06.26 人工智能,讓閃存有了預測能力

David Wang

HPE 產品營銷主管

人工智能,讓閃存有了預測能力

數十年來,當IT管理員在解決突發事件時,基礎架構都遊離在外,處於無感狀態。有了人工智能之後,基礎架構變得可預測,從此由於中斷和浪費時間所帶來的困擾都不會再有了。

我們所處的時代充滿了前所未有的機遇,數字化戰略和新型應用正在促使各類組織轉型。基礎架構不僅推出了這些戰略的制定,而且還會帶來更多的顛覆性功能——為初創公司提供快速可靠的性能,並持續可用。基礎架構日益成熟複雜,組織需要為調節和解決故障不斷投入時間和金錢。為了享有數字化業務的利益,基礎架構必須“純粹工作”,不被打斷或拖延應用,也不需手動介入。

人工智能,讓閃存有了預測能力

為了追求更好的性能,各類規模企業的IT領導轉而採用閃存。性能一旦下降,他們就認為可能是存儲引起的,從而輕率地採用閃存,希望就此解決問題。但最近的一項研究表明,存儲引發上述情形的可能性只佔不到一半(46%)。其它的引發因素分別是配置問題(28%),互用性問題(11%),非存儲最佳實踐影響性能(8%),主機、計算或虛擬機問題(7%)。

毋庸置疑,閃存自身不能保證可靠的、不間斷的獲取數據,或消除人力投入。IT組織想要推動業務進步的願望強烈,但基礎架構總是用故障、修理、調試、重複這一怪圈阻礙這一進步的實現。

人工智能,讓閃存有了預測能力

來源:Nimble存儲調查了12,000多匿名案例,記錄下了應用-數據缺口相關的問題。

預測性閃存

預測性閃存代表了一個由AI賦予的獨特存儲體驗。深度感測數據由全球已安裝基地持續收集而來;在雲端的先進機器學習在分析數據後能識別工作負載和應用中的異常情況;預測性分析能夠自動預測並防止問題的發生;由中斷和手動調節造成的時間浪費和麻煩由此終結。

有了預測性閃存,IT管理員終於能節省下時間專注於推動組織的進步。但也要認識到,預測性分析必須要在問題發生前發揮作用。

這一表格展示了數據中心所面臨的挑戰。

人工智能,讓閃存有了預測能力

存儲問題-簡單到複雜

正如您所見,問題一般分為幾類:簡單又普通的問題(左側),複雜又獨特的問題(右側)。簡單又普通的問題,例如驅動失敗,常見而且只是困擾IT的一小部分原因。這是大部分廠商的預測能力的拓展。但是,越複雜越獨特的問題越難以解決——困難、耗時、費錢。

為了讓基礎架構滿足業務所需,組織必須要應對所有類型的問題。如何做到呢?目前為止,還沒有具體辦法。但AI和機器學習可以幫助解決複雜而獨特的問題——是“長尾”阻礙了有效的數字化轉型。

必須具備的人工智能能力

作為人類,我們能看到眼前的事物,能回憶一點過去。但是AI所見超出了這些侷限,可以在存儲的生命週期中驅動預測性的洞察力,並不斷擴大。這些是基礎架構的有效AI必須具備的能力。

監控整個基礎架構的能力

每個設備的工具提供系統狀態只是一方面。有能力連接包括可視化、計算、網絡和存儲在內的各層才是全貌。

學習的能力

若僅分析本地系統,其價值十分有限,因為成千的同類系統的行為不能用來輔助檢測和診斷正在形成的問題。相對的,全球數據收集和分析的方法可以彙集對海量的工作負載的觀察。這些會訓練AI來預測異常行為,而且準確性很高。

執行的能力

理想狀態是自主操作,無需手動。這需要供應商的轉型來實現——從反應式的操作至自動化檢測並解決問題。這要求明確知道需要進行哪些變革以避免問題或改善環境,並告之IT管理員何時進行何種操作。

預測及預防問題遠遠不止是應對問題或遷移至閃存這麼簡單,不可靠的基礎架構會使公司搜尋的數字化業務戰略的邊界變得模糊。關鍵是要消除中斷和經常要求的手動干預。預測性閃存滿足了業務的需求:在整個架構中預測並預防問題,保障理想的性能和有效資源。可視化會為您的組織創建數字化業務戰略。


分享到:


相關文章: