目前,许多存储厂商都在相关的产品或技术中,引入了人工智能和预测分析功能。在本文中,TechTarget 高级编辑 Stacey Peterson 介绍了人工智能和预测分析所带来的积极影响,以及这两种技术如何帮助实现存储自动化。
TechTarget 高级编辑 Stacey Peterson 认为:作为现代存储系统的关键特征,人工智能和预测分析技术能够对基础架构的运行状况进行评估,并及时发现潜在问题。而存储自动化则可以保证存储系统的平稳运行。
在 Gartner 近期发布的 “2020年数据与分析领域的十大技术趋势”报告中,增强型数据管理作为第二大趋势被着重介绍。根据 Gartner 的研究,许多厂商通过机器学习和人工智能,实现数据管理的自动配置和调整,以帮助 IT 人员专注于“高价值”工作。
然而,作为增强型数据管理的一部分,人工智能和预测分析技术的使用有些被炒作和夸大。当前供应商对人工智能这个标签的使用依旧模糊和不够精准。其实,预测分析可以通过提升存储自动化的性能、效率,降低运营成本,从而为用户带来可见的价值。
通过以下六个问题,我将对人工智能、预测分析和存储自动化三者的关系以及相关要点进行解读。
问题 1:存储如何受益于预测分析?
通过数据挖掘、分析查询、预测建模、人工智能和机器学习等技术,预测分析能够对存储系统的数据进行模式发现以识别异常,并通过存储自动化功能解决问题。在存储产品中引入预测分析,能够提升性能、提高资源利用率、降低管理开销、减少宕机时间并优化工作负载。
在最新的存储系统中,机器学习技术的引入能够实现更好的预测分析。从整个存储基础架构中收集的数据将用于训练预测算法,以了解变化趋势并识别可能出现问题的时间,进而对存储组件进行持续优化并解决潜在问题。
问题 2:存储智能化有哪些驱动因素?
全闪存阵列、融合以及超融合基础架构的广泛部署是推动存储智能化的关键驱动力。当前,存储不再是“分离”的。相反,在许多企业中,存储是数据中心技术堆栈中不可缺少的一部分。同时,对技术堆栈的统一管理,需要通过存储智能化获取更多有关存储容量和性能的实时数据。
问题 3:云存储如何推动存储智能化?
云存储与预测分析的结合,能够预测趋势、提前规划基础架构并减小开销。这些应用通过人工智能、机器学习等前沿技术,持续收集和分析存储堆栈闪存阵列中的遥测数据(telemetry data)。对每秒的读写次数、带宽、容错性、延迟等存储信息的分析,能够及时发现问题并通过存储自动化功能主动解决问题。
在云环境中,预测分析使存储基础架构向自我修复技术更进一步。自我修复技术可以使用最少的外部干预来识别和解决问题。
问题 4:存储智能化需要哪些技术支撑?
数据收集是存储智能化的基础之一。供应商汇总分析来自客户的“匿名遥测数据”( anonymized telemetry data),以了解不同存储方案、工作负载或问题对客户产生的可能影响。供应商可以提供有关存储性能指标和模式的详细信息,并预测趋势和其他潜在问题。
问题 5:存储预测分析工具需具备哪些功能?
评估存储系统时,需要关注以下五个关键预测分析功能以确保获得需要的性能:
支持自动化:存储系统需要能预测与性能、容量、可用性和安全性关联的各种问题。例如,预测分析可用于分析设备、卷和应用的存储容量使用情况,并主动识别达到使用目标的时间。管理员可以使用存储自动化功能进行系统设置,以自动添加或平衡容量。
自动化的管理和配置:提供自动化存储设置和管理功能的工具必不可少。这类系统能自动确定性能、资源消耗和容量需求,并通过优化负载分布来提高资源利用率。
软件更新与修复:存储系统需要主动更新软件,通过分析功能,在问题严重前主动发现问题并提供可用代码。
资源规划:预测算法通过识别趋势帮助提前规划未来的存储需求。存储管理员能使用它来预测各种存储方案的容量、IOPS 和带宽需求,同时也可用于升级。
虚拟机管理:预测分析能整合 VMware vSphere 等虚拟化平台,以提供关于负载性能和容量的信息,观察使用趋势并对配置设置提出更好的建议。
问题 6:哪些供应商能够提供适用于存储的分析工具?
目前,业内主流的存储供应商已经将人工智能驱动的分析软件集成到了绝大多数产品中,以提供预测和分析功能。同时,一些初创公司也推出了人工智能增强型存储产品。
SmartX 洞察
SmartX 超融合软件 SMTX OS 4.0 现已引入集群资源的用量预测功能,通过机器学习技术,利用集群运行过程中积累的用量数据能够进行趋势预测,让管理员轻松进行扩容规划。
推荐阅读:
SMTX OS 4.0 新特性解读 | 资源用量预测功能解析与视频教程
原文链接:
请扫描下方二维码,关注 SmartX 微信公众号“ SmartX 超融合”,第一时间了解更多超融合选型、评估、迁移等专业知识,以及最新产品动态、行业实施方案与案例。