人工智能如何提高大數據存儲與管理效率？

簡介： 經過使用AI數據存儲，供應商和企業能夠將存儲管理提高到一個新的水平。並且，存儲管理員能夠找到他們目前正在努力管理的指標的解決方案。

隨着大數據的大量來源以及企業可用數據量的增長，存儲容量規劃已成爲存儲管理員的問題。據估計，天天產生2.5萬億字節的數據。如今，若是以神經元計算的話，那就是至關於2.5億我的類大腦的海量數據。並且，相同的估計代表，全球總數據的90%是從2016年到2018年生成的。

能夠簡單地說，天天生成愈來愈多的數據，這正增長了存儲工做負載的規模和複雜性。可是，人工智能能夠拯救存儲管理員，幫助他們高效地存儲和管理數據。經過使用AI數據存儲，供應商和企業能夠將存儲管理提高到一個新的水平。並且，存儲管理員能夠找到他們目前正在努力管理的指標的解決方案。

存儲管理員須要努力的主要指標

存儲管理員在管理存儲問題時面臨一些挑戰。並且，若是他們克服了這些挑戰，將幫助他們在數據存儲的各個方面之間找到適當的平衡，例如在哪裏分配工做負載，如何分配工做負載以及如何優化堆棧等等。

通常而言，吞吐量是指處理某事物的速率。在網絡級別，吞吐量的度量單位是Mbps(兆位/秒)，而在存儲級別，吞吐量的度量單位是MB /秒(兆字節/秒)。因爲一個字節等於八兆位，所以生產率在存儲級別上提升了。而且，變得難以管理提升的生產率。

1. 延時

延遲是服務器完成請求所花費的時間。關於存儲，這是指知足單個存儲塊的請求所花費的時間。存儲塊或塊存儲是將數據存儲在卷中的塊。純延遲不受吞吐量影響，可是若是單個塊請求很大，則應用延遲可能會隨着吞吐量的增長而偏離。

2. IOPS(每秒輸入/輸出操做)

IOPS是指存儲堆棧每秒能夠處理的離散讀寫任務的數量。存儲堆棧是一種容許過程調用的數據結構。這意味着將多個過程彼此存儲在堆棧中，而後在調用和返回的基礎上一個接一個地執行全部過程。例如，若是一個過程被調用，它將被執行，而後返回，以便在堆棧中調用下一個過程。並且，在談論IOPS時，基礎輸入/輸出任務能夠達到存儲系統的堆棧限制。例如，讀取一個大文件和多個小文件可能會對IOPS產生影響。因爲讀取單個大文件僅須要執行一個讀取任務，所以能夠以較高的速度執行它，而另外一方面，讀取多個文件的速度很是慢，由於須要執行許多讀取任務。

AI數據存儲如何解決存儲問題

企業管理員和存儲供應商處理各類各樣的存儲類型。並且，它們還知足不一樣輸入/輸出服務的指標。大型文件共享應用可能須要適當的吞吐量，但也必須容許延遲損失，由於大型而複雜的應用可能會對延遲產生不利影響。另外一方面，電子郵件服務器可能須要大量存儲，低延遲和良好的吞吐量，但它可能不須要很是苛刻的IOPS配置文件。而且，存儲管理員應該決定應該爲哪些存儲分配什麼資源。所以，在組織中運行着成千上萬的服務時，對基礎存儲的管理超過了人們進行明智更改的能力。並且，這就是AI算法派上用場的地方。

人工智能支持的存儲管理和計劃

AI能夠監控存儲以檢測多種工做負載的模式和性能。這裏的工做負載是由各類輸入/輸出特徵或應用任務生成的數據流。經過檢測這些工做負載模式，AI能夠幫助存儲管理員洞悉哪些工做負載可能使他們面臨最大化存儲陣列的風險。此外，存儲監視還能夠幫助瞭解是否有任何額外的工做負載能夠放入陣列中。並且，若是添加到陣列中，那麼工做負載將形成多少中斷。

例如，假設一家企業正在向流程中添加電子郵件服務器。在這種狀況下，人工智能系統能夠幫助預測存儲陣列將可以知足該服務器的存儲需求仍是將其最大化。藉助此類技術，存儲管理員能夠主動獲取有關如何將不一樣的工做負載分配給不一樣的存儲堆棧並最大程度地減小延遲的信息。所以，將AI集成到存儲陣列，存儲供應商和組織中能夠優化存儲堆棧。

除了監視存儲活動外，存儲管理員還須要檢查和分析存儲系統要使用的應用的編碼和錯誤。這有助於他們更好地瞭解如何圍繞應用的需求設計存儲體系結構。他們經過了解應用的輸入/輸出模式來作到這一點。用於執行此操做的最多見技術是捕獲應用的跟蹤。

Strace是Linux的用戶空間實用程序，可用於診斷、調試和獲取有關輸入和輸出功能的指令。可是，因爲複雜的應用能夠具備多個輸入/輸出功能，所以這對人類來講多是一個挑戰。另外一方面，ML算法能夠輕鬆地提取和分析大量數據，並解決許多存儲問題，最好是經過查看存儲系統自己來解決。此外，經過使用大量數據訓練算法，以瞭解特定堆棧或整個應用如何收集和存儲數據，它們能夠幫助實現對該特定應用存儲活動的實時觀察，以防止堆棧最大化並改善存儲容量。

AI數據存儲可知足客戶需求

遙測數據是自動記錄和無線傳輸來自遠程或不可訪問來源的數據。遙測如下列方式起做用：傳感器在源處測量數據，它們將其轉換爲電壓，而後將其與定時數據合併爲單個數據流，該數據流將傳輸到遠程接收器。接收後，能夠根據用戶要求對數據進行處理。

AI的計算機視覺技術能夠掃描遙測數據，以保護存儲陣列免受漏洞侵害。當使用有關漏洞的歷史數據進行訓練時，機器學習算法能夠未來自各類應用程序的傳入數據與歷史數據進行匹配，以發現漏洞的可能性。所以，藉助AI的預測分析，存儲供應商能夠着眼於在遇到客戶以前防止存儲問題。

AI數據存儲仍處於起步階段，但已經顯示出了驚人的結果。並且，所以雲供應商和其餘存儲管理員正在對AI進行愈來愈多的投資，以使用超融合存儲系統進行存儲維護。採用主流AI數據存儲確定會幫助企業控制上述全部指標，併爲其客戶提供更好的服務。

[
](https://developer.aliyun.com/...

原文連接本文爲阿里雲原創內容，未經容許不得轉載。