随着大資料的大量來源以及企業可用資料量的增加，存儲容量規劃已成為存儲管理者的問題。據估計，每天産生2.5萬億位元組的資料。現在，如果以神經元計算的話，那就是相當于2.5億個人類大腦的海量資料。而且，相同的估計表明，全球總資料的90%是從2016年到2018年生成的。
可以簡單地說，每天生成越來越多的資料，這正增加了存儲工作負載的規模和複雜性。但是，人工智能可以拯救存儲管理者，幫助他們高效地存儲和管理資料。通過使用AI資料存儲，供應商和企業可以将存儲管理提升到一個新的水準。而且，存儲管理者可以找到他們目前正在努力管理的名額的解決方案。
存儲管理者需要努力的主要名額
存儲管理者在管理存儲問題時面臨一些挑戰。而且，如果他們克服了這些挑戰，将幫助他們在資料存儲的各個方面之間找到适當的平衡，例如在哪裡配置設定工作負載，如何配置設定工作負載以及如何優化堆棧等等。
一般而言，吞吐量是指處理某事物的速率。在網絡級别，吞吐量的度量機關是Mbps(兆位/秒)，而在存儲級别，吞吐量的度量機關是MB /秒(兆位元組/秒)。由于一個位元組等于八兆位，是以生産率在存儲級别上提高了。并且，變得難以管理提高的生産率。
1. 延時
延遲是伺服器完成請求所花費的時間。關于存儲，這是指滿足單個存儲塊的請求所花費的時間。存儲塊或塊存儲是将資料存儲在卷中的塊。純延遲不受吞吐量影響，但是如果單個塊請求很大，則應用延遲可能會随着吞吐量的增加而偏離。
2. IOPS(每秒輸入/輸出操作)
IOPS是指存儲堆棧每秒可以處理的離散讀寫任務的數量。存儲堆棧是一種允許過程調用的資料結構。這意味着将多個過程彼此存儲在堆棧中，然後在調用和傳回的基礎上一個接一個地執行所有過程。例如，如果一個過程被調用，它将被執行，然後傳回，以便在堆棧中調用下一個過程。而且，在談論IOPS時，基礎輸入/輸出任務可以達到存儲系統的堆棧限制。例如，讀取一個大檔案和多個小檔案可能會對IOPS産生影響。由于讀取單個大檔案僅需要執行一個讀取任務，是以可以以較高的速度執行它，而另一方面，讀取多個檔案的速度非常慢，因為需要執行許多讀取任務。
AI資料存儲如何解決存儲問題
企業管理者和存儲供應商處理各種各樣的存儲類型。而且，它們還滿足不同輸入/輸出服務的名額。大型檔案共享應用可能需要适當的吞吐量，但也必須允許延遲損失，因為大型而複雜的應用可能會對延遲産生不利影響。另一方面，電子郵件伺服器可能需要大量存儲，低延遲和良好的吞吐量，但它可能不需要非常苛刻的IOPS配置檔案。并且，存儲管理者應該決定應該為哪些存儲配置設定什麼資源。是以，在組織中運作着成千上萬的服務時，對基礎存儲的管理超過了人們進行明智更改的能力。而且，這就是AI算法派上用場的地方。
人工智能支援的存儲管理和計劃
AI可以監控存儲以檢測多種工作負載的模式和性能。這裡的工作負載是由各種輸入/輸出特征或應用任務生成的資料流。通過檢測這些工作負載模式，AI可以幫助存儲管理者洞悉哪些工作負載可能使他們面臨最大化存儲陣列的風險。此外，存儲監視還可以幫助了解是否有任何額外的工作負載可以放入陣列中。而且，如果添加到陣列中，那麼工作負載将造成多少中斷。
例如，假設一家企業正在向流程中添加電子郵件伺服器。在這種情況下，人工智能系統可以幫助預測存儲陣列将能夠滿足該伺服器的存儲需求還是将其最大化。借助此類技術，存儲管理者可以主動擷取有關如何将不同的工作負載配置設定給不同的存儲堆棧并最大程度地減少延遲的資訊。是以，将AI內建到存儲陣列，存儲供應商群組織中可以優化存儲堆棧。
除了監視存儲活動外，存儲管理者還需要檢查和分析存儲系統要使用的應用的編碼和錯誤。這有助于他們更好地了解如何圍繞應用的需求設計存儲體系結構。他們通過了解應用的輸入/輸出模式來做到這一點。用于執行此操作的最常見技術是捕獲應用的跟蹤。
Strace是Linux的使用者空間實用程式，可用于診斷、調試和擷取有關輸入和輸出功能的指令。但是，由于複雜的應用可以具有多個輸入/輸出功能，是以這對人類來說可能是一個挑戰。另一方面，ML算法可以輕松地提取和分析大量資料，并解決許多存儲問題，最好是通過檢視存儲系統本身來解決。此外，通過使用大量資料訓練算法，以了解特定堆棧或整個應用如何收集和存儲資料，它們可以幫助實作對該特定應用存儲活動的實時觀察，以防止堆棧最大化并改善存儲容量。
AI資料存儲可滿足客戶需求
遙測資料是自動記錄和無線傳輸來自遠端或不可通路來源的資料。遙測以下列方式起作用：傳感器在源處測量資料，它們将其轉換為電壓，然後将其與定時資料合并為單個資料流，該資料流将傳輸到遠端接收器。接收後，可以根據使用者要求對資料進行處理。
AI的計算機視覺技術可以掃描遙測資料，以保護存儲陣列免受漏洞侵害。當使用有關漏洞的曆史資料進行訓練時，機器學習算法可以将來自各種應用程式的傳入資料與曆史資料進行比對，以發現漏洞的可能性。是以，借助AI的預測分析，存儲供應商可以着眼于在遇到客戶之前防止存儲問題。
AI資料存儲仍處于起步階段，但已經顯示出了驚人的結果。而且，是以雲供應商和其他存儲管理者正在對AI進行越來越多的投資，以使用超融合存儲系統進行存儲維護。采用主流AI資料存儲肯定會幫助企業控制上述所有名額，并為其客戶提供更好的服務。
原文連結：
https://ai.51cto.com/art/202010/629739.htm本文轉載自51CTO，本文一切觀點和機器智能技術圈子無關。
線上免費體驗百種AI能力：【點此跳轉】