Oleh: Rimma Iontel, Chief Architect – Global Telco Team, Red Hat
Alangkah bagusnya jika kita bisa cepat-cepat mengubah jaringan menjadi lebih berkelanjutan, sebab saat ini ia menyedot sekitar 3% energi di dunia dan menghasilkan sekitar 2% dari gas rumah kaca di dunia. Saya yakin setiap penyedia layanan telekomunikasi ingin mengurangi biaya operasional jaringan mereka dengan menjadi lebih hemat energi. Namun, mencapai keberlanjutan adalah masalah yang kompleks dan berlapis-lapis, dan ini masalah yang mengharuskan seluruh ekosistem bekerja sama untuk mengurangi jejak karbon karbon dioksida dari industri telekomunikasi.
Banyak penyedia layanan berharap pada analitik data mutakhir yang ditenagai oleh kecerdasan buatan (AI) untuk mendorong outcomes yang lebih baik. Namun, AI hanya bisa sebagus data yang diberikan kepadanya, dan mengumpulkan data akurat yang cukup di area-area seperti pola trafik dan konsumsi energi di jaringan tradisional serta cloud dan multi-vendor, adalah tantangan yang masih harus diatasi. Ada juga tantangan untuk mengubah rekomendasi AI menjadi manipulasi real-time terhadap jaringan dan alur kerja yang terkait, dengan otomatisasi besar-besaran. Selain itu, AI sendiri bisa menjadi kontributor signifikan terhadap konsumsi daya sehingga kita harus sangat berhati-hati dalam menggunakannya untuk optimasi daya jaringan.
Bahkan saat ini, banyak proyek berkelanjutan diimplementasikan secara terpisah, berfokus pada domain dan tantangan jaringan individu dan pendekatan ini ternyata begitu terbatas. Untuk memaksimalkan dampak dari strategi efisiensi energi, dibutuhkan pendekatan yang lebih holistik di seluruh domain jaringan dengan memanfaatkan platform terbuka yang menggunakan analitik data mutakhir, AI, dan otomatisasi. Saya ingin memanfaatkan tulisan ini untuk menguraikan beberapa dasar pendekatan terpadu, menyoroti beberapa upaya bersama yang sedang dilakukan secara aktif oleh Red Hat bersama mitra kami.
Infrastruktur 5G terbuka untuk memaksimalkan value dan mengurangi konsumsi daya
Red Hat, NEC dan Intel telah bekerja sama dalam menyediakan infrastruktur 5G core yang terbuka yang akan membantu mengurangi pengeluaran operasional yang terkait dengan biaya dan konsumsi daya. Kini NEC bisa mengurangi konsumsi daya komersial user plane function (UPF) terkonvergensi 5G-nya di Red Hat OpenShift sebesar lebih dari 30% dengan Intel® Infrastructure Power Manager for 5G Core. Dengan Intel® Infrastructure Power Manager for 5G Core, setiap core di prosesor mendapatkan daya yang sesuai di waktu yang tepat untuk tetap meminimalkan emisi dan biaya. Pelajari lebih lanjut tentang kerja sama Red Hat, NEC dan Intel untuk berkontribusi kepada keberlanjutan dan pengurangan konsumsi daya untuk jaringan 5G.
Pemrosesan panggilan yang berkelanjutan dan kontinuitas paket dengan daya yang lebih besar
Tahun lalu, kami menampilkan kolaborasi antara Red Hat dan Arm untuk menyediakan solusi 5G dan vRAN yang lebih hemat energi, dengan dukungan teknologi open source Red Hat dan platform komputasi Arm®.
Baru-baru ini, berkolaborasi dengan NEC, Arm dan Qualcomm Technologies, Inc., kami berhasil mendemonstrasikan operasional keseluruhan dari virtualized radio access network (vRAN) terbuka dan produk 5G core dari NEC menggunakan Qualcomm® X100 5G RAN Accelerator Cards dan CPU berbasis Arm Neoverse™ di Red Hat OpenShift dalam lingkungan yang setara secara komersial. Dengan mengintegrasikan teknologi, kami berhasil menunjukkan pemrosesan panggilan yang berkelanjutan dan kontinuitas paket dengan penghematan daya dan ruang yang lebih baik dengan potensi pengurangan total biaya kepemilikan secara signifikan dalam penggunaan RAN oleh penyedia layanan.
Menggunakan Kepler dan AI untuk memonitor penggunaan daya
Pelatihan model dan inferensi mengonsumsi energi yang besar di tingkat containers, pods, namespaces. Proyek open source Kepler, atau Efficient Power Level Exporter berbasis Kubernetes menangkap metrik konsumsi energi di seluruh jajaran platform untuk membantu administrator sistem dan pengembang memahami, mengoptimalkan dan merencanakan pemakaian energi. Teknologi ini, yang dikembangkan bersama oleh Red Hat dan IBM Research dan digunakan oleh Red Hat OpenShift untuk memonitor daya, bisa mengetahui konsumsi energi di CPU dan graphical processing unit (GPU), serta menyediakan insights mengenai pola penggunaan komputer dari pelatihan dan tugas inferensi, dan bukti untuk perbaikan dan optimasi lebih jauh.
Kepler membantu melengkapi proyek open source dan teknologi lain dengan data yang mereka butuhkan untuk bisa mengelola energi dengan lebih baik. Satu contohnya adalah SusQL, sebuah proyek open source yang digunakan untuk melacak training job model AI dalam lingkungan terdistribusi, yang menggunakan metrik Kepler untuk mengagregasi konsumsi energi pada berbagai training job yang terdistribusi, memperluas insight konsumsi daya ke level klaster.
Ia juga memungkinkan optimasi pada layanan inferensi model, seperti pada Red Hat OpenShift AI, sebuah platform MLOps untuk mengembangkan, melatih, menjalankan, serta mengawasi aplikasi AI di OpenShift. Secara bersama-sama, konsumsi listrik bisa diawasi untuk mendapatkan pola pemakaian energi. Pola ini bisa dihubungkan dengan konfigurasi sistem dan penyediaan layanan untuk merekomendasi performa optimal dari konfigurasi per watt. Dengan tools seperti Kepler yang diintegrasikan ke dalam portofolio Red Hat, kami bisa membantu menjadikan AI lebih berkelanjutan.
Analisa AI yang hemat energi di edge
Red Hat berdedikasi terhadap tugas kami di IOWN Global Forum untuk membantu menyediakan solusi yang lebih cerdas demi masa depan dengan keberlanjutan. Baru-baru ini, Red Hat, NTT, Fujitsu dan NVIDIA berhasil mendemonstrasikan solusi platform berbasis IOWN yang hemat energi dengan pipeline data terakselerasi untuk layanan analisa AI dari NTT. Melalui optimasi inferensi AI di edge untuk analisa data kamera video dalam skala besar, kami bisa mengurangi pemakaian daya secara signifikan dengan menggabungkan IOWN all-photonics network (APN) dan data-centric infrastructure (DCI) dengan Red Hat OpenShift untuk memberikan analisa data AI pada skala besar.
Kolaborasi ini menunjukkan bahwa mengurangi konsumsi listrik secara signifikan sekaligus menjaga latensi rendah dalam kasus penggunaan analisis video AI di edge adalah hal yang mungkin dilakukan. Kami menemukan bahwa bahkan saat banyak kamera terhubung, latensi yang dibutuhkan untuk mengagregasi dan menganalisa data dengan AI bisa dikurangi sebanyak 60%, dibandingkan latensi dengan cloud tersentralisasi. Dengan implementasi teknologi container dan Red Hat OpenShift, NTT bisa mengoperasikan pemrosesan analisa AI dengan fleksibel dan mudah. Ini juga membuktikan bahwa solusi ini bisa diaplikasikan secara luas dari analisis video AI di kota cerdas, hingga skenario yang sama dengan banyak sensor yang tersebar satu sama lain.
Red Hat, Intel dan Ericsson mengurangi konsumsi daya pada jaringan
Red Hat berkolaborasi dengan Intel dan Ericsson untuk mengembangkan, mengintegrasikan, dan menjalankan teknologi cloud-native yang lebih berkelanjutan, yang mengurangi biaya energi dan emisi karbon jaringan. Ada keseimbangan yang harus dicapai dalam mengoptimalkan dan mengurangi konsumsi energi, sekaligus menjaga performa jaringan. Red Hat, Intel dan Ericsson pada awalnya berfokus pada radio access networks (RANs) dan mampu mendemonstrasikan penghematan hingga 20% konsumsi daya dalam pemrosesan menggunakan prosesor 4th Gen Intel® Xeon® Scalable dengan vRAN boost.
Solusi ini memiliki tiga pilar: hardware, termasuk server yang hemat energi, dan akselerator; software, seperti menskalakan core di CPU secara dinamis dan real time untuk beban kerja distributed unit (DU) dan centralized unit (CU) di RAN; dan otomatisasi: yakni otomatisasi yang sadar energi secara real-time berbasis utilisasi jaringan dan pola trafik. Tonton video ini untuk mengetahui bagaimana Red Hat, Intel, dan Ericsson membantu penyedia layanan mengembangkan solusi cloud yang lebih berkelanjutan.
Scaling cerdas untuk pusat data perusahaan telko
Red Hat dan Intracom Telecom berupaya menyediakan solusi yang mengoptimalkan infrastruktur berbasis OpenShift (baik di on-premise maupun cloud), dengan menyesuaikan beban kerja server secara proaktif dan mematikan server yang tidak terpakai untuk mengatasi konsumsi daya yang menganggur, tanpa mengorbankan performa beban kerja dan stabilitas. Sejumlah worker nodes diskalakan secara dinamis, berdasarkan prediksi real time dari sumber daya yang dibutuhkan untuk mengoptimalkan skalabilitas infrastruktur dan efisiensi.
Solusi ini sangat sesuai untuk pusat data terkonvergensi di perusahaan telko, yang menjalankan fungsi-fungsi jaringan 5G (contohnya user plane function pods, control-plane pods) dan layanan terkait (AI pods, edge pods), ketika beban trafik untuk layanan ini berfluktuasi dalam siklusnya, mengikuti pola harian dan mingguan. Kemampuan penskalaan yang cerdas ini telah menunjukkan potensinya untuk mengurangi jumlah rata-rata worker nodes, bahkan di dalam pusat data perusahaan telko yang menunjukkan fluktuasi beban yang rendah dalam satu hari, sehingga menghemat energi dan biaya.
Kolaborasi bisa mendorong inovasi berkelanjutan
Red Hat menyumbangkan pengalamannya dalam mengembangkan open source tools, kemampuan dan metodologi yang membuat keberlanjutan menjadi bagian integral dalam pengendalian dan pengelolaan arsitektur cloud-native. Kami juga membawa sejarah kolaborasi kami yang lebih konsisten dan terbuka untuk mendorong komunitas original equipment manufacturers (OEMs), independent software vendors (ISVs), pelanggan, serta pembuat kebijakan agar mempromosikan praktik keberlanjutan yang terbaik di seluruh industri.
Pengumpulan data dan analitik akan menjadi kunci bagi pelanggan kami untuk mengambil keputusan terbaik berbasis pengukuran hal-hal yang tepat. Red Hat terus ingin meningkatkan kemampuan observasi bersama dengan platform AI dan otomatisasi besar-besaran untuk menganalisa data pada skala besar dan membuat rekomendasi yang tepat waktu untuk mengambil tindakan. Bersama dengan pelanggan dan mitra, kami memungkinkan pendekatan penghematan energi yang holistik dan berbasis data di semua lingkungan IT, jaringan, edge, inti dan cloud.
