很多人都熟悉預(yù)測(cè)數(shù)據(jù)分析的強(qiáng)大功能、便利性，以及無(wú)經(jīng)倫比的精確性。無(wú)論是在Netflix網(wǎng)站上尋找新內(nèi)容，還是瀏覽近日在亞馬遜網(wǎng)站購(gòu)買(mǎi)的物品，預(yù)測(cè)分析越來(lái)越多地用于自動(dòng)化日常任務(wù)，過(guò)濾信息，做出更好的決策，并改善客戶(hù)支持。
預(yù)測(cè)分析的大多數(shù)早期用途都集中在消費(fèi)者應(yīng)用程序上，在這些應(yīng)用程序中可以從大量用戶(hù)那里收集大量數(shù)據(jù)，從而更容易證明在數(shù)據(jù)采集、處理和模型開(kāi)發(fā)方面的大量投資是合理的。很難了解預(yù)測(cè)分析的投資回報(bào)率，因?yàn)檫@是一項(xiàng)復(fù)雜的工作。它遠(yuǎn)遠(yuǎn)超越了傳統(tǒng)的統(tǒng)計(jì)和概率技術(shù)，通常使用機(jī)器學(xué)習(xí)，甚至在某些情況下，采用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)來(lái)訓(xùn)練模型，并根據(jù)大量數(shù)據(jù)集進(jìn)行預(yù)測(cè)。數(shù)據(jù)驅(qū)動(dòng)的方法非常適合于自動(dòng)化IT系統(tǒng)管理，因?yàn)楝F(xiàn)在的基礎(chǔ)設(shè)施可以提供大量的事件日志、系統(tǒng)遙測(cè)、性能指標(biāo)。
制造、物流和設(shè)施控制系統(tǒng)開(kāi)創(chuàng)了預(yù)測(cè)分析的工業(yè)應(yīng)用。例如，勞斯萊斯公司使用預(yù)測(cè)分析來(lái)主動(dòng)安排維護(hù)，并提高其飛機(jī)發(fā)動(dòng)機(jī)的效率。在存儲(chǔ)應(yīng)用中，預(yù)測(cè)分析用于預(yù)測(cè)和主動(dòng)修復(fù)設(shè)備故障，識(shí)別性能瓶頸，并基于歷史測(cè)量?jī)?yōu)化系統(tǒng)配置。
毫無(wú)疑問(wèn)，無(wú)論是Netflix網(wǎng)站還是谷歌智能助理，企業(yè)的使用數(shù)據(jù)越多，其提供的建議就越好，因?yàn)橹鸩教岣邷?zhǔn)確性主要取決于是否有更多數(shù)據(jù)可供使用。這同樣適用于預(yù)測(cè)性存儲(chǔ)分析。該軟件的準(zhǔn)確性與它所擁有的數(shù)據(jù)一樣，無(wú)論是數(shù)量還是質(zhì)量都很重要;基于不準(zhǔn)確或不精確數(shù)據(jù)的預(yù)測(cè)模型都將失敗。
用于模型開(kāi)發(fā)和培訓(xùn)的數(shù)據(jù)集越大，預(yù)測(cè)統(tǒng)計(jì)模型或機(jī)器學(xué)習(xí)模型的精度越高。考慮到這一點(diǎn)，許多供應(yīng)商對(duì)來(lái)自其所有客戶(hù)的數(shù)據(jù)進(jìn)行匯總和匿名。使用更廣泛和多樣的安裝示例中的數(shù)據(jù)，供應(yīng)商可以顯著提高預(yù)測(cè)，更好地檢測(cè)性能、安全性和硬件異常。
例如，Hewlett Packard Enterprise InfoSight是HPE公司收購(gòu)Nimble的產(chǎn)物，每天從幾乎每個(gè)部署的Nimble陣列收集來(lái)自3000萬(wàn)到7000萬(wàn)個(gè)傳感器的數(shù)據(jù)。該公司聲稱(chēng)，在客戶(hù)發(fā)現(xiàn)問(wèn)題之前，它發(fā)現(xiàn)的90%的問(wèn)題都可以得到解決。
由于訓(xùn)練數(shù)據(jù)集僅由存儲(chǔ)軟件供應(yīng)商用于預(yù)測(cè)模型開(kāi)發(fā)，因此不需要識(shí)別特定客戶(hù)的信息，并且每個(gè)客戶(hù)部署可以從其他客戶(hù)的經(jīng)驗(yàn)中受益。首先，存儲(chǔ)供應(yīng)商使用聚合數(shù)據(jù)來(lái)改進(jìn)所謂的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)培訓(xùn)階段的預(yù)測(cè)模型。然后，他們將模型推送到系統(tǒng)管理軟件，該軟件在推理階段從各個(gè)系統(tǒng)中提取實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)。其他模型用于系統(tǒng)配置、容量規(guī)劃和故障排除，以執(zhí)行根本原因分析。
(1)支持自動(dòng)化預(yù)測(cè)并防止性能、容量、可用性和安全問(wèn)題。容量管理是預(yù)測(cè)性存儲(chǔ)分析軟件最常見(jiàn)的應(yīng)用程序。模型可以實(shí)時(shí)分析每個(gè)設(shè)備、數(shù)量和應(yīng)用程序的使用情況，并在達(dá)到使用目標(biāo)時(shí)主動(dòng)發(fā)出警報(bào)。根據(jù)管理員的判斷，系統(tǒng)可以自動(dòng)添加分配的空間或重新平衡現(xiàn)有容量，以防止其耗盡。
預(yù)測(cè)性存儲(chǔ)分析還可以通過(guò)關(guān)聯(lián)和識(shí)別與特定問(wèn)題相關(guān)的事件來(lái)幫助解決問(wèn)題和進(jìn)行根本原因分析。使用匯總的客戶(hù)數(shù)據(jù)對(duì)于故障排除特別有用，因?yàn)樗鼮楣芾硐到y(tǒng)提供了對(duì)所有客戶(hù)問(wèn)題超集的可見(jiàn)性，并能夠檢測(cè)到以前未發(fā)現(xiàn)的細(xì)微的問(wèn)題，這些問(wèn)題與其他地方發(fā)生的類(lèi)似問(wèn)題共享取證簽名。
(2)管理和配置功能顯示在模型中，模型可以自動(dòng)確定性能、資源消耗、容量基線(xiàn)和趨勢(shì)。其中包括不適合簡(jiǎn)單統(tǒng)計(jì)模型的模型，如線(xiàn)性、多項(xiàng)式回歸或周期性時(shí)間波動(dòng)(季節(jié)性、每月、每周)。基線(xiàn)和趨勢(shì)可用于自動(dòng)化存儲(chǔ)系統(tǒng)的設(shè)置和管理，并通過(guò)優(yōu)化配置設(shè)置和協(xié)助工作負(fù)載分配來(lái)提高資源利用率和效率。
(3)系統(tǒng)軟件更新和修補(bǔ)功能主動(dòng)應(yīng)用修補(bǔ)程序(需經(jīng)管理員批準(zhǔn))，包括解決以前發(fā)現(xiàn)的系統(tǒng)問(wèn)題的修補(bǔ)程序。一些供應(yīng)商使用分析使beta或alpha級(jí)別的代碼，僅對(duì)遇到特定問(wèn)題并滿(mǎn)足硬件或其他系統(tǒng)要求的站點(diǎn)可用，希望該修復(fù)程序能夠解決緊急問(wèn)題，而不會(huì)不必要地危及其他客戶(hù)的可靠性。
存儲(chǔ)供應(yīng)商通常提供管理軟件。因此，建議將預(yù)測(cè)性存儲(chǔ)分析和其他人工智能衍生技術(shù)作為未來(lái)產(chǎn)品評(píng)估的關(guān)鍵點(diǎn)。對(duì)于使用設(shè)備無(wú)關(guān)的軟件定義存儲(chǔ)的組織也是如此，例如Cohesity、DataCore、Red Hat Ceph、Gluster以及VMware vSAN。使用上面的功能列表作為產(chǎn)品評(píng)估清單的一部分，以確定最適合企業(yè)的需求和更廣泛的基礎(chǔ)設(shè)施管理環(huán)境。
預(yù)測(cè)性存儲(chǔ)分析工具正在成為企業(yè)采用的標(biāo)準(zhǔn)設(shè)備。人們需要了解它們的功能、工作方式以及提供的好處。 很多人都熟悉預(yù)測(cè)數(shù)據(jù)分析的強(qiáng)大功能、便利性，以及無(wú)經(jīng)倫比的精確性。無(wú)論是在Netflix網(wǎng)站上尋找新內(nèi)容，還是瀏覽近日在亞馬遜網(wǎng)站購(gòu)買(mǎi)的物品，預(yù)測(cè)分析越來(lái)越多地用于自動(dòng)化日常任務(wù)，過(guò)濾信息，做出更好的決策，并改善客戶(hù)支持。 預(yù)測(cè)分析的大多數(shù)早期用途都集中在消費(fèi)者應(yīng)用程序上，在這些應(yīng)用程序中可以從大量用戶(hù)那里收集大量數(shù)據(jù)，從而更容易證明在數(shù)據(jù)采集、處理和模型開(kāi)發(fā)方面的大量投資是合理的。很難了解預(yù)測(cè)分析的投資回報(bào)率，因?yàn)檫@是一項(xiàng)復(fù)雜的工作。它遠(yuǎn)遠(yuǎn)超越了傳統(tǒng)的統(tǒng)計(jì)和概率技術(shù)，通常使用機(jī)器學(xué)習(xí)，甚至在某些情況下，采用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)來(lái)訓(xùn)練模型，并根據(jù)大量數(shù)據(jù)集進(jìn)行預(yù)測(cè)。數(shù)據(jù)驅(qū)動(dòng)的方法非常適合于自動(dòng)化IT系統(tǒng)管理，因?yàn)楝F(xiàn)在的基礎(chǔ)設(shè)施可以提供大量的事件日志、系統(tǒng)遙測(cè)、性能指標(biāo)。 制造、物流和設(shè)施控制系統(tǒng)開(kāi)創(chuàng)了預(yù)測(cè)分析的工業(yè)應(yīng)用。例如，勞斯萊斯公司使用預(yù)測(cè)分析來(lái)主動(dòng)安排維護(hù)，并提高其飛機(jī)發(fā)動(dòng)機(jī)的效率。在存儲(chǔ)應(yīng)用中，預(yù)測(cè)分析用于預(yù)測(cè)和主動(dòng)修復(fù)設(shè)備故障，識(shí)別性能瓶頸，并基于歷史測(cè)量?jī)?yōu)化系統(tǒng)配置。 消化所有數(shù)據(jù) 毫無(wú)疑問(wèn)，無(wú)論是Netflix網(wǎng)站還是谷歌智能助理，企業(yè)的使用數(shù)據(jù)越多，其提供的建議就越好，因?yàn)橹鸩教岣邷?zhǔn)確性主要取決于是否有更多數(shù)據(jù)可供使用。這同樣適用于預(yù)測(cè)性存儲(chǔ)分析。該軟件的準(zhǔn)確性與它所擁有的數(shù)據(jù)一樣，無(wú)論是數(shù)量還是質(zhì)量都很重要;基于不準(zhǔn)確或不精確數(shù)據(jù)的預(yù)測(cè)模型都將失敗。 對(duì)于預(yù)測(cè)性存儲(chǔ)分析軟件，數(shù)據(jù)需求轉(zhuǎn)化為收集大量系統(tǒng)事件、內(nèi)部參數(shù)、性能度量和特定于工作負(fù)載的度量。其基線(xiàn)遙測(cè)包括： 事件和錯(cuò)誤日志，例如系統(tǒng)故障和異常; 性能測(cè)量，例如總體IOPS和每卷IOPS、各種操作(如順序讀取、隨機(jī)讀取和順序?qū)懭?的吞吐量以及延遲; 按工作負(fù)載劃分的帶寬使用和延遲; 工作集(熱數(shù)據(jù))和緩存利用率。 用于模型開(kāi)發(fā)和培訓(xùn)的數(shù)據(jù)集越大，預(yù)測(cè)統(tǒng)計(jì)模型或機(jī)器學(xué)習(xí)模型的精度越高。考慮到這一點(diǎn)，許多供應(yīng)商對(duì)來(lái)自其所有客戶(hù)的數(shù)據(jù)進(jìn)行匯總和匿名。使用更廣泛和多樣的安裝示例中的數(shù)據(jù)，供應(yīng)商可以顯著提高預(yù)測(cè)，更好地檢測(cè)性能、安全性和硬件異常。 例如，Hewlett Packard Enterprise InfoSight是HPE公司收購(gòu)Nimble的產(chǎn)物，每天從幾乎每個(gè)部署的Nimble陣列收集來(lái)自3000萬(wàn)到7000萬(wàn)個(gè)傳感器的數(shù)據(jù)。該公司聲稱(chēng)，在客戶(hù)發(fā)現(xiàn)問(wèn)題之前，它發(fā)現(xiàn)的90%的問(wèn)題都可以得到解決。 HPE公司的InfoSight每天從部署的Nimble陣列收集多達(dá)7000萬(wàn)個(gè)傳感器的數(shù)據(jù)。 由于訓(xùn)練數(shù)據(jù)集僅由存儲(chǔ)軟件供應(yīng)商用于預(yù)測(cè)模型開(kāi)發(fā)，因此不需要識(shí)別特定客戶(hù)的信息，并且每個(gè)客戶(hù)部署可以從其他客戶(hù)的經(jīng)驗(yàn)中受益。首先，存儲(chǔ)供應(yīng)商使用聚合數(shù)據(jù)來(lái)改進(jìn)所謂的機(jī)器學(xué)習(xí)或深度學(xué)習(xí)培訓(xùn)階段的預(yù)測(cè)模型。然后，他們將模型推送到系統(tǒng)管理軟件，該軟件在推理階段從各個(gè)系統(tǒng)中提取實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)。其他模型用于系統(tǒng)配置、容量規(guī)劃和故障排除，以執(zhí)行根本原因分析。 預(yù)測(cè)算法正在成為存儲(chǔ)平臺(tái)上的標(biāo)準(zhǔn)設(shè)備，與存儲(chǔ)管理的被動(dòng)方法相比，它具有許多優(yōu)勢(shì)。 預(yù)測(cè)性存儲(chǔ)分析軟件通常用于改進(jìn)許多任務(wù)。在評(píng)估產(chǎn)品時(shí)，需要查看每個(gè)產(chǎn)品如何衡量這五個(gè)關(guān)鍵特性和功能： (1)支持自動(dòng)化預(yù)測(cè)并防止性能、容量、可用性和安全問(wèn)題。容量管理是預(yù)測(cè)性存儲(chǔ)分析軟件最常見(jiàn)的應(yīng)用程序。模型可以實(shí)時(shí)分析每個(gè)設(shè)備、數(shù)量和應(yīng)用程序的使用情況，并在達(dá)到使用目標(biāo)時(shí)主動(dòng)發(fā)出警報(bào)。根據(jù)管理員的判斷，系統(tǒng)可以自動(dòng)添加分配的空間或重新平衡現(xiàn)有容量，以防止其耗盡。 預(yù)測(cè)性存儲(chǔ)分析還可以通過(guò)關(guān)聯(lián)和識(shí)別與特定問(wèn)題相關(guān)的事件來(lái)幫助解決問(wèn)題和進(jìn)行根本原因分析。使用匯總的客戶(hù)數(shù)據(jù)對(duì)于故障排除特別有用，因?yàn)樗鼮楣芾硐到y(tǒng)提供了對(duì)所有客戶(hù)問(wèn)題超集的可見(jiàn)性，并能夠檢測(cè)到以前未發(fā)現(xiàn)的細(xì)微的問(wèn)題，這些問(wèn)題與其他地方發(fā)生的類(lèi)似問(wèn)題共享取證簽名。 (2)管理和配置功能顯示在模型中，模型可以自動(dòng)確定性能、資源消耗、容量基線(xiàn)和趨勢(shì)。其中包括不適合簡(jiǎn)單統(tǒng)計(jì)模型的模型，如線(xiàn)性、多項(xiàng)式回歸或周期性時(shí)間波動(dòng)(季節(jié)性、每月、每周)。基線(xiàn)和趨勢(shì)可用于自動(dòng)化存儲(chǔ)系統(tǒng)的設(shè)置和管理，并通過(guò)優(yōu)化配置設(shè)置和協(xié)助工作負(fù)載分配來(lái)提高資源利用率和效率。 (3)系統(tǒng)軟件更新和修補(bǔ)功能主動(dòng)應(yīng)用修補(bǔ)程序(需經(jīng)管理員批準(zhǔn))，包括解決以前發(fā)現(xiàn)的系統(tǒng)問(wèn)題的修補(bǔ)程序。一些供應(yīng)商使用分析使beta或alpha級(jí)別的代碼，僅對(duì)遇到特定問(wèn)題并滿(mǎn)足硬件或其他系統(tǒng)要求的站點(diǎn)可用，希望該修復(fù)程序能夠解決緊急問(wèn)題，而不會(huì)不必要地危及其他客戶(hù)的可靠性。 (4)資源規(guī)劃功能使用相同的趨勢(shì)發(fā)現(xiàn)預(yù)測(cè)算法來(lái)增強(qiáng)規(guī)劃模擬和假設(shè)分析，使存儲(chǔ)管理員能夠快速模擬各種場(chǎng)景，預(yù)測(cè)容量、IOPS和帶寬需求，并建議系統(tǒng)升級(jí)。 (5)虛擬機(jī)管理功能與各種虛擬化平臺(tái)(尤其是VMware的vSphere)集成，可提供特定于工作負(fù)載的性能和容量指標(biāo)，現(xiàn)場(chǎng)使用趨勢(shì)并建議存儲(chǔ)配置設(shè)置。 好處和建議 預(yù)測(cè)算法通常與其他自動(dòng)化和配置管理工具配合使用，正在成為存儲(chǔ)平臺(tái)上的標(biāo)準(zhǔn)設(shè)備，與存儲(chǔ)管理的被動(dòng)方法相比，它具有許多優(yōu)勢(shì)。這些包括： 通過(guò)自動(dòng)化與容量和性能管理相關(guān)的存儲(chǔ)任務(wù)來(lái)降低運(yùn)營(yíng)支出; 通過(guò)主動(dòng)解決問(wèn)題來(lái)提高可用性，例如特定卷上的容量耗盡; 通過(guò)推薦最佳配置來(lái)提高資源利用率和效率，并改善應(yīng)用程序性能。 例如，除了在客戶(hù)意識(shí)到問(wèn)題之前預(yù)測(cè)和解決問(wèn)題之外，HPE公司聲稱(chēng)InfoSight將管理和解決存儲(chǔ)相關(guān)問(wèn)題所花費(fèi)的時(shí)間減少了85%，并節(jié)省了79%的運(yùn)營(yíng)費(fèi)用。 存儲(chǔ)供應(yīng)商通常提供管理軟件。因此，建議將預(yù)測(cè)性存儲(chǔ)分析和其他人工智能衍生技術(shù)作為未來(lái)產(chǎn)品評(píng)估的關(guān)鍵點(diǎn)。對(duì)于使用設(shè)備無(wú)關(guān)的軟件定義存儲(chǔ)的組織也是如此，例如Cohesity、DataCore、Red Hat Ceph、Gluster以及VMware vSAN。使用上面的功能列表作為產(chǎn)品評(píng)估清單的一部分，以確定最適合企業(yè)的需求和更廣泛的基礎(chǔ)設(shè)施管理環(huán)境。
