Искусственный интеллект
Умное сжатие. Как электросетевая компания внедрила AI в системы хранения данных
Крупный электросетевой холдинг из Сибири и Дальнего Востока осуществляет передачу и распределение электроэнергии на территории более 1,9 млн квадратных километров. В зоне его обслуживания находятся десятки регионов, а ИТ-инфраструктура обрабатывает огромные объёмы данных от компаний и потребителей-физлиц.
Рассказываем, почему компании пришлось запустить AI-сервис для сжатия данных и к каким результатам это привело.
Проблема
Информационные потоки в системах документооборота, учёта, телеметрии и аналитики компании растут каждый год. Из-за этого системы хранения данных (СХД) быстро заполняются, увеличиваются расходы на их обслуживание. При этом компания обязана хранить большие массивы документов и изображений в архивах в соответствии с отраслевыми и государственными стандартами.
В 2024 году существующая система хранения перестала справляться с постоянно увеличивающимся объёмом информации и появился риск нехватки места для новых данных.
Решение
Увеличение ИТ-мощностей для хранения данных было экономически нецелесообразным из-за высокой стоимости оборудования. Такой подход в перспективе привёл бы к постоянно растущим расходам на инфраструктуру.
Компания приняла альтернативное решение: разработать сервис сжатия данных и внедрить его в корпоративный ИТ-периметр. Он должен автоматизированно обрабатывать все документы, поступающие во внутреннюю систему документооборота, и заменять их уменьшенными в размере копиями. Технологическим партнёром в реализации проекта стал оператор ИТ-решений «ОБИТ».
Технологии
Сложности
При разработке сервиса компания столкнулась с рядом технологических вызовов.
Сложная структура хранения. Данные распределены между разными филиалами с разным уровнем технической оснащённости. Для решения этой проблемы была реализована децентрализованная архитектура обработки данных с локальными узлами сжатия.
Ограниченная пропускная способность сетей. В отдельных регионах она усложняла перенос больших массивов данных. Для того чтобы снизить нагрузку на сети, были внедрены алгоритмы предварительного сжатия и пакетной передачи данных в фоновом режиме.
Ограниченные временные окна для обслуживания сервиса. Из-за необходимости круглосуточного доступа к системам технические работы проводились только в заранее согласованные ночные периоды, а обновления устанавливали автоматизированно.