关于存储自动化、预测分析和人工智能 不可不知的6件事

人工智能和预测分析是现代存储系统的基本功能，有助于评估基础设施的运行状况，并确定问题和存储自动化功能，以保持这些系统的平稳运行。

[[380184]]

调研机构Gartner公司最近将“增强数据管理”列为2020年十大顶级数据和分析趋势列表中的第二位。供应商正在增加机器学习和人工智能功能，以提供自我配置和自我调整的数据管理，使IT员工能够专注于更高价值的任务。

人工智能和预测分析是这一趋势列表的一部分，但是，这些技术也带来了一些炒作。供应商有时会以模糊或不正确的方式贴上人工智能的标签。但是，预测分析工具可以在存储自动化性能、效率和降低运营成本方面带来更多的好处。

以下是有关人工智能、预测分析和存储自动化的六个关键问题的答案。

1. 预测分析如何帮助存储?

预测分析使用数据挖掘、分析查询、预测建模、人工智能、机器学习等技术来发现存储系统数据中的模式，以识别异常情况、预测未来结果并使用存储自动化功能解决问题。存储产品中的预测分析功能提供了几个优点：更好的性能和资源利用率、更低的管理开销、减少停机时间以及优化工作负载。

机器学习对于改进最新存储系统中的预测分析尤其重要。从整个存储基础架构收集的数据用于培训预测算法，以了解趋势并识别何时可能出现瓶颈和问题，然后可以不断优化存储组件并解决潜在问题。

2. 转向更智能存储的原因是什么?

越来越多地使用全闪存阵列以及混合和超融合基础设施是推动智能存储需求的因素之一。在许多组织中，它是数据中心技术体系中不可或缺的一部分，它是作为一个整体进行管理的，需要更多有关智能存储所提供的存储容量和性能的实时数据。

3. 云存储在使存储更智能方面扮演什么角色?

云存储结合了预测分析，有助于预测趋势、规划基础设施、减少开销。这些应用程序使用人工智能、机器学习和其他先进技术从存储堆栈中的闪存阵列连续收集和分析遥测数据。这里的目标也是分析IOPS、带宽、容错性、延迟和其他与存储相关的信息，发现问题并使用存储自动化功能主动解决问题。

IT分析机构IDC公司研究副总裁Eric Burgener在一份白皮书中说：“基于云计算的预测分析平台远远超出了上一代的远程监控系统。”他指出将基于云计算的预测分析与传统远程监控区分开来的三个关键功能：数据共享、监控范围以及使用人工智能和机器学习来推动自主操作。

在云计算环境中，预测分析使存储基础设施更接近自我修复技术，该技术可通过最少的干预来识别和解决问题。

4. 什么技术使存储更智能?

数据收集是智能存储基础的一部分。供应商汇总并分析来自其客户的匿名遥测数据，以了解可能影响其他客户的不同存储方案、工作负载或问题。供应商可以提供有关存储性能指标和模式的详细信息，以及在出现趋势、瓶颈和其他潜在问题之前的预测。

预测分析与机器学习和深度学习协同工作，以使这些系统无需预先编程的指令即可工作。

5. 存储预测分析工具应该具有哪些功能?

在审查存储系统时，需要关注和采用以下五个关键的预测分析功能：

(1)支持自动化。系统可以预测与性能、容量、可用性和安全性相关的各种问题。例如，预测分析可用于分析每个设备、卷和应用程序的存储容量使用情况，并主动确定何时达到目标。管理员可以使用存储自动化功能将系统设置为自动添加或重新平衡容量。

(2)自动化的管理和配置。寻找可提供自动存储设置和管理功能的工具。这些系统自动确定性能、资源消耗和容量需求，并优化工作负载配置以提高资源利用率。

(3)软件更新和修补。系统使用分析功能使代码可主动提供给满足要求的站点，以解决潜在问题。

(4)资源规划。预测算法确定趋势，以帮助提前规划未来的存储需求。存储管理员可以使用这一技术预测各种存储方案和可能升级的容量、IOPS和带宽需求。

(5)虚拟机(VM)管理。预测分析可以与虚拟化平台(例如VMware vSphere)集成，以提供有关特定于工作负载的性能和容量的信息，发现使用趋势并推荐更好的配置设置。

哪些供应商提供用于存储的预测分析工具?

人工智能驱动的分析软件及其预测和规范功能，是主要供应商提供的大多数存储产品的标准配置。IT用户应该对来自Dell EMC、HPE、Hitachi Vantara、IBM、Infinidat、NetApp和Pure Storage等行业领先供应商和初创公司采用人工智能的存储产品进行比较。