如果將存儲想像成自動駕駛汽車而不是勞動密集型的必需品，該怎么辦?如果像自動駕駛汽車一樣可以預(yù)測途中遇到的障礙，企業(yè)的存儲基礎(chǔ)設(shè)施是否可以預(yù)測其需求?
企業(yè)可以根據(jù)對新技術(shù)的承受能力和企業(yè)文化，可能已經(jīng)在利用從應(yīng)用程序的行為中學(xué)習(xí)，識別應(yīng)用程序和配置中的異常，并使用該信息預(yù)測和預(yù)防問題的技術(shù)。
這些功能的核心技術(shù)是人工智能。事實上，人工智能的全面應(yīng)用還需要一段時間，專家認為這不可能很快改變。麥肯錫公司最近的一項調(diào)查發(fā)現(xiàn)，如今將近一半的公司正在以某種方式使用人工智能技術(shù)，絕大多數(shù)公司預(yù)計，未來幾年他們在人工智能方面的投資將增加。
當(dāng)要滿足當(dāng)今的存儲需求時，人工智能正變得至關(guān)重要。它使大量的數(shù)據(jù)能夠被快速智能地分析，并有助于避免瓶頸、可用性問題和安全問題?；谌斯ぶ悄艿拇鎯κ笽T人員可以將更少的時間花費在安全問題上，并提高基礎(chǔ)一言堂的可用性和生產(chǎn)力。
HPEStorage公司產(chǎn)品營銷總監(jiān)David Wang表示，其目標(biāo)是創(chuàng)建一個自主的、由人工智能驅(qū)動的幾乎可以即時提供洞察的基礎(chǔ)設(shè)施。
他說：“我們希望找到一個洞察力可以推動立即變化的地方。這是從內(nèi)部部署、邊緣計算一直到云計算的端到端人工智能管道的爭論。”
從不同的角度看待問題
IBM公司存儲市場營銷總監(jiān)Doug O'Flaherty說，人工智能改變了存儲的任務(wù)，這意味著組織應(yīng)該以不同的方式看待存儲和數(shù)據(jù)。
他說：“必須停止將存儲視為數(shù)據(jù)庫或特定用例所需的東西，并考慮如何以不同的方式使用對不同部門數(shù)據(jù)的訪問。如果企業(yè)可以讓數(shù)據(jù)科學(xué)家或組織中負責(zé)跨部門工作的其他人員訪問這些數(shù)據(jù)，那么就可以進入下一層數(shù)據(jù)分析，這實際上改變了存儲的主要任務(wù)之一。”
除了進行更廣泛的思考之外，重要的是采用一種以應(yīng)用程序為中心的存儲方式，而不是傳統(tǒng)的以數(shù)據(jù)為中心的存儲方式。
專注于分布式NoSQL數(shù)據(jù)庫技術(shù)的Splice Machine公司首席執(zhí)行官Monte Zweben解釋說，“在這個大數(shù)據(jù)人工智能世界的1.0版本中，企業(yè)認為它們必須由數(shù)據(jù)驅(qū)動。因此，他們專注于將所有數(shù)據(jù)存儲在存儲庫中以及該組中的所有人工智能工作人員。”
他說，這樣做的結(jié)果是，這些數(shù)據(jù)池往往很快就變成了“數(shù)據(jù)沼澤”，主要是因為負責(zé)業(yè)務(wù)流程的人能夠最好地使用這些數(shù)據(jù)，以及在這些業(yè)務(wù)流程中使用的應(yīng)用程序被排除在外。
通過專注于應(yīng)用程序而不是數(shù)據(jù)，企業(yè)將能夠更好地將存儲及其功能與業(yè)務(wù)相匹配。例如，處理大量索賠(業(yè)務(wù)流程)的保險公司將與負責(zé)索賠系統(tǒng)的專家和應(yīng)用程序開發(fā)人員一起識別應(yīng)用程序。通過將它們放在一起，他們可以最好地決定如何使用數(shù)據(jù)來創(chuàng)建智能的索賠處理系統(tǒng)。
他說：“這是使應(yīng)用程序具有數(shù)據(jù)智能化，而不是試圖收集所有數(shù)據(jù)，并將其提供給可能對索賠感興趣的人。這是一個簡單的想法，但它可以對企業(yè)如何操作人工智能產(chǎn)生深遠影響。”
構(gòu)建一個成功的基于人工智能的存儲基礎(chǔ)設(shè)施還意味著解決人工智能存儲管道中三個不同階段中的每一個階段：數(shù)據(jù)攝取(從不同環(huán)境攝取和規(guī)范化數(shù)據(jù)，以便可以將其作為一個整體來看待)，訓(xùn)練(使用機器學(xué)習(xí)來檢查數(shù)據(jù)以了解其中的真正含義)和推理(提供見解的階段)。
為了滿足這些要求，存儲基礎(chǔ)設(shè)施必須能夠支持非常高的容量、長期數(shù)據(jù)保留和高性能處理。換句話說，大規(guī)模的人工智能需要規(guī)模、保留和性能方面的能力。
Storage Switzerland公司首席分析師George Crump說，支持非常高的存儲容量的能力至關(guān)重要。他說，由于獲得人工智能的初始成本，組織很少刪除用于訓(xùn)練人工智能工作負載的數(shù)據(jù)點。此外，這些數(shù)據(jù)集不遵循隨著使用時間的增長而減少使用機會的典型數(shù)據(jù)訪問模型。他補充說：“人工智能工作負載需要重新處理原始訓(xùn)練數(shù)據(jù)的可能性幾乎為100%，因此整個數(shù)據(jù)集需要保持隨時可訪問。”
長期保存同樣重要，尤其是隨著存儲量的增加而增加時。
O'Flaherty說：“我們的意思是，決策將由機器根據(jù)輸入的數(shù)據(jù)做出。這意味著數(shù)據(jù)無法刪除。它會繼續(xù)增長。擁有的數(shù)據(jù)越多，應(yīng)用人工智能的準(zhǔn)確性和效率就越高。”
除了簡單地存儲更多數(shù)據(jù)之外，還必須存儲更多類型的數(shù)據(jù)。其中包括有關(guān)數(shù)據(jù)(元數(shù)據(jù))的數(shù)據(jù)，許多人認為，這些數(shù)據(jù)正成為最有價值的商品之一，尤其是在數(shù)據(jù)治理方面。
第三個要求是高性能處理。Crump說，“訓(xùn)練人工智能應(yīng)用程序是一個反復(fù)的過程，提高準(zhǔn)確性是一個反復(fù)訓(xùn)練的過程，調(diào)整人工智能算法，然后再進行訓(xùn)練。更新迭代進行得越快，開發(fā)人員制作模型的準(zhǔn)確性就越高，從而增加了存儲基礎(chǔ)設(shè)施的壓力。”
Crump說，大多數(shù)人工智能工作負載的關(guān)鍵是確保這些環(huán)境中標(biāo)準(zhǔn)的圖形處理單元(GPU)保持盡可能滿載運行。根據(jù)人工智能的工作量，Crump表示具有多個節(jié)點以及閃存和硬盤混合的橫向擴展存儲系統(tǒng)可能是有意義的。他說：“人工智能的工作負載往往是非常并行的，即使是使用硬盤，并行的橫向擴展存儲集群也可能會遇到挑戰(zhàn)。”
利用人工智能
對于剛起步的企業(yè)來說，只需從系統(tǒng)中提取數(shù)據(jù)，并將人工智能方法應(yīng)用于選定的數(shù)據(jù)集以尋找相關(guān)性，就可以簡單地擴充現(xiàn)有的數(shù)據(jù)。不過，最終企業(yè)會想更深入。一旦將關(guān)鍵應(yīng)用程序和系統(tǒng)捆綁在一起，要獲得人工智能的真正好處，可能需要部署新的基礎(chǔ)設(shè)施和接近數(shù)據(jù)的方式。
企業(yè)選擇的基于人工智能的存儲系統(tǒng)應(yīng)具有智能，可以快速管理元數(shù)據(jù)，并在正確的存儲類型上存儲正確的數(shù)據(jù)。Crump說，如果企業(yè)選擇在內(nèi)部部署數(shù)據(jù)中心運行基礎(chǔ)設(shè)施，則可以從全閃存存儲系統(tǒng)開始，但是最終，遷移到閃存和硬盤混合環(huán)境是有意義的。通常，環(huán)境還將包括軟件定義的存儲，該存儲可以自動執(zhí)行環(huán)境之間的數(shù)據(jù)移動。
盡管某些組織傾向于將所有內(nèi)容保留在內(nèi)部部署數(shù)據(jù)中心，特別是那些具有敏感工作負載和合規(guī)性/數(shù)據(jù)治理問題的組織，但其他組織則可以從基于云計算的人工智能/存儲環(huán)境中受益。
HPE公司Nimble Storage產(chǎn)品管理高級總監(jiān)Rochna Dhand說：“由于需要共享的計算能力和數(shù)據(jù)，很多事情都在云平臺中發(fā)生。從任何人工智能模型獲得的結(jié)果的質(zhì)量取決于可用于訓(xùn)練那些模型的數(shù)據(jù)的多樣性和數(shù)量，因此使用從云平臺中收集全球數(shù)據(jù)的系統(tǒng)非常有意義。”
Dhand表示，HPE公司正在研究將HPE Insight在云中提供的相同類型的全局數(shù)據(jù)分析引入用戶的內(nèi)部部署環(huán)境的方法。她說，這樣做的目的是將在云中所學(xué)到的知識進行編碼，并將其作為防火墻后的內(nèi)部部署更新應(yīng)用。
隨著時間的推移，Dhand相信技術(shù)將不斷發(fā)展，基礎(chǔ)設(shè)施管理最終將完全不受干涉。”她說：“企業(yè)將能夠預(yù)測并預(yù)防比目前更多的問題，并對這些預(yù)測和預(yù)防更有信心。不僅可以預(yù)測問題并找出解決問題的方法，而且還可以進一步確定正確的解決方案并付諸行動。”
京公網(wǎng)安備 11010502049343號