今天许多存储产品中都包含人工智能和预测分析等技术。人们需要了解这些技术如何帮助实现自动化存储、哪些功能有用以及哪些产品具备这些功能。人工智能和预测分析是现代存储系统的基本功能，有助于评估基础设施的健康状况并识别问题和存储自动化功能，以保持这些系统平稳运行。研究公司Gartner最近将“增强数据管理”列为2020年十大数据和分析趋势中的第二位。供应商正在增加机器学习和人工智能功能，以提供自配置和自调整数据管理，从而解放IT员工专注于更高价值的任务。人工智能和预测分析是这个趋势列表的一部分，但是，这些技术也伴随着一些炒作。供应商有时会给AI贴上模糊或错误的标签。然而，预测分析工具可以在存储自动化性能、效率和降低运营成本方面带来额外的好处。以下是关于人工智能、预测分析和存储自动化的六个关键问题的答案。1.预测分析如何帮助存储？预测分析使用数据挖掘、分析查询、预测建模、人工智能、机器学习等技术来发现存储系统数据中的模式，以识别异常、预测未来结果，并使用存储自动化功能解决问题。存储产品中的预测分析功能具有多项优势：更好的性能和资源利用率、更低的管理开销、更少的停机时间以及优化的工作负载。机器学习对于改进最新存储系统中的预测分析尤为重要。从整个存储基础架构收集的数据用于训练预测算法以了解趋势并确定何时可能出现瓶颈和问题，然后可以持续优化存储组件并解决潜在问题。2.转向更智能存储的原因是什么？越来越多地使用全闪存阵列以及混合和超融合基础设施是推动智能存储需求的因素之一。在许多组织中，它是数据中心技术堆栈不可或缺的一部分，作为一个整体进行管理，需要更多关于智能存储提供的存储容量和性能的实时数据。3.云存储在让存储更智能中扮演什么角色？云存储结合了预测分析来帮助预测趋势、规划基础设施和减少开销。这些应用程序使用人工智能、机器学习和其他先进技术，不断收集和分析来自存储堆栈中闪存阵列的遥测数据。这里的目标也是分析IOPS、带宽、容错、延迟和其他存储相关信息，以识别问题并使用存储自动化功能主动解决它们。IT分析公司IDC研究副总裁EricBurgener在一份白皮书中表示：“基于云的预测分析平台远远超越了上一代远程监控系统。”三个关键功能使其与众不同：数据共享、监视覆盖以及使用人工智能和机器学习来驱动自主操作。在云计算环境中，预测分析使存储基础设施更接近自我修复技术，以最少的干预识别和解决问题。4.哪些技术让存储更智能？数据收集是智能存储基础的一部分。供应商汇总和分析来自其客户的匿名遥测数据，以了解可能影响其他客户的不同存储场景、工作负载或问题。供应商可以提供有关存储性能指标和模式的详细信息，以及对趋势、瓶颈和其他潜在问题的预测。预测分析与机器学习和深度学习协同工作，使这些系统无需预编程指令即可工作。5.存储预测分析工具应该具备哪些功能？在审查存储系统时，需要关注和采用以下五个关键的预测分析能力：(1)支持自动化。该系统可以预测与性能、容量、可用性和安全性相关的各种问题。例如，预测分析可用于分析每个设备、卷和应用程序的存储容量使用情况，并主动确定何时达到目标。管理员可以使用存储自动化功能将系统设置为自动添加或重新平衡容量。(2)自动化管理和配置。寻找提供自动存储设置和管理的工具。这些系统自动确定性能、资源消耗和容量要求，并优化工作负载配置以提高资源利用率。(3)软件更新和补丁。系统使用分析使代码能够主动提供给符合条件的站点以解决潜在问题。(4)资源规划。预测算法可识别趋势，帮助提前规划未来的存储需求。存储管理员可以使用这项技术来预测各种存储选项和可能升级的容量、IOPS和带宽需求。(5)虚拟机(VM)管理。预测分析可以与VMwarevSphere等虚拟化平台集成，以提供有关特定于工作负载的性能和容量的信息、发现使用趋势并推荐更好的配置设置。哪些供应商提供存储预测分析工具？人工智能驱动的分析软件具有预测和规范功能，是主要供应商提供的大多数存储产品的标准配置。IT用户应该比较来自行业领先供应商和初创公司的支持AI的存储产品，例如DellEMC、HPE、HitachiVantara、IBM、Infinidat、NetApp和PureStorage。
