vchalup - stock.adobe.com
6 wichtige Funktionen für intelligenten Speicher
KI und prädiktive Analysen sind in vielen Speichern enthalten. Erfahren Sie, wie diese Funktionen Storage-Automation beitragen und welche Produkte nützliche Features anbieten.
Künstliche Intelligenz (KI) und prädiktive Analysen sind wesentliche Merkmale moderner Speichersysteme, die dazu beitragen, den Zustand der Infrastruktur zu bewerten und Probleme zu identifizieren, sowie Speicherautomatisierungsfunktionen bereitzustellen, um den reibungslosen Betrieb dieser Systeme zu gewährleisten.
Gartner hat kürzlich das erweiterte Datenmanagement als Nr. 2 auf seiner Liste der 10 wichtigsten Daten- und Analysetrends für 2020 identifiziert. Anbieter fügen maschinelles Lernen und KI-Fähigkeiten hinzu, um eine selbstkonfigurierende und selbstanpassende (self-tuning) Datenverwaltung zu ermöglichen, damit sich das IT-Personal auf wichtigere Aufgaben konzentrieren kann, so das Forschungsunternehmen.
Künstliche Intelligenz und prädiktive Analysen sind Teil dieses Trends, allerdings gab es bei der Nutzung dieser Technologien auch ein gutes Stück Hype und Marketingübertreibung. Manchmal wenden die Anbieter das KI-Label auf vage und ungenaue Weise an. Nichtsdestotrotz können prädiktive Analyse-Tools greifbare Vorteile in Bezug auf Speicherautomatisierungsleistung, Effizienz und niedrigere Betriebskosten bieten.
Im Folgenden finden Sie Antworten auf sechs Schlüsselfragen zur KI, zur prädiktiven Analyse und zur Speicherautomatisierung.
Wie unterstützt die prädiktive Analytik die Speicherumgebung?
Die prädiktive Analytik verwendet Technologien wie Data Mining, analytische Abfragen, prädiktive Modellierung, KI und maschinelles Lernen, um Muster in Speichersystemdaten aufzudecken, um Anomalien zu erkennen, zukünftige Ergebnisse vorherzusagen und Probleme mithilfe von Speicherautomatisierungsfunktionen zu beheben. Prädiktive Analysefunktionen in Speicherprodukten bieten mehrere Vorteile: bessere Leistung und Ressourcennutzung, geringerer Verwaltungsaufwand, geringere Ausfallzeiten und optimierte Arbeitslasten.
Maschinelles Lernen ist besonders wichtig, um die prädiktive Analyse in den neuesten Speichersystemen zu verbessern. Die in der gesamten Speicherinfrastruktur gesammelten Daten werden verwendet, um die prädiktiven Algorithmen zu trainieren, Trends zu verstehen und zu erkennen, wann Engpässe und Probleme auftreten könnten. Die Speicherkomponenten können dann kontinuierlich optimiert und potenzielle Probleme angegangen werden.
Warum ein Umstieg auf intelligenten Speicher Trend ist
Die zunehmende Verwendung von All-Flash-Arrays und hybriden und hyperkonvergenten Infrastrukturen gehören zu den Faktoren, die die Nachfrage nach intelligenteren Speichern antreiben. Speicher existiert nicht mehr in einem Vakuum. In vielen Unternehmen ist er ein integrierter Teil des Technologie-Stacks des Rechenzentrums, der als Ganzes verwaltet wird und mehr Echtzeitdaten über Speicherkapazität und Leistung benötigt, die der intelligente Speicher bietet.
Wie unterstützt Cloud Storage intelligente Speicherumgebungen?
Cloud Storage umfasst prädiktive Analysen auf eine Art und Weise, die dabei hilft, Trends vorherzusagen, Infrastrukturen zu planen und den Overhead zu reduzieren. Diese Anwendungen nutzen KI, maschinelles Lernen und andere hoch entwickelte Techniken, um kontinuierlich Telemetriedaten von Flash-Arrays im Speicher-Stack zu sammeln und zu analysieren.
Auch hier besteht das Ziel darin, IOPS, Bandbreite, Fehlertoleranz, Latenz und andere speicherbezogenen Informationen zu analysieren, Probleme zu identifizieren und Speicherautomatisierungsfunktionen zu nutzen, um diese proaktiv anzugehen.
„Cloud-basierte Predictive Analytics-Plattformen (...) gehen weit über die Fernüberwachungssysteme einer früheren Generation hinaus“, erklärt Eric Burgener, Research Vice President bei der IT-Analystenfirma IDC. Er identifizierte drei Hauptmerkmale, die Cloud-basierte Predictive Analytics von der traditionellen Fernüberwachung unterscheiden: die gemeinsame Nutzung von Daten, den Umfang der Überwachung und den Einsatz von KI und maschinellem Lernen zur Förderung autonomer Abläufe.
Im Cloud-Umfeld bringt die prädiktive Analyse die Speicherinfrastruktur einen Schritt näher an eine selbstheilende Technologie, die Probleme mit minimalen Eingriffen identifiziert und löst.
Welche Technologie macht Speicher intelligent?
Die Datenerfassung ist Teil des Fundaments des intelligenten Speichers. Anbieter aggregieren und analysieren anonymisierte Telemetriedaten von ihren Kunden, um sich über verschiedene Speicherszenarien, Arbeitslasten oder Probleme zu informieren, die andere Kunden betreffen könnten. Die Anbieter können detaillierte Informationen zu Speicherleistungsmetriken und -mustern sowie zur Vorhersage von Trends, Engpässen und anderen potenziellen Problemen bereitstellen, bevor diese auftreten.
Die prädiktive Analyse arbeitet mit maschinellem Lernen und tiefem Lernen (Deep Learning) zusammen, damit diese Systeme ohne vorprogrammierte Anweisungen funktionieren.
Welche Funktionen sollten Predictive-Analytics-Tools bieten?
Achten Sie bei der Überprüfung von Speichersystemen auf diese fünf Hauptmerkmale der prädiktiven Analyse, um sicherzustellen, dass Sie die benötigten Funktionen erhalten:
- Support für Automatisierung. Systeme können verschiedene Probleme im Zusammenhang mit Leistung, Kapazität, Verfügbarkeit und Sicherheit vorhersagen. So kann die prädiktive Analyse beispielsweise dazu verwendet werden, die Nutzung der Speicherkapazität pro Gerät, Volume und Anwendung zu analysieren und proaktiv zu ermitteln, wann die Ziele erreicht werden. Administratoren können Speicherautomatisierungsfunktionen verwenden, um Systeme so einzustellen, dass sie automatisch Kapazität hinzufügen oder neu ausgleichen.
- Automatisierte Verwaltung und Konfiguration. Suchen Sie nach Tools, die eine automatisierte Speichereinrichtung und -verwaltung ermöglichen. Diese Systeme ermitteln automatisch die Leistung, den Ressourcenverbrauch und den Kapazitätsbedarf und optimieren die Platzierung der Arbeitslast, um die Ressourcennutzung zu verbessern.
- Softwareaktualisierung und Patching. Systeme aktualisieren Software proaktiv, indem sie mit Hilfe von Analysen Code für Sites zur Verfügung stellen, die die Anforderungen erfüllen, um potenzielle Probleme zu lösen, bevor sie zu einem Problem werden.
- Ressourcenplanung. Prädiktive Algorithmen identifizieren Trends, um bei der Vorausplanung zukünftiger Speicheranforderungen zu helfen. Speicheradministratoren können diese Technologie nutzen, um den Kapazitäts-, IOPS- und Bandbreitenbedarf für verschiedene Speicherszenarien und mögliche Upgrades vorherzusagen.
- Verwaltung virtueller Maschinen. Prädiktive Analysen können in Virtualisierungsplattformen wie VMware vSphere integriert werden, um Informationen zur Workload-spezifischen Leistung und Kapazität bereitzustellen, Trends in der Nutzung zu erkennen und bessere Konfigurationseinstellungen vorzuschlagen.
Welche Anbieter verfügen über Tools für die prädiktive Analyse von Storage?
KI-gesteuerte Analysesoftware – und ihre prädiktiven und präskriptiven Funktionen – sind in den meisten Storage-Produkten der großen Anbieter standardmäßig enthalten. IT-Käufer sollten KI-gestützte Speicherprodukte von führenden Anbietern wie Dell EMC, Hewlett Packard Enterprise, Hitachi Vantara, IBM, Infinidat, NetApp und Pure Storage sowie von kleineren Anbietern und Start-ups vergleichen.
