per il governo delle infrastrutture interne. E se l’automazione e l’intelligenza artificiale agiranno sicuramente in direzione di una significativa semplificazione, l’affermazione di queste tecnologie è ancora molto parziale.

In più, in questo scenario favorevole è esploso il fenomeno Covid e gli investimenti hanno subito una battuta d’arresto. Prima della pandemia, le cifre erano alquanto ottimistiche. Research and Markets, per esempio, valutava (lo scorso agosto) che il mercato globale dei data center per servizi di colocation avesse superato la soglia dei 31 miliardi di dollari nel 2019. Un volume d’affari che nel 2025 dovrebbe superare i 58 miliardi di dollari, con una crescita aggregata di oltre il 10% annuo nel periodo 2020-2025. Tutto questo anche in conseguenza di un aumento annuo del 35% dei dati generati. Gartner nell’ottobre del 2020 è tra i primi a cercare di misurare l’impatto del Covid su un mercato globale delle infrastrutture di data center che nel 2019 aveva raggiunto i 210 miliardi di dollari. Secondo le stime di Gartner, la spesa per data center avrebbe subito un rallentamento del 10,3% ne 2020, per un valore complessivo di 188 miliardi di dollari, ma dovrebbe recuperare sei punti percentuali per ritornare nel 2021 a quota 200 miliardi. Gartner valuta che almeno il 60% dei progetti che le aziende avrebbero portato avanti nel 2020 ha subito ritardi e nuove calendarizzazioni. La progettualità tuttavia non si ferma, anche in considerazione delle nuove modalità digitali che si sono affermate negli ultimi 15 mesi di sostanziale lockdown e la ripresa anno su anno dovrebbe essere importante da qui al 2024. Con l’aiuto degli esperti di IDC Italia, cerchiamo però di entrare nel dettaglio dei cinque maggiori trend tecnologici e di mercato evidenziati nel settore dei data center, con un occhio particolare alle dinamiche del mercato italiano. Questi cinque trend riguardano le infrastrutture hyperscale; il fenomeno dell’edge computing a supporto delle esigenze computazionali locali (legate soprattutto all’Industry 4.0); il green data center; l’automazione; e la mobilità 5G, un altro importante fattore di spinta.

#datacenter Risorse e servizi a consumo in crescita come alternativa alle infrastrutture IT interne
Click To Tweet

HYPERSCALE

L’uscita dalla pandemia accelera i processi di trasformazione digitale dei processi e il traffico IP sale di conseguenza: 20.6 ZB a fine 2021, 7 ZB in più rispetto a 5 anni fa, secondo le valutazioni Cisco. La domanda di infrastrutture hyperscale è particolarmente forte in Europa, sostenuta dagli investimenti in cloud pubblico da parte dei principali operatori. I settori di investimento più caldi per quanto riguarda l’utenza finale sono la sanità e la logistica/supply chain. Secondo Daniela Rao, senior research and consulting director di IDC Italy, sul piano quantitativo il numero di data center nel mondo – attualmente valutato in circa 7,5 milioni di unità – tenderà a diminuire (con un tasso annuo aggregato del -2% tra 2019 e 2024). Su questo indice negativo pesa la contrazione del numero dei data center interni, compensata solo in parte dall’aumento del numero dei centri costruiti dai service provider. «Nel 2020 e 2021 la costruzione di nuovi data center è rallentata dall’emergenza Covid e da un contesto economico difficile che implica riduzioni dell’impegno di capitale» – spiega Daniela Rao.

«Nei prossimi tre anni la capacità totale del data center in termini di spazio grezzo (metri quadrati) rimarrà stabile, ma la capacità in termini di potenza disponibile (e quindi la capacità di supportare aumenti di potenza in termini di core e byte distribuiti) aumenterà a un ritmo abbastanza costante dell’8-10% ogni anno». Un importante elemento positivo nel biennio 2021-2022 sarà la costruzione e la modernizzazione dei punti di presenza (POP) dei fornitori di servizi di data center a livello locale (per esempio in Italia). Questi punti – secondo Daniela Rao – inizieranno a essere convertiti alle esigenze del multi-access edge compute (MEC). «Dal 2023, in poi sempre più aziende faranno affidamento sui service provider esterni, abilitando così i data center interni ad accedere a risorse e servizi esterni “a consumo” come concreta alternativa all’ampliamento delle infrastrutture IT interne». La maggior parte delle imprese – continua Daniela Rao – si sta rendendo conto che le proprie soluzioni on-prem non saranno mai in grado di eguagliare l’innovazione offerta dai principali provider di cloud pubblico. Le offerte di servizi di cloud privato per applicazioni hyperscale sono sempre più viste come un ottimo modo per sfruttare le innovazioni nel cloud pubblico direttamente attraverso le infrastrutture on-prem. «Le soluzioni dei cosiddetti “Hyperscaler” offrono un nuovo paradigma e il meglio di entrambi i mondi: un’esperienza di cloud pubblico con vantaggi del cloud privato, eliminando gli investimenti CapEx, riducendo drasticamente le operations, separando le applicazioni dall’infrastruttura sottostante e fornendo un percorso agile verso l’hybrid multicloud» – spiega Daniela Rao. Con un’architettura nativa per il cloud, le aziende possono godere di una portabilità senza interruzioni, un ciclo di sviluppo accelerato e una gestione del cloud semplificata attraverso un piano di controllo condiviso.

#datacenter Sanità, logistica e supply chain. Cresce la domanda di infrastrutture hyperscale @IDCItaly
Click To Tweet

EDGE COMPUTING

L’intero comparto del computing “periferico” è un altro fattore che guida le dinamiche evolutive attuali, specie a fronte della crescente adozione di tecnologie smart nelle fabbriche come negli edifici residenziali. Secondo Statista, la business platform che fornisce dati di mercato e di consumo, l’IoT nell’home market rappresenta un valore globale di 53 miliardi di dollari nel 2021. La spesa delle aziende italiane per soluzioni di edge computing crescerà dagli attuali 1.100 a 1.700 milioni di euro tra il 2020 e il 2023, con un tasso annuo del 15%. «Delocalizzare le capacità di elaborazione dei dati ai margini della rete in funzione della proliferazione di device, individui e sensori sul territorio – avverte Daniela Rao di IDC Italy – rappresenta una scelta che diventa inevitabile, per sfruttare al meglio, riducendo in misura rilevante i tempi di latenza, le informazioni provenienti dalle sedi periferiche. Ma anche per compiere un importante passo in avanti nel ridisegno dei processi e nell’ottimizzazione dei processi». Tuttavia, occorre porre un’attenzione tutta particolare perché quando parliamo di edge computing, non dobbiamo pensare a un prodotto “plug-in”, ma una soluzione tecnologica che a seconda delle funzioni, del tipo di dati e delle informazioni che deve raccogliere ed elaborare, e della sua localizzazione, può assumere forme e dimensioni diverse. Comportando ovviamente percorsi di integrazione molto diversi e talvolta complessi. «L’implementazione di soluzioni edge è destinata a modificare l’architettura IT di molte imprese con sedi e asset distribuiti sul territorio» – continua Daniela Rao. «Edge, cloud e data center formeranno un continuum basato sulla convergenza di infrastrutture eterogenee che si estendono dal cloud ai dispositivi mobili – inclusi sensori, gateway, stazioni di rete mobile, data center centrali e cloud privati – su cui sarà possibile costruire e distribuire nuove applicazioni time-sensitive».

In Italia lo sviluppo dei casi d’uso IoT avverrà gradualmente e, a seconda dei contesti, dovrà affrontare complessità correlata alla catena del valore e alle partnership, agli aspetti normativi e al ritorno degli investimenti da parte degli operatori economici che intendono commercializzare i servizi sul mercato end-user. «Il mercato italiano dell’IoT dovrebbe crescere a un tasso annuo del 12% nel periodo 2020-2023, un ritmo del resto in linea con le medie europee. In valore, dovremmo passare dagli attuali 23 miliardi di euro a oltre 30 miliardi». In questo periodo, i progetti IoT sviluppati in Italia saranno soprattutto indirizzati a tenere sotto controllo i parametri ambientali e a proteggere e gestire le infrastrutture pubbliche distribuite sul territorio, mentre le preoccupazioni per la stabilità della tecnologia, la complessità dei cambiamenti nei processi aziendali e le perplessità sui reali ritorni sugli investimenti, continueranno ad agire da freno sulla progettualità IoT delle nostre imprese.

#datacenter Cresce la potenza disponibile al ritmo costante dell’8-10% ogni anno @IDCItaly
Click To Tweet

GREEN DATA CENTER

I temi della sostenibilità ambientale continuano a guidare i piani di riduzione dell’impatto ambientale e dei consumi di elettricità all’interno delle nostre “fabbriche dei dati”, con un aumento di iniziative collaterali, come il riuso dell’acqua di raffreddamento. Entro il 2025 – sostiene Sergio Patano, associate director Research & Consulting di IDC Italy – il 90% delle imprese Global 2000 imporrà l’uso di materiali riutilizzabili nella supply chain dell’hardware, con l’obiettivo di raggiungere la carbon neutrality delle strutture IT e un minor consumo di energia come prerequisiti dell’operatività del business. «I grandi servizi tecnologici e i fornitori di data center stanno definendo una visione e intendono sviluppare un intero ecosistema in grado di guidare un cambiamento fondamentale nel modo in cui la tecnologia influisce sull’ambiente» – afferma Patano.

Dimostrare progressi sugli obiettivi di sostenibilità ambientale è diventato un elemento sempre più importante non solo per migliorare la brand reputation ma anche per attrarre investitori e talenti. «Poiché l’IT si assume una responsabilità crescente nel guidare un cambiamento positivo all’interno della propria azienda, sarà ancora più importante garantire che fornitori e partner infrastrutturali condividano obiettivi simili e contribuiscano ad accelerare questo progresso». I fornitori IT infrastrutturali e di data center che incorporano i principi dell’economia circolare e che hanno investito in fonti di energia più pulite e tecnologie altamente efficienti, sono nelle condizioni di guadagnare importanti quote di mercato perché potranno operare in un ambito precluso alle realtà meno virtuose. «In altre parole – conclude Patano – il passaggio all’approvvigionamento IT in modalità as a Service grazie a servizi erogati da fornitori in grado di massimizzare l’utilizzo delle risorse e riciclare in modo responsabile, diventerà un requisito fondamentale per gli investimenti futuri». La ricerca di modi per migliorare l’utilizzo delle risorse porterà inoltre a rivolgersi a partner che a loro volta saranno sottoposti a controlli sempre più rigorosi, un po’ come avviene nel settore dell’agricoltura biologica. Chi offre servizi cloud e di data center sarà chiamato a certificare la sostenibilità ambientale della sua offerta e di non esercitare un “ecologismo di facciata”, il cosiddetto greenwashing. In questo contesto, la trasparenza sarà il pilastro su cui costruire partnership di fiducia.

#datacenter Verso l’implementazione di un’automazione più agile
Click To Tweet

AUTOMAZIONE E INTELLIGENZA

Anche questo aspetto è stato accelerato dalla necessità di ridurre il più possibile il personale in presenza, anche per le considerazioni sulla penuria di figure tecniche formate. Le stesse esigenze in materia di edge computing, fanno aumentare il trend verso la remotizzazione delle operazioni di manutenzione e intervento. Anche la complessità e l’efficienza sono un tema in un sotto-trend che vede in prospettiva un ruolo di maggior spicco delle tecnologie dell’intelligenza artificiale in affiancamento al personale incaricato della gestione e del pronto intervento sulle infrastrutture.

Secondo Patano di IDC Italy, le aziende sono entrate – o in molti casi stanno entrando – in un contesto completamente differente rispetto a quello che ha governato la gestione dell’IT nelle decadi precedenti. «Il continuum di applicazioni e dati – che si estende in tempo reale dal core fino all’edge e all’IoT, coinvolgendo dispositivi mobili e altro combinato con dati storici, sistemi aziendali e informazioni globali -“percepisce” e determina un ambiente computazionale continuamente aggiornato e lo inserisce in nuovi contesti». L’intelligenza artificiale e l’apprendimento automatico elaborano e diffondono intelligenza per trasformare i dati in azione e l’azione in valore. In questo contesto, l’automazione assurge a un elemento imprescindibile per la gestione e la manutenzione infrastrutturale, in quanto si estende letteralmente oltre le operazioni autonome, il processo decisionale resiliente e l’ottimizzazione. La generazione di informazioni utilizzabili è sempre più dinamica e complessa. Ma con l’aumentare dell’automazione, aumentano anche i problemi etici e le opportunità di un loro uso improprio, con invasioni della privacy e altri tipi di conseguenze. «La competitività sarà determinata anche dalla governance etica dei dati e dell’intelligenza artificiale, in altre parole, da come i dati vengono trasformati in informazioni per creare elementi di differenziazione ad alto valore aggiunto per prodotti, clienti e mercati di riferimento».

Nel 2022, il 75% delle aziende svilupperà un sistema di gestione unificato per cloud, reti e data center di proprietà, con il primo obiettivo di contrastare le minacce alla resilienza aziendale che derivano dai costi dell’infrastruttura e dalla complessità operativa. «L’adozione di workload cloud-native, microservizi e infrastrutture basate su container – sottolinea Patano – genera un flusso quasi costante di aggiornamenti di applicazioni e di infrastrutture. Il consumo di risorse è diventato sempre meno prevedibile e i costi sono difficili da ottimizzare. Allo stesso tempo, i team IT faticano ad aggiornare i livelli di competenza e i processi per garantire sicurezza e conformità in questo panorama dinamico».

Inevitabilmente, per far fronte a questi rapidi cambiamenti, le squadre addette alla gestione dell’infrastruttura aziendale spostano la loro attenzione da strumenti, modelli, CMDB (configuration management database) e governance basati su workload specifici, verso l’implementazione di un’automazione più agile, programmabile e basata su soglie ed eventi, uno strato di automazione che potrà essere applicato in modo coerente a una molteplicità di cloud, data center e interconnessioni. Questo è reso possibile dalla disponibilità diffusa di strumenti di “osservabilità” basati su intelligenza artificiale e machine learning, analisi e policy operative a loro volta software-defined.

#datacenter Portabilità continua, sviluppo accelerato, gestione cloud semplificata e controllo condiviso
Click To Tweet

RETI MOBILI 5G

Un quinto fattore di spinta, soprattutto a livello Edge, a supporto di tanti progetti basati su sensoristica wireless e comunicazioni machine-to-machine. Come spiega Daniela Rao di IDC Italy, il 5G, che consente una densità molto maggiore di connessioni, maggiore larghezza di banda e minore latenza, sarà determinante per la nascita e lo sviluppo di molti casi d’uso IoT. Tuttavia, si deve segnalare che le connessioni 5G nel 2021 rappresentano solo il 3% degli oltre 105 milioni di SIM Human e M2M attive. «Non esiste però soltanto la tecnologia 5G per venire incontro alle esigenze di connessione tra macchine» – ricorda Daniela Rao. «Standard come LPWAN (Low Power Wide Area Network) e tecnologie di rete mobile NB-IoT e LTE-M, si sono affermati già da qualche anno per la trasmissione di flussi ridotti di traffico di oggetti connessi distribuiti su aree estese, tipici in molti esempi di applicazioni IoT, come la lettura dei contatori e il rilevamento della posizione di veicoli».

Nel 2020, Wi-Fi e linee di rete fissa sono stati utilizzati in oltre il 40% dei progetti IoT, seguite dalle reti satellitari e mobili utilizzate in circa il 30% dei casi. «Ed è probabile che tutte queste tecnologie continueranno a convivere per supportare la maggior parte dei progetti IoT nei prossimi 3 o 4 anni» –prosegue Daniela Rao. «Nei prossimi anni, gli aggiornamenti LPWA, 4G e Wi-Fi 6 potranno affiancare la crescita di molti casi d’uso IoT, mentre le implementazioni che richiedono centinaia di migliaia di dispositivi in movimento e connessi su un unico sito cellulare, rientrano nei casi più futuribili e strettamente legati all’estensione della rete 5G». In futuro – riconosce Daniela Rao – «diverse applicazioni dipenderanno fortemente dalle funzionalità 5G, mentre altri casi continueranno a funzionare senza 5G, e altri ancora potranno richiedere la presenza di più tecnologie di rete fissa e mobile integrate». La coesistenza di reti fisse e mobili in grado di agire in continuità sarà anzi una caratteristica di campi di applicazioni interni ed esterni alle imprese, in uno scenario dove alla maggiore astrazione delle risorse fisiche di rete corrisponderà una crescente “materializzazione” di Internet, in termini di offerta di servizi integrati con gli oggetti fisici. «Pensiamo per esempio a sistemi computazionali sul bordo delle carreggiate e a bordo dei veicoli, ai sensori, ai dispositivi della realtà aumentata e agli apparati che abilitano i sistemi di produzione dell’Industria 4.0».

Dal 2020, anche a seguito dell’emergenza sanitaria, per gli operatori di telecomunicazioni è diventato ancora più evidente che per tornare a crescere l’automazione e la virtualizzazione della rete giocano un ruolo essenziale, non solo per fornire connettività alla popolazione, ma soprattutto per sperimentare nuovi modelli di business che non siano puramente basati sul trasporto dei dati. Le telco insomma diventeranno probabilmente grandi aggregatori di servizi IoT. «Cloud, mobile edge computing e 5G sono le priorità degli investimenti tecnologici degli operatori europei nei prossimi tre anni» – afferma Daniela Rao. «L’evoluzione della rete con un’architettura telco-cloud, incominciata con l’applicazione dei principi NFV e SDN, proseguirà con l’integrazione di tecnologie di machine learning e intelligenza artificiale, per creare una rete di nuova generazione che auto-risolve i problemi e risponde in modo proattivo alle minacce alla sicurezza». Come già accennato, soluzioni MEC (multi access edge computing) saranno implementate nei principali punti di presenza territoriali con l’obiettivo di fornire nuovi servizi con tempi di latenza sempre più contenuti e delocalizzare le capacità di elaborazione dei dati senza sovraccaricare il core delle infrastrutture. L’approfondimento su cinque tematiche di particolare spicco nel dominio delle infrastrutture per data center non esaurisce i motivi ispiratori di questo dossier. Forse, il tema più importante e complesso riguarda la crescente dipendenza del settore produttivo e dell’industria dello svago da infrastrutture che man mano sfuggono al controllo diretto delle organizzazioni che sviluppano ed erogano i servizi. In questo senso, i report pubblicati, anno dopo anno, da Uptime Institute, insistono in particolare sul monitoraggio degli episodi di “outage”, di interruzione di servizio. In un sistema sempre più virtualizzato e condiviso, le conseguenze delle interruzioni di servizio possono essere devastanti. Come ha dimostrato, nel marzo scorso, l’incendio che ha distrutto uno dei data center (l’SBG2) e parzialmente danneggiato un secondo centro della “quadrupla” facility gestita dall’operatore francese OVH, uno dei servizi di hosting avanzato più importanti in Europa, nel suo campus di Strasburgo.

#datacenter Carbon neutrality delle strutture IT e minor consumo di energia come prerequisiti dell’operatività
Click To Tweet

L’incendio, forse originato da due gruppi UPS, ha creato scompiglio facendo scomparire da Internet le pagine Web e le applicazioni di migliaia e migliaia di aziende. Octave Klaba, l’imprenditore franco-polacco che ha fondato e guida OVH, si è speso pubblicamente per informare i suoi clienti sulla natura dell’incidente e sulle manovre di ripristino dei servizi. In due settimane (l’incendio si era verificato il 10 marzo 2021), la squadra di pronto intervento di OVH era riuscita a ripristinare il grosso delle attività utilizzando i server dei tre data center rimasti operativi e dislocando il resto nelle altre infrastrutture dell’operatore. In questo periodo, la fabbrica che assembla materialmente i server fisici utilizzati nei centri ha costruito qualcosa come 15mila nuovi server. Klaba ha costituito un gruppo di lavoro incaricato di analizzare le cause del disastro con il dichiarato obiettivo di evitare che certe eventualità possano ripetersi in futuro. È chiaro però che questo sforzo non deve essere responsabilità di una singola azienda, anche se il comportamento di Klaba e di OVH nei giorni successivi costituisce senza dubbio una lezione valida per tutti sul modo di gestire un disastro di questo tipo sui tre piani della prevenzione, degli interventi nell’emergenza e del recupero del danno alla reputazione. L’incendio di Strasburgo deve portare a un ripensamento delle misure di controllo e sicurezza fisica all’interno dei data center, ma anche della contrattualistica, delle responsabilità di natura legale, delle eventuali forme di compensazione dei clienti che subiscono disservizi così importanti. È un discorso che si lega al tema della governance così come è stato discusso alla tavola rotonda organizzata da Data Manager sul cloud computing, il cui resoconto è disponibile in questo stesso numero. L’evoluzione che il settore dei data center ha subito in questi anni non è solo questione di come ri-allocare i nostri workload.

L'articolo Impatto as a Service. Dove va il data center proviene da Data Manager Online.

In questo White Paper gratuito un’analisi dettagliata

Scarica gratuitamente Il White Paper compilando il form

E’ richiesto un indirizzo email valido aziendale (al quale riceverai il documento)

Per visualizzare la modalità di trattamento dei tuoi dati in relazione al download dei documenti clicca qui

L'articolo White Paper – I data center ibridi distribuiti richiedono più capacità NGFW proviene da Data Manager Online.

“Oggi i bisogni delle imprese – afferma Jérôme Totel, Vice President di Product Management & Strategy di DATA4 – sono cambiati radicalmente. La necessità principale non è più connettere l’azienda al Data Center, ma collegare il Data Center dell’azienda al Cliente nel modo più efficiente e performante possibile.”

In quest’ottica si colloca l’ulteriore iniezione da parte del Gruppo di 150 milioni di euro nell’ampliamento del Campus di Milano per costruire nei prossimi cinque anni altri sei datacenter e diventare un vero e proprio gateway digitale fra il Bacino del Mediterraneo e l’Europa.

Dalla fondazione ad oggi il Campus Digitale ha rafforzato il suo ruolo chiave di IPER-POP carrier-neutral nel nord Italia, portando anche il vicino MIX di via Caldera, il principale Internet Exchange Point pubblico italiano, a spostare molte operazioni nella moderna struttura di Cornaredo.

“La partnership che si è sviluppata con DATA4 – evidenzia Valeria Rossi, General Manager del MiX – ci ha consentito di rispondere alle esigenze di ISP, operatori di telecomunicazione, cloud provider, content publisher, riuscendo a fornire servizi di colocation e interconnessione di sempre maggiore qualità. In questo modo siamo riusciti ad offrire nuove opportunità ai nostri clienti comuni.”

Oltre al MIX, DATA4 ospita nel Campus un’altra organizzazione che gestisce un Internet Exchange (IX) per lo scambio del traffico Internet nell’area del Nord Ovest, il ToP-IX (TOrino Piemonte Internet eXchange), in modo da rispondere alle sempre maggiori richieste dei consorziati di ampliare le proprie opportunità interconnessione e di business.

“Siamo molto felici delle nuove opportunità di business che si aprono per i membri del consorzio TOP-IX con la presenza di un nostro PoP nel Campus Data4 – evidenzia Andrea Casalegno, Direttore Tecnico di TOP-IX – Questa collaborazione certifica inoltre l’importante ruolo di Torino, come crocevia delle infrastrutture Internet per l’Italia, e auspichiamo che con un intensificarsi della collaborazione con Data4 questo ruolo possa essere ulteriormente consolidato”.

A confermare la rilevanza di DATA4 nell’ecosistema digitale è una referenza super-partes di valore come il ‘Peering DB’, la piattaforma internazionale di interconnessioni che mostra il ruolo centrale del Campus di Cornaredo nella mappa globale dei nodi di scambio fra gli attori Cloud carrier e Telco.

DATA4 rappresenta un nodo cruciale di connettività dove sono presenti alcuni dei più importanti operatori Telco e service provider di diversa provenienza e dimensione. Fra questi, realtà nazionali come Retelit, ma anche carrier internazionli come Colt, GTT, Telia, Telecom Sparkle, euNetworks, Verizon, Zayo e Cogent che hanno esteso la loro capillarità con punti di presenza (POP) all’interno del Campus.

“Da anni siamo impegnati con DATA4 nella realizzazione di progetti che integrano network e colocation – dichiara Diego Teot, International Sales Director di Retelit – il lavoro di squadra è stato fondamentale per riuscire ad affrontare le sfide di un mercato, quello delle telecomunicazioni, in continua evoluzione, senza mai farci perdere di vista le necessità dei nostri clienti, aziende e Carrier, di avere infrastrutture sicure e performanti”.

Sulla stessa linea di Retelit si posiziona Telia Carrier che sottolinea l’importanza strategica di essere presente all’interno del Campus. “Abbiamo scelto di installare – afferma Davide Binaghi Managing Director di Telia Carrier Italia – un POP nel sito di Milano per una serie di motivi diversi che vanno dall’ampio portfolio di servizi data center all’elevata sicurezza, fino ad arrivare a una posizione geograficamente vantaggiosa. Il fatto, poi, che sia possibile da DATA4 collegare 35 Paesi con le nostre dorsali senza passare da Caldera e con bassisimi tempi di latenza rende ancora più interessanti le offerte che si possono proporre ad aziende e operatori di telecomunicazione.”

Anche il riscontro di Telecom Italia Sparkle, l’operatore con la rete IP fra le prime 10 nel mondo che di recente ha fatto il suo ingresso in DATA4, si attesta su toni positivi. “DATA4 è stata per noi – afferma Valentina Cinelli, Key Account Manager di Sparkle – una scelta nell’ambito di un piano di rilancio del gruppo che ha previsto l’apertura di nuovi POP sul territorio italiano e internazionale. In particolare, ci siamo espansi in Italia anche grazie a DATA4 che ci ha dato le garanzie di affidabilità e qualità di cui la nostra rete aveva bisogno. In più, ci sono state richieste specifiche di nostri clienti per la fornitura di servizi in questo sito.”

Oggi DATA4 si configura quindi come uno dei più dinamici punti di riferimento in Italia del mercato Outsourcing, in grado di rispondere alle esigenze di tutte quelle realtà (dagli hyperscaler ai fornitori di servizi digitali, dalle imprese medio-grandi alle start-up innovative), che sono accomunate dall’esigenza di accelerare la loro trasformazione digitale facilitando ad esempio l’implementazione dell’HYBRID IT e delle multi cloud platform oltre che interconnettersi con i network nazionali e internazionali più performanti.

“L’attuale percorso di evoluzione di DATA4 Italia – entra nel dettaglio Totel – è da leggersi infatti alla luce del dilagare dell’inevitabile trend dell’Hybrid Cloud che sta portando le aziende, da un lato a precipitarsi verso il cloud pubblico per rendersi conto poi della maggiore utilità di una connessione diretta e privata fra il Private e il Public Cloud, dall’altro ad utilizzare il Public Cloud come estensione del datacenter.”

“L’espansione del Campus di Milano – conclude Olivier Micheli, presidente del gruppo DATA4 – insieme alla apertura del nuovo Data Center nelle vicinanze di Madrid sono solo l’inizio di un progetto più ampio e strutturato di internazionalizzazione che prevede la nascita di altri 19 datacenter nei prossimi cinque anni, 7 dei quali sono già in costruzione. Con questa solida base puntiamo a diventare l’operatore di Data Center leader in Europa.”

L'articolo DATA4 punta sull’iperconnettività per conquistare il mercato europeo dei data center proviene da Data Manager Online.

Questo performante software garantisce importanti risparmi sui costi e sui consumi energetici combinandoli con il miglioramento delle performance e della continuità operativa dei data center.

Fujitsu Software Infrastructure Manager V2.3 (ISM), un software di gestione convergente per l’amministrazione dei data center, semplifica il deployment, il funzionamento e la manutenzione delle infrastrutture di data center compresi gli apparati di impianto come rack e unità di distribuzione dell’alimentazione. Attraverso una visione globale dell’ambiente, Fujitsu ISM fornisce sostanziali vantaggi rispetto all’impiego di soluzioni software separate per switch, server e storage.

Scegliere Fujitsu ISM significa aiutare le aziende ad accelerare la transizione verso i data center di tipo software-defined e poter automatizzare il deployment di infrastrutture agili e flessibili per gestire workload in rapida crescita. Tutto questo aiuta ad assicurare l’erogazione razionalizzata dei servizi IT tramite la distribuzione dei workload e dei flussi di dati migliorando la continuità operativa complessiva dei data center.

ISM dispone di un pannello di controllo intuitivo che fornisce visibilità in tempo quasi reale sull’ambiente del data center garantendo la comprensione immediata del funzionamento e la gestione unificata del firmware per tutti i dispositivi. Il pannello di controllo consente di monitorare da vicino lo stato e le prestazioni dei sistemi IT per assicurare il rispetto dei parametri SLA (Service Level Agreement). I nuovi dispositivi vengono rilevati automaticamente semplificando ulteriormente le attività della gestione quotidiana e offrendo una protezione contro i dispositivi aggiunti alle reti aziendali illegalmente o senza autorizzazione.

L'articolo Fujitsu trasforma la gestione del data center con un software per la gestione convergente delle infrastrutture proviene da Data Manager Online.

Dell EMC ha presentato Dell EMC PowerEdge MX, una nuovissima infrastruttura modulare ad alte prestazioni studiata per supportare una vasta gamma di workload tradizionali ed emergenti all’interno dei data center. PowerEdge MX mette a disposizione la prima architettura modulare progettata per adattarsi facilmente alle tecnologie del futuro e alla disaggregazione dei server.

Grazie alla sua particolare infrastruttura cinetica, i clienti possono liberarsi dai vincoli dei silos tecnologici e dall’onerosa gestione operativa di routine assegnando dinamicamente le risorse IT in maniera ottimale alle diverse applicazioni ed esigenze del business.

“Per quanto le tecnologie emergenti come l’intelligenza artificiale, l’IoT, lo storage e il networking software-defined offrano vantaggi competitivi, i loro workload possono essere difficili da prevedere e presentano nuove sfide per i dipartimenti IT”, ha dichiarato Ashley Gorakhpurwalla, presidente e general manager di Dell EMC Server and Infrastructure Systems. “PowerEdge MX rende possibile un approccio modulare per costruire e combinare flessibilmente risorse storage, di calcolo e di networking perché le aziende possano trasformare il loro IT in modo da ottimizzare le risorse offrendo la protezione dell’investimento in vista delle future generazioni di innovazioni tecnologiche”.

Il portafoglio Dell EMC PowerEdge MX

L’ecosistema PowerEdge MX comprende uno chassis di nuova progettazione e blocchi di risorse server e storage attentamente dimensionati che si connettono all’infrastruttura tramite uno smart I/O fabric.

PowerEdge MX è ideato per il data center software-defined ed è quindi in grado di supportare una combinazione di virtualizzazione ad alta densità, software-defined storage, software-defined networking, intelligenza artificiale e progetti di big data. Capace di supportare i più recenti drive NVMe a bassa latenza e connettività 25GbE nativa, la soluzione permette ai clienti di personalizzare le configurazioni delle risorse storage e di calcolo secondo le rispettive necessità avvalendosi di pool condivisi di risorse disaggregate per rispondere alle varie esigenze man mano che si presentano. Creando capacità hardware on-the-fly, vengono ridotti i fenomeni di overprovisioning e di asset abbandonati ottimizzando nel contempo prestazioni ed efficienza.

PowerEdge MX, con la sua infrastruttura cinetica, vanta un particolare design che fa a meno del mid-plane così da poter supportare nel tempo numerose generazioni di release tecnologiche – generazioni future di processori, nuove tipologie storage e innovazioni nel campo della connettività. Nello specifico, l’assenza di un mid-plane permette di effettuare connessioni dirette della parte computazionale e storage al modulo di I/O permettendo di implementare futuri aggiornamenti tecnologici senza dover interrompere le operazioni dei clienti e senza dover sostituire il mid-plane. Grazie a questo approccio, PowerEdge MX è pronto a supportare componenti completamente disaggregati fino ai dispositivi memory-centric come memorie di classe storage, GPU e FPGA, assegnando ai clienti la piena libertà di composizione delle risorse.

I clienti possono customizzare PowerEdge MX con un ricco portafoglio di componenti:

• Chassis Dell EMC PowerEdge MX7000 – Mette a disposizione un’efficiente base hardware con il supporto di numerose generazioni di processori server all’interno di un sistema scalabile completo di gestione end-to-end del ciclo di vita e di un’unica interfaccia per tutti i componenti, mettendo le aziende in grado di concentrarsi maggiormente sulle priorità di business piuttosto che sulla manutenzione IT. Questo chassis 7U comprende otto alloggiamenti per una varietà di combinazioni storage e di calcolo a singola e doppia larghezza.
• Compute sled Dell EMC PowerEdge MX740c e MX840c – Blade a scorrimento da due e quattro socket che forniscono capacità di calcolo completa senza compromessi con livelli di prestazioni eccezionali e un ricco set di opzioni storage, compresi drive NVMe. Il modello a singola larghezza MX740c e quello a doppia larghezza MX840c supportano l’intera famiglia Intel Xeon Scalable Processor e una memoria che può arrivare fino a sei terabyte. Il blade MX740c è l’unico server modulare a due socket e singola larghezza del settore in grado di ospitare fino a sei drive NVMe, SAS o SATA da 2,5”. Il blade MX840c può contenere invece fino a otto drive.
• Storage sled Dell EMC PowerEdge MX5016s – Componenti storage scale-out a piena larghezza e a scorrimento sono complementari ai server MX, accettando fino a 16 hard disk SAS hot-plug e fino a un massimo di sette sled MX5016e per chassis MX equivalenti a un massimo di 112 drive di storage direct-attached. Questi drive possono essere mappati individualmente su uno o più server offrendo il rapporto di capacità storage ideale a seconda delle varie casistiche di utilizzo.
• Moduli di switching Ethernet e Fibre Channel Dell EMC PowerEdge MX – Questi nuovi moduli di switching ad alta bandwidth e bassa latenza per ambienti multi-chassis comprendono processi automatizzati per la conformità topologica, i parametri quality of service e la risoluzione autonoma dei problemi per raggiungere prestazioni di rete di picco con l’interfaccia di gestione unificata PowerEdge MX. PowerEdge MX è l’unica infrastruttura modulare del settore a rendere disponibile connettività host end-to-end Ethernet (GbE) da 25Gbps e Fibre Channel da 32Gbps. In combinazione con uplink 100GbE e Fibre Channel 32G, i clienti possono attendersi una riduzione del 55% nella latenza di switching per ottenere architetture fabric multi-chassis altamente scalabili.

PowerEdge MX si avvale anche di una gestione di sistema completa con Dell EMC OpenManage Enterprise – Modular Edition, che rende disponibili le funzionalità chiave di gestione di OpenManage Enterprise all’interno dello chassis per l’intero ambiente. I clienti possono seguire la gestione dell’intero ciclo di vita di tutti i componenti PowerEdge MX contemporaneamente su più chassis; rilasciare modifiche e template più rapidamente; e accedere ai server da remoto con l’applicazione Dell EMC OpenManage Mobile e la nuova funzione Quick Sync 2. OpenManage Enterprise consente inoltre la gestione di soluzioni modulari e rack attraverso un’unica interfaccia.

Con la scelta di progettare PowerEdge MX per una customizzazione flessibile, i servizi di deployment e supporto end-to-end di Dell EMC partono dalla consegna di una soluzione modulare totalmente integrata, per arrivare al deployment e alla configurazione personalizzata in modo da risolvere le esigenze di qualsiasi cliente. I servizi proposti comprendono anche ProSupport Plus, che mette a disposizione assistenza sull’arco delle 24 ore, accesso diretto a tecnici ProSupport Plus senior e un Technology Service Manager designato per il supporto completo dei sistemi.

Dell EMC PowerEdge MX sarà disponibile a livello globale a partire dal 12 settembre.

L'articolo Dell EMC presenta PowerEdge MX proviene da Data Manager Online.

Sparkle, la divisione servizi internazionali del Gruppo TIM e tra i primi dieci operatori globali, annuncia l’adozione di batterie agli ioni di litio (Li-ion) ad alta efficienza energetica per i gruppi di continuità (UPS) del suo Data Center di Istanbul che diventa così il primo data center “green” in Turchia.

Il Data Center di Sparkle a Istanbul è il primo in Turchia a disporre di questa innovativa tipologia di immagazzinamento dell’energia, offrendo benefici in termini di sostenibilità ambientale e vantaggi esclusivi ai propri clienti che possono aumentare lo spazio a disposizione per i propri server.

Rispetto alle tradizionali batterie al piombo acido, che rappresentano oggi la tecnologia di stoccaggio più diffusa, le batterie agli ioni di litio per UPS hanno una durata doppia, occupano un terzo dello spazio ed un peso inferiore del 60-80%. Inoltre non richiedono ventilazione, riducendo la necessità di raffreddamento con un minore impatto ambientale.

Situato a Yenibosna, il Data Center di Sparkle è una delle più grandi e importanti strutture di colocation in Turchia, dotata delle migliori tecnologie presenti sul mercato e di sofisticati sistemi di monitoraggio e servito da Seabone, il servizio globale di Transito IP Tier-1 di Sparkle.

Sparkle prevede di espandere ulteriormente i propri investimenti nei servizi Data Center e Cloud computing a Istanbul per migliorare la sostenibilità e l’efficienza energetica e fornire ai propri clienti l’ambiente tecnologico più sicuro e all’avanguardia per i loro sistemi IT.

L'articolo Sparkle adotta batterie agli ioni di litio nel suo Data Center di Istanbul proviene da Data Manager Online.

Equinix annuncia di aver completato l’espansione dei due data center multi-tenant situati a Milano: ML2 e ML3. Questa significativa espansione, che coincide con i festeggiamenti del 20° anniversario della fondazione di Equinix, contribuirà a supportare la crescente richiesta di servizi di interconnessione che, come rilevato da un suo recente studio, è alla base della trasformazione digitale in atto nella gran parte delle aziende italiane.

Inoltre, come parte del più ampio progetto di espansione di Equinix in Italia, l’azienda annuncia di aver ampliato e spostato i propri uffici nello stesso complesso che ospita il data center ML2, situato nel centro di Milano. Equinix è, infatti, presente nell’area milanese con tre data center International Business Exchange (IBX), ML2 Savona, ML3 Basiglio e ML4 Cascia: una posizione strategica che si trova al crocevia delle connessioni sottomarine tra l’estremo oriente, il medio oriente e collegato alla dorsale atlantica con gli USA.

Equinix continua a svolgere un ruolo importante nell’aiutare le aziende a estendere le proprie operazioni IT verso il confine digitale attraverso l’interconnessione di persone, luoghi, cloud e dati. I servizi Equinix Cloud Exchange Fabric (ECX Fabric) per il cloud privato ed Equinix Internet Exchange per il cloud pubblico, continueranno a essere offerti dall’azienda per supportare la domanda sempre più crescente di capacità di interconnessione necessaria per accelerare le prestazioni aziendali.

Elementi principali:

• Milano è il cuore economico e finanziario d’Italia. Con oltre 1,3 milioni di abitanti è la seconda città più grande della nazione e l’area metropolitana di maggiori dimensioni, e svolge un ruolo fondamentale per l’economia italiana.
• Equinix in Italia dispone di tre data center di moderna generazione che offrono accesso a un’ampia scelta di service provider di rete e cloud, punti di scambio Internet e reti di content provider. I tre edifici hanno una superficie totale di colocation scalabile di oltre 66.000 piedi quadrati (oltre 6.000 metri quadrati). I clienti di Equinix a Milano beneficiano di collegamenti metro diretti al principale punto di interconnessione della regione in Via Caldera, che ospita anche uno degli scambi Internet e punti di peering italiani principali, il Milan Internet Exchange (MIX)..
• ML2 è un data center Equinix IBX altamente sicuro e tecnologicamente avanzato, che offre opportunità di interconnessione con un ricco ecosistema business composto da operatori di rete, fornitori di servizi cloud, istituzioni finanziarie e aziende leader in Europa. Situato a Milano in una posizione privilegiata, in via Savona, ML2 offre una connettività a bassa latenza che lo rende una soluzione molto ricercata dai system integrator e dai fornitori di servizi gestiti di qualsiasi dimensione. ML2 è progettato in modo tale da ottimizzare l’efficienza energetica e ridurre al minimo le emissioni di CO2. Utilizza anche altre tecnologie energeticamente efficienti per alimentare gli impianti di back-up.
• ML3, situato nel quartiere periferico di Basiglio, vicino a Milano, è stato aperto nel 2009 ed è stato ora ampliato per offrire maggiore capacità e flessibilità. ML3 ospita l’Internet Exchange di Equinix in Italia.
• Equinix Cloud Exchange (ECX) Fabric è una soluzione avanzata che consente l’interconnessione senza soluzione di continuità, on-demand e con accesso diretto a più cloud e a più reti in tutto il mondo. Unendo insieme i fornitori di servizi cloud con le aziende che utilizzano questi servizi, e consentendo loro di stabilire connessioni private ad alte prestazioni, ECX Fabric fornisce alle aziende l’accesso diretto ai servizi di cui hanno bisogno per costruire sofisticate soluzioni cloud ibride all’interno dei data center IBX di Equinix.
• Equinix Internet Exchange consente ai driver di traffico Internet, inclusi i fornitori di servizi Internet e di contenuti, di effettuare il peering del traffico in modo facile ed efficace ed espandere le operazioni a livello globale. È il principale provider di Internet Exchange al mondo, provvede alla maggior parte delle reti, sostenendo la maggior parte del traffico, nella maggior parte delle location. Insieme a servizi aggiuntivi inclusi nel portfolio Equinix, tra cui Cross Connects ed Equinix Connect, Equinix offre una suite di servizi completa che fornisce alle reti IP la più alta qualità e le più basse opzioni di TCO per la gestione e lo scambio del traffico IP. Dato che Equinix espande la propria presenza globale, offrirà questa suite completa di servizi di interconnessione all’interno di ogni area metropolitana in cui opera l’azienda.
• Il ricco portfolio di servizi Equinix consente ai clienti di avviare le proprie operazioni velocemente nelle strutture di colocation. I Global Solution Architects di Equinix offrono la migliore consulenza per gestire nel dettaglio i requisiti di progettazione e ottimizzazione dei servizi personalizzati di colocation e rete. I servizi infrastrutturali includono l’installazione del data center, l’approvvigionamento delle apparecchiature e la migrazione. Una volta costruita, il team di assistenza Smart Hands offre la gestione remota dell’infrastruttura.

Eric Schwartz, President, Equinix EMEA: “L’Italia è un mercato strategico per lo sviluppo di Equinix in EMEA. Le aziende italiane, infatti, utilizzano il cloud computing con un tasso che è più del doppio (40%) della media europea (19%). Con questa nuova espansione, vogliamo mettere a disposizione dei clienti italiani la potenzialità di una forte presenza locale in grado però di supportarli a livello globale.”

Emmanuel Becker, Managing Director Italy, Equinix: “Il nuovo headquarter e l’espansione dei nostri data center a Milano sono un chiaro segno di quanto sia importante per Equinix crescere nel mercato italiano, punto strategico per l’interconnessione. Il nostro intento è quello di continuare ad ampliare le nostre infrastrutture e offrire maggiori servizi per aiutare le aziende a estendere le proprie operazioni IT verso il confine digitale”.

L'articolo Equinix si espande nel mercato italiano per accelerare la digital transformation proviene da Data Manager Online.