应该关注的5种预测性储存分析功能

用于模型开发和训练的数据集越大，预测统计模型或机器学习模型的准确性就越高。考虑到这一点，许多供应商聚合并匿名来自所有客户的数据。使用来自更广泛和更多样化的示例集的数据，供应商可以显着改进预测并更好地检测性能 安全性和硬件异常。

例如，Hewlett Packard Enterprise InfoSight是HPE收购Nimble的产品，Nimble每天从几乎每个部署的Nimble阵列收集3000万到7000万个传感器的数据。该公司声称，在客户发现问题之前，可以解决90％的问题。

HPE的InfoSight每天从部署的Nimble阵列收集多达7000万个传感器。

由于训练数据集仅由存储软件供应商用于预测模型开发，因此不需要识别特定客户的信息，并且每个客户部署可以从其他客户的经验中受益。首先，存储供应商使用聚合数据来改进所谓的机器学习或深度学习培训阶段的预测模型。然后，他们将模型推送到系统管理软件，该软件在推理阶段从每个系统中提取实时监控数据。其他型号用于系统配置 容量规划和故障排除，以执行根本原因分析。

预测算法正在成为存储平台上的标准设备，与被动存储管理方法相比，它们具有许多优势。

预测性存储分析软件通常用于改进许多任务。在评估产品时，您需要了解如何衡量这五个关键特性和功能中的每一个：

（1）支持自动预测并防止性能 容量 可用性和安全性问题。容量管理是预测性存储分析软件的最常见应用程序。该模型可以实时分析每个设备的数量 和应用程序的使用情况，并在达到目标时主动发出警报。根据管理员的判断，系统可以自动添加分配的空间或重新平衡现有容量以防止其耗尽。

（2）预测性存储分析还可以通过关联和识别与特定问题相关的事件来帮助解决问题并执行根本原因分析。使用汇总的客户数据对于故障排除特别有用，因为它为管理系统提供了对所有客户问题的超集的可见性以及检测以前未发现的微妙问题的能力，这些问题与其他地方Forensic签名中出现的类似问题共享。（2）管理和配置功能显示在模型中，模型可以自动确定性能 资源消耗 容量基线和趋势。这些包括不适用于简单统计模型的模型，例如线性 多项式回归或周期性时间波动（每周季节性 每周 ）。基线和趋势可用于自动化存储系统的设置和管理，并通过优化配置设置和协助工作负载分配来提高资源利用率和效率。

（3）系统软件更新和修补功能主动应用修补程序（取决于管理员批准），包括解决以前发现的系统问题的修复程序。一些供应商使用分析来使beta或alpha级代码仅可用于遇到特定问题并满足硬件或其他系统要求的站点，并希望该修复程序能够解决紧急问题而不会不必要地危及其他客户的可靠性。性别。

（4）资源规划功能使用相同的趋势预测算法来增强规划模拟和假设分析，使存储管理员能够快速模拟各种场景，预测容量  IOPS和带宽要求，并推荐系统升级。

（5）虚拟机管理功能与各种虚拟化平台（尤其是VMware的vSphere）集成，以提供特定于工作负载的性能和容量指标，现场使用趋势和推荐的存储配置设置。

好处和建议

通常与其他自动化和配置管理工具结合使用的预测算法正在成为存储平台上的标准设备，并且与被动存储管理方法相比具有许多优势。这些包括：

通过自动化与容量和性能管理相关的存储任务来降低运营支出;

通过主动解决问题来提高可用性，例如在特定卷上耗尽容量;

通过推荐最佳配置，提高资源利用率和效率，并提高应用程序性能。

例如，除了在客户意识到问题之前预测和解决问题之外，HPE还声称InfoSight将管理和解决存储相关问题所需的时间缩短了85％，并节省了79％的运营费用。

存储供应商通常提供管理软件。因此，建议将预测性存储分析和其他人工智能衍生技术作为未来产品评估的关键点。使用与设备无关的软件定义存储的组织也是如此，例如Cohesity  DataCore  Red Hat Ceph  Gluster和VMware vSAN。使用上面的功能列表作为产品评估核对表的一部分，以确定最合适的业务需求和更广泛的基础架构管理环境。

中安威士：保护核心数据，捍卫网络安全

来源：网络收集

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/69914889/viewspace-2646256/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/69914889/viewspace-2646256/