.jpg)
IT 기술과 데이터에 대한 의존도가 높아지면 높아질수록 데이터센터가 많아질 뿐만 아니라 하나하나가 맹렬하게 가동된다. 그러면서 탄소는 탄소대로 배출되고, 돈은 돈대로 들어간다. 데이터센터의 효율 문제를 고민해야 할 때가 됐다.
[보안뉴스 문정후 기자] 데이터센터 운영 및 각종 클라우드 컴퓨팅 작업에 전 세계 전력 사용량의 약 1%가 소요되는 것으로 알려져 있다. 배출되는 탄소의 양이 무시할 수준을 훌쩍 넘어섰다고 할 수 있다. 사용량을 줄이는 방법을 찾는 게 급선무이고, 실제로 많은 전문가들이 다양한 방법들을 고안하고 있다.
현재 사용되는 전기의 50%는 기본 운영과 작동에, 40%는 냉각에 들어간다고 한다. 그렇기 때문에 냉각에 들어가는 전기를 줄이기 위해 데이터센터를 바다 밑에 둘 수 있는 해결책도 연구되고 있다. 하지만 아직까지 기술적으로 실현 가능한 방법이 나오지는 않았다. 나온다면 큰 효력을 볼 수 있을 것으로 기대되고 있지만, 그게 언제가 될지는 아무도 모른다.
현재 시점 기준 가장 실용적인 절약 방안은 인공지능을 도입하는 것이다. 인공지능을 가지고 운영 상 낭비되는 요소들을 찾음으로써 효율을 높인다는 의미인데, 실제로 가트너(Gartner)가 조사한 바에 의하면 향후 2년 동안 현존하는 데이터센터들의 50% 이상이 인공지능을 도입한 운영법을 시도하거나 도입할 것으로 예상된다고 한다.
적정량의 데이터를 수집한다
데이터센터의 운영 효율을 높이려면 무엇보다 꼭 필요한 데이터만 수집하고 처리하고 저장하는 방안이 도입되고 정착되는 게 가장 중요하다. 여태까지는 데이터센터와 클라우드 운영에 있어 ‘필요한 데이터만 수집한다’는 개념이 희박했었다. 정보를 최대한 많이 긁어 모으면 언젠가 활용할 수 있다는 개념이 더 우세했다. 아주 틀린 생각은 아니지만 거의 대부분 언젠가 활용할 것이라고 모아둔 데이터는 한 번도 활용되지 않고 망각 속에 묻혔다. 그리고 그 데이터는 전부 비용과 탄소가 되었다.
데이터뱅크(DataBank)의 부회장 에릭 스워츠(Eric Swartz)는 “필수 하드웨어 데이터는 반드시 수집해야 한다”고 짚는다. “필수 하드웨어 데이터는 ‘사용 가능한 저장 공간’, ‘접근 용이성’, ‘시간 당 운영되는 기계 수’, ‘어떤 트래픽이 어떤 기계 장비로 유도되며, 왜 그런가’와 같은 것을 포함합니다. 그 외에 기계의 전원 공급 및 냉각에 소비되는 에너지 관련 정보도 중요하고, 데이터센터 내외의 환경 조건 데이터도 필요합니다.”
이런 데이터들이 꼭 필요한 이유는 인공지능을 이용한 운영과 냉각의 효율을 높이기 위해서다. 즉 이런 데이터들이 있어야 비로소 인공지능을 제대로 활용할 수 있게 된다는 것. 히타치밴타라(Hitachi Vantara)의 데이터 플랫폼 책임자인 이안 클랫워디(Ian Clatworthy)도 여기에 동의한다.
“인공지능 활용에 있어 반드시 필요한 데이터들이 맞습니다. 그런데 이런 데이터들만 모으겠다고 해도 여러 가지 이유와 변수 때문에 다른 데이터들이 수집됩니다. 그렇기 때문에 필수적인 데이터만을 수집하는 작업을 시작할 때부터 인공지능을 활용하는 게 좋습니다.”
인공지능, 효율을 높이다
데이터센터 운영에 필요한 모든 데이터를 인공지능에 입력했다면, 본격적으로 효율을 높일 차례다. 제일 먼저는 서버들의 전력 소비량을 조정하는 데에 인공지능을 투입해야 한다. 데이터센터 내 모든 서버들이 24시간 팽팽 돌아가는 건 아니다. 이런 상황에서 전력 제어를 어떻게 해야 알맞은지 인공지능으로 파악하여 운영할 수 있어야 한다. 예를 들어 트래픽이 들어올 때 잠들어 있는 서버를 깨우는 게 아니라 마침 가동되고 있는 서버들로 유도하는 등의 배분 전략이 활용된다면 절약에 도움이 될 것이다.
클랫워디는 “가동되는 서버와 그렇지 않은 서버를 적절히 이용할 수 있게 된다면 CPU의 수를 줄일 수 있다”고 말한다. “어찌됐든 기계라는 건 꺼져 있는 것을 켜는 순간에 전력 효율이 낮아집니다. 꺼져 있다가 켜지는 횟수를 최대한 줄이는 방식으로 서버를 운영하는 것은 데이터센터 운영 고효율화에 있어 훌륭한 첫 걸음입니다.”
트래픽 패턴이라는 요소도 운영 효율을 높이는 데 있어 중요한 부분을 차지한다. “다만 트래픽 패턴이라는 것은 예상이 가능합니다. 따라서 운영이 크게 어렵지 않습니다. 조금만 신경 쓰면 전력 사용 효율성을 향상시킬 수 있고, 향상된 상태를 유지할 수 있습니다. 인공지능이 큰 효과를 발휘할 수 있습니다.” 스워츠의 설명이다.
유지 관리라는 부분에 있어서도 ‘예측’을 통해 효율을 높일 수 있다고 클랫워디는 짚는다. “과거 유지 보수 관련 데이터를 인공지능이 학습하고, 그렇게 나온 데이터를 예산 할당 현황과 결합시킴으로써 인공지능은 꽤나 정확하게 유지 보수와 관련된 사안들을 예측할 수 있게 됩니다. 그리고 그 예측 모델을 통해 예산을 보다 효과적으로 쓸 수 있게 됩니다.”
전력의 공급원 자체를 관리하는 것도 놓치면 안 되는 부분이다. 인공지능이 힘을 발휘하기 좋은 곳이기도 하다. “재생 가능한 에너지를 언제 가장 넉넉히 사용할 수 있는지, 기존 화석 연료로부터 나온 전기를 어느 정도나 쓰지 않아야 운영에 부담이 없을 수 있는지, 꼭 필요한 만큼의 전력을 공급받고 있는지, 과잉 공급으로 어딘가에서 불필요한 열이 발생하고, 이 열 때문에 냉각에 더 많은 에너지가 소비되는 건 아닌지 등을 살피고 해결하고 관리하는 것도 좋은 방법입니다.”
냉각에도 효율이 필요하다
인공지능으로 효율성을 높일 수 있는 건 냉각 시스템도 마찬가지다. 냉각 시스템은 그 어떤 변화에도 상관 없이 일정한 방식으로 작동하는 게 보통이다. 어떤 시스템이 더 뜨겁거나 차갑거나 고려하지 않고 똑같은 양의 냉각수가 공급된다는 것이다. 그러니 효율이 좋을 수 없다.
냉각은 매우 비용이 많이 들며, 비용과 탄소 배출 측면에서도 큰 문제다. 효율을 높이는 게 급선무다. 그러려면 주변 온도, 날씨, 각 기계의 특성과 그 때 그 때의 온도, 건물 소재, 현 HVAC 시스템 상태와 같은 요소들을 고려해야 한다. 인공지능이 이 모든 것을 모니터링하면서 냉각이 당장 필요한 시스템에만 냉각을 실시하고 다른 곳은 중단시킨다면 냉각에 들어가는 비용이 상당히 줄어들 수 있다. 전원이 꺼지고 켜지는 때를 예측하여 미리 냉각에 필요한 자원을 배분하는 것도 ‘냉각 효율화’에 있어 좋은 방법이다.
클랫워디는 “디지털 트윈을 만들어 인공지능과 결합시키면 실제 시스템을 건드리지 않고 고효율화 방안을 실험할 수 있게 된다”고 지적한다. “각종 데이터를 디지털 트윈에 적용시킴으로써 효율적인 냉각 전략을 시뮬레이션 할 수 있게 되는 것이죠. 심지어 어떤 나라, 어떤 도시에 있느냐까지도 고려하여 미세한 전략 조정도 할 수 있습니다.”
먼저 해결해야 할 문제들
이처럼 인공지능이 당장 데이터센터에 도입된다면 우리가 얻어낼 수 있는 것이 많다. 하지만 그렇게 되지 않는 이유는 현실적으로 넘어서야 하는 어려움들이 있기 때문이다. 가장 큰 문제는 데이터가 부족하다는 것이다. 데이터센터에는 데이터가 넘쳐나는데, 데이터센터 운영 최적화를 위한 인공지능 모델을 훈련시키기 위한 데이터는 의외로 없거나 부족하다. 때문에 인공지능 도입으로 데이터센터의 효율을 높이고자 한다면 먼저 데이터를 충분히 가지고 있는지를 살펴야 한다.
“그런데 어떤 데이터는 규정과 표준 때문에 모으지 못할 수도 있습니다. 특정 고객과의 계약 문제가 제약이 될 수도 있습니다. 규정이나 계약과 관련된 문제를 해결하려면 꽤나 복잡한 절차와 긴 시간을 거쳐야 하는 게 보통입니다. 그래서 인공지능 도입이 미뤄지고 또 미뤄지는 것이죠.” 클랫워디의 설명이다.
인공지능을 아무 컴퓨터에서나 돌릴 수 없다는 것도 문제다. “인공지능은 강력한 컴퓨팅 기능을 필요로 합니다. 강력한 컴퓨터 한 대가 아니라 여러 대가 필요하고, 그런 강력함을 뒷받침할 수 있는 새로운 아키텍처도 필요합니다. 투자금이 적잖이 들어간다는 것입니다. 여기서 투자금이란 돈만 말하는 게 아닙니다. 그런 시스템과 네트워크를 구성해 운영하는 것은 기술적으로도 난해하며, 따라서 기술적 난이도를 극복한다는 의미의 투자도 포함됩니다.”
인공지능이 아직 완전하지 않은 기술이라는 것도 현실적인 문제다. “아무리 뛰어나고 장점이 많은 기술이라고 하지만 어떤 영역에서는 인간을 한참 밑도는 수준에 머물러 있습니다. 즉 인공지능이 내리는 결정을 아직 다 신뢰하기 어려운 상황이라는 겁니다. 인공지능에 독단적인 데이터센터 운영 권한을 주기에는 시기상조입니다.”
글 : 리차드 팔라디(Richard Pallardy), IT 칼럼니스트
[국제부 문정후 기자(globoan@boannews.com)]
[보안뉴스 문정후 기자] 데이터센터 운영 및 각종 클라우드 컴퓨팅 작업에 전 세계 전력 사용량의 약 1%가 소요되는 것으로 알려져 있다. 배출되는 탄소의 양이 무시할 수준을 훌쩍 넘어섰다고 할 수 있다. 사용량을 줄이는 방법을 찾는 게 급선무이고, 실제로 많은 전문가들이 다양한 방법들을 고안하고 있다.
[이미지 = gettyimagesbank]
현재 사용되는 전기의 50%는 기본 운영과 작동에, 40%는 냉각에 들어간다고 한다. 그렇기 때문에 냉각에 들어가는 전기를 줄이기 위해 데이터센터를 바다 밑에 둘 수 있는 해결책도 연구되고 있다. 하지만 아직까지 기술적으로 실현 가능한 방법이 나오지는 않았다. 나온다면 큰 효력을 볼 수 있을 것으로 기대되고 있지만, 그게 언제가 될지는 아무도 모른다.
현재 시점 기준 가장 실용적인 절약 방안은 인공지능을 도입하는 것이다. 인공지능을 가지고 운영 상 낭비되는 요소들을 찾음으로써 효율을 높인다는 의미인데, 실제로 가트너(Gartner)가 조사한 바에 의하면 향후 2년 동안 현존하는 데이터센터들의 50% 이상이 인공지능을 도입한 운영법을 시도하거나 도입할 것으로 예상된다고 한다.
적정량의 데이터를 수집한다
데이터센터의 운영 효율을 높이려면 무엇보다 꼭 필요한 데이터만 수집하고 처리하고 저장하는 방안이 도입되고 정착되는 게 가장 중요하다. 여태까지는 데이터센터와 클라우드 운영에 있어 ‘필요한 데이터만 수집한다’는 개념이 희박했었다. 정보를 최대한 많이 긁어 모으면 언젠가 활용할 수 있다는 개념이 더 우세했다. 아주 틀린 생각은 아니지만 거의 대부분 언젠가 활용할 것이라고 모아둔 데이터는 한 번도 활용되지 않고 망각 속에 묻혔다. 그리고 그 데이터는 전부 비용과 탄소가 되었다.
데이터뱅크(DataBank)의 부회장 에릭 스워츠(Eric Swartz)는 “필수 하드웨어 데이터는 반드시 수집해야 한다”고 짚는다. “필수 하드웨어 데이터는 ‘사용 가능한 저장 공간’, ‘접근 용이성’, ‘시간 당 운영되는 기계 수’, ‘어떤 트래픽이 어떤 기계 장비로 유도되며, 왜 그런가’와 같은 것을 포함합니다. 그 외에 기계의 전원 공급 및 냉각에 소비되는 에너지 관련 정보도 중요하고, 데이터센터 내외의 환경 조건 데이터도 필요합니다.”
이런 데이터들이 꼭 필요한 이유는 인공지능을 이용한 운영과 냉각의 효율을 높이기 위해서다. 즉 이런 데이터들이 있어야 비로소 인공지능을 제대로 활용할 수 있게 된다는 것. 히타치밴타라(Hitachi Vantara)의 데이터 플랫폼 책임자인 이안 클랫워디(Ian Clatworthy)도 여기에 동의한다.
“인공지능 활용에 있어 반드시 필요한 데이터들이 맞습니다. 그런데 이런 데이터들만 모으겠다고 해도 여러 가지 이유와 변수 때문에 다른 데이터들이 수집됩니다. 그렇기 때문에 필수적인 데이터만을 수집하는 작업을 시작할 때부터 인공지능을 활용하는 게 좋습니다.”
인공지능, 효율을 높이다
데이터센터 운영에 필요한 모든 데이터를 인공지능에 입력했다면, 본격적으로 효율을 높일 차례다. 제일 먼저는 서버들의 전력 소비량을 조정하는 데에 인공지능을 투입해야 한다. 데이터센터 내 모든 서버들이 24시간 팽팽 돌아가는 건 아니다. 이런 상황에서 전력 제어를 어떻게 해야 알맞은지 인공지능으로 파악하여 운영할 수 있어야 한다. 예를 들어 트래픽이 들어올 때 잠들어 있는 서버를 깨우는 게 아니라 마침 가동되고 있는 서버들로 유도하는 등의 배분 전략이 활용된다면 절약에 도움이 될 것이다.
클랫워디는 “가동되는 서버와 그렇지 않은 서버를 적절히 이용할 수 있게 된다면 CPU의 수를 줄일 수 있다”고 말한다. “어찌됐든 기계라는 건 꺼져 있는 것을 켜는 순간에 전력 효율이 낮아집니다. 꺼져 있다가 켜지는 횟수를 최대한 줄이는 방식으로 서버를 운영하는 것은 데이터센터 운영 고효율화에 있어 훌륭한 첫 걸음입니다.”
트래픽 패턴이라는 요소도 운영 효율을 높이는 데 있어 중요한 부분을 차지한다. “다만 트래픽 패턴이라는 것은 예상이 가능합니다. 따라서 운영이 크게 어렵지 않습니다. 조금만 신경 쓰면 전력 사용 효율성을 향상시킬 수 있고, 향상된 상태를 유지할 수 있습니다. 인공지능이 큰 효과를 발휘할 수 있습니다.” 스워츠의 설명이다.
유지 관리라는 부분에 있어서도 ‘예측’을 통해 효율을 높일 수 있다고 클랫워디는 짚는다. “과거 유지 보수 관련 데이터를 인공지능이 학습하고, 그렇게 나온 데이터를 예산 할당 현황과 결합시킴으로써 인공지능은 꽤나 정확하게 유지 보수와 관련된 사안들을 예측할 수 있게 됩니다. 그리고 그 예측 모델을 통해 예산을 보다 효과적으로 쓸 수 있게 됩니다.”
전력의 공급원 자체를 관리하는 것도 놓치면 안 되는 부분이다. 인공지능이 힘을 발휘하기 좋은 곳이기도 하다. “재생 가능한 에너지를 언제 가장 넉넉히 사용할 수 있는지, 기존 화석 연료로부터 나온 전기를 어느 정도나 쓰지 않아야 운영에 부담이 없을 수 있는지, 꼭 필요한 만큼의 전력을 공급받고 있는지, 과잉 공급으로 어딘가에서 불필요한 열이 발생하고, 이 열 때문에 냉각에 더 많은 에너지가 소비되는 건 아닌지 등을 살피고 해결하고 관리하는 것도 좋은 방법입니다.”
냉각에도 효율이 필요하다
인공지능으로 효율성을 높일 수 있는 건 냉각 시스템도 마찬가지다. 냉각 시스템은 그 어떤 변화에도 상관 없이 일정한 방식으로 작동하는 게 보통이다. 어떤 시스템이 더 뜨겁거나 차갑거나 고려하지 않고 똑같은 양의 냉각수가 공급된다는 것이다. 그러니 효율이 좋을 수 없다.
냉각은 매우 비용이 많이 들며, 비용과 탄소 배출 측면에서도 큰 문제다. 효율을 높이는 게 급선무다. 그러려면 주변 온도, 날씨, 각 기계의 특성과 그 때 그 때의 온도, 건물 소재, 현 HVAC 시스템 상태와 같은 요소들을 고려해야 한다. 인공지능이 이 모든 것을 모니터링하면서 냉각이 당장 필요한 시스템에만 냉각을 실시하고 다른 곳은 중단시킨다면 냉각에 들어가는 비용이 상당히 줄어들 수 있다. 전원이 꺼지고 켜지는 때를 예측하여 미리 냉각에 필요한 자원을 배분하는 것도 ‘냉각 효율화’에 있어 좋은 방법이다.
클랫워디는 “디지털 트윈을 만들어 인공지능과 결합시키면 실제 시스템을 건드리지 않고 고효율화 방안을 실험할 수 있게 된다”고 지적한다. “각종 데이터를 디지털 트윈에 적용시킴으로써 효율적인 냉각 전략을 시뮬레이션 할 수 있게 되는 것이죠. 심지어 어떤 나라, 어떤 도시에 있느냐까지도 고려하여 미세한 전략 조정도 할 수 있습니다.”
먼저 해결해야 할 문제들
이처럼 인공지능이 당장 데이터센터에 도입된다면 우리가 얻어낼 수 있는 것이 많다. 하지만 그렇게 되지 않는 이유는 현실적으로 넘어서야 하는 어려움들이 있기 때문이다. 가장 큰 문제는 데이터가 부족하다는 것이다. 데이터센터에는 데이터가 넘쳐나는데, 데이터센터 운영 최적화를 위한 인공지능 모델을 훈련시키기 위한 데이터는 의외로 없거나 부족하다. 때문에 인공지능 도입으로 데이터센터의 효율을 높이고자 한다면 먼저 데이터를 충분히 가지고 있는지를 살펴야 한다.
“그런데 어떤 데이터는 규정과 표준 때문에 모으지 못할 수도 있습니다. 특정 고객과의 계약 문제가 제약이 될 수도 있습니다. 규정이나 계약과 관련된 문제를 해결하려면 꽤나 복잡한 절차와 긴 시간을 거쳐야 하는 게 보통입니다. 그래서 인공지능 도입이 미뤄지고 또 미뤄지는 것이죠.” 클랫워디의 설명이다.
인공지능을 아무 컴퓨터에서나 돌릴 수 없다는 것도 문제다. “인공지능은 강력한 컴퓨팅 기능을 필요로 합니다. 강력한 컴퓨터 한 대가 아니라 여러 대가 필요하고, 그런 강력함을 뒷받침할 수 있는 새로운 아키텍처도 필요합니다. 투자금이 적잖이 들어간다는 것입니다. 여기서 투자금이란 돈만 말하는 게 아닙니다. 그런 시스템과 네트워크를 구성해 운영하는 것은 기술적으로도 난해하며, 따라서 기술적 난이도를 극복한다는 의미의 투자도 포함됩니다.”
인공지능이 아직 완전하지 않은 기술이라는 것도 현실적인 문제다. “아무리 뛰어나고 장점이 많은 기술이라고 하지만 어떤 영역에서는 인간을 한참 밑도는 수준에 머물러 있습니다. 즉 인공지능이 내리는 결정을 아직 다 신뢰하기 어려운 상황이라는 겁니다. 인공지능에 독단적인 데이터센터 운영 권한을 주기에는 시기상조입니다.”
글 : 리차드 팔라디(Richard Pallardy), IT 칼럼니스트
[국제부 문정후 기자(globoan@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-04-24] _m.jpg)
.jpg)
.jpg)
