如何在存储管理中使用人工智能

人工智能的兴起推动了存储管理的发展，从存储资源管理软件发展到可自动执行大部分流程的 AIOps 工具。

AIOps 支持对存储基础设施和应用程序进行监控、诊断、预测分析和规范功能。从本质上讲，AIOps 可以告诉组织存储发生了什么以及为什么、可能发生什么以及如何处理。

通过从存储管理中去除大量手动工作，AIOps 提高了效率并让 IT 人员可以腾出时间处理其他任务。各种供应商都提供用于存储和存储管理的 AI，这有优点也有缺点。

AI 存储管理的工作原理

用于存储的 AIOps 使用机器学习来收集和分析遥测数据。这些信息被转化为预测分析。

AIOps 包括自动化、性能管理和服务管理，并自动执行涉及扩展和保护存储系统的许多决策。此外，AI 还可以帮助完成存储规划、存储生命周期管理、根本原因分析和存储优化等任务。

遥测数据是 AI 存储管理工具的关键部分。这些数据是通过传感器从存储、服务器和网络系统收集的信息。

人工智能和机器学习分析从这些系统收集的有关硬件设备、操作系统、应用程序和虚拟机管理程序的信息。这有助于检测异常活动，例如配置不当的设备、意外的容量增长或异常的吞吐量需求。这些活动可用于资源规划和优化存储性能。

人工智能存储管理系统通常是在公共云上执行分析的 SaaS 应用程序。这使这些应用程序能够将这些数据与从各种系统收集的信息进行比较，从而提高其预测能力。不过，有几家供应商提供专门设计用于在本地运行的产品。

基于人工智能的存储管理工具的区别在于它们的功能。许多此类工具使用人工智能来帮助进行故障排除、根本原因分析和存储优化。一些工具提供了额外的功能，例如帮助降低功耗、部署应用程序甚至管理硬件生命周期。

大多数支持人工智能的存储工具本质上是专有的，但一些存储供应商利用 API 来从第三方来源收集数据。

在投资 AI 存储工具之前，请考虑系统如何发送警报。大多数工具在仪表板上显示警报，但有些工具使用其他机制，例如短信或电子邮件。无论采用哪种交付方式，该工具都应过滤掉噪音警报，以便组织可以专注于重要的事情。

AI 存储管理选项

多家供应商提供与各种系统和应用程序兼容的 AI 存储管理软件。供应商还将 AI 存储管理与其存储即服务产品结合使用。

供应商及其涵盖的系统和应用程序包括以下内容：

• Dell Apex AIOps 基础设施可观察性。所有 Dell 存储；PowerEdge 服务器；VxRail、PowerFlex 和 VxBlock 融合和超融合基础设施 (HCI)；PowerProtect Data Domain 和 PowerProtect Data Manager 数据保护；以及 PowerSwitch 和 Connectrix 网络。
• HPE InfoSight。Alletra、Primera 和 Nimble 存储；SimpliVity HCI；ProLiant 和 Apollo 服务器；以及 Synergy 可组合基础设施。
• IBM Storage Insights。所有 IBM 块存储、交换机、结构和 VMware ESXi 主机 – IBM Storage Insights Pro（付费订阅版本）还涵盖 IBM 和第三方块和对象存储。
• Infinidat InfiniVerse。InfiniBox、InfiniBox SSA。
• NetApp Active IQ。 OnTap、Element、StorageGrid 和 SANtricity。
• Pure Storage Pure1。FlashArray、FlashBlade 和 Portworx 存储。

AI 存储管理的优势

AI 驱动的存储管理消除了传统存储资源管理的许多复杂性和手动任务。好处包括自动配置、智能数据分层和工作负载优化。因此，专用存储人员可以花更少的时间来监控和管理系统。AIOps 可以为 MSP 提供很大的帮助，因为它使他们能够远程管理许多客户的存储。

通过根据当前使用模式预测未来事件，管理系统可以预防用户可能无法预料的问题。他们还可以建议用户增加存储容量和计算资源，并在性能成为问题之前完成其他升级。用户可以配置应用程序以自动采取行动以防止设备故障或性能下降，尽管 IT 商店可能更愿意简单地接收建议，然后自己进行这些更改。

AI 存储管理的挑战

AI 存储管理系统的一个问题是，它们通常是专有的，通常只能与一家供应商的产品配合使用。例如，如果某个组织拥有一家供应商的 SAN，则另一家供应商的 AI 存储管理系统可能与其不兼容。

另一个问题是数据的收集和分析会产生更多数据——存储管理需要更多存储的情况就是如此。随着时间的推移，组织必须决定要安全丢弃哪些数据。

并非所有组织都可以允许第三方连接到其数据中心。所谓的暗站无法使用基于 SaaS 的分析，这些分析会在公共云或供应商的站点中收集和存储数据。供应商可以在本地服务器上使用分析软件，这样遥测数据就不会传播，但这些用户在数据与同行的数据不进行比较时会失去一些分析的好处。

基于 AI 的存储管理将直接随着 AI 技术走向成熟而发展。

无论是否是暗网，所有用户都应该询问供应商他们在存储之外收集了多少信息，以及他们如何保证数据保持匿名和受保护。

由于存储管理中的人工智能仍然是一项新技术，随着收集到更多信息，算法将随着时间的推移而改进。

存储管理中人工智能的未来

过去几年，人工智能和机器学习技术取得了巨大进步。因此，基于人工智能的存储管理将直接随着人工智能技术的成熟而发展。

存储供应商可能会将人工智能用作安全工具。例如，企业可能会训练人工智能监控，以识别勒索软件攻击的迹象并帮助防止潜在的感染。

基于人工智能的存储管理工具可能会支持智能备份和恢复功能。例如，人工智能可以自动识别组织最关键的数据，确保数据得到备份，并在需要恢复时优先处理这些高价值数据。

存储系统中的人工智能还可以提供自我修复功能。通过这种方式，AI 可能会检测到磁盘故障、扇区损坏或类似问题，并采取纠正措施以防止数据丢失或系统中断。