随着數字化轉型不斷加快，企業業務飛速發展，IT基礎設施管理面臨新的挑戰。首先，管理規模擴大，企業存儲規模從PB級提升至EB級，裝置數量也從數千台擴充到數萬台。其次，管理範圍擴充：一方面，基礎設施從存儲擴充到存儲+網絡+伺服器+虛拟化；另一方面，資料從結構化資料擴充到非結構化資料，後者的占比超過80%。第三，SLA要求更加嚴格，例如，故障排除周期要求從小時級降至分鐘級。
華為DME資料管理引擎
在這樣的背景下，傳統單純依靠人力進行IT基礎設施管理的方式已不再适用。研究顯示，預計2023年會有40%的公司應用AIOps對應用程式和基礎設施進行管理，進而更好地降低管理複雜度。
基于此，華為推出DME資料管理引擎，利用AIOps幫助企業實作現代化的運維管理。DME可以通過統一入口實作對IT基礎設施和海量非結構化資料的智能管理，針對IT基礎設施，提供覆寫資源規劃、業務建設、營運維護、業務優化全流程的管理；針對海量非結構化資料，提供資料檢索、分析、流動、過期删除等全生命周期管理能力，持續幫助企業降低管理成本，提高效率。
華為DME資料管理引擎架構圖
華為DME資料管理引擎AIOps重磅新能力
近日，華為在德國慕尼黑舉辦了2023創新資料基礎設施論壇。論壇期間，華為指出，為了幫助企業實作更具現代化的運維管理，華為DME持續進行功能更新，2023年重磅推出兩大新能力，包括性能異常定界與輔助定位和非結構化資料管理。
1、性能異常三分鐘感覺、五分鐘定界、十分鐘輔助定位
企業運維過程中，性能異常處理是IT管理團隊面臨最棘手的問題，往往需要海量日志分析、多團隊協同排查，分析流程複雜，消耗大量時間，甚至影響企業業務。
為了保證企業IT基礎設施穩定運作，華為DME內建了數百位運維專家及百萬套存量維護經驗、分析了數千個故障場景，進而為客戶提供業界領先的性能異常診斷能力，縮短性能異常跨域處理周期90%。
針對性能異常，華為DME采用了事前預防+事後快速感覺處理的政策：
性能異常發生前：
華為DME擁有強大的AI趨勢預測能力，能夠提前2周進行性能趨勢預測，提前1年進行容量趨勢預測，防患于未然。
性能異常發生後：
三分鐘感覺：華為DME利用智能KPI異常識别技術，采用多種異常檢測算法，支援不同異常類型檢測，三分鐘内快速感覺風險。
五分鐘定界：感覺到業務異常時，華為DME利用AI智能突變分析技術，對業務關聯的虛拟機/主機進行IO鍊路端到端分析，自動抓取相關資源性能資料，結合拓撲關系與分段時延，快速定界到故障産生領域，劃清責任主體團隊，進行問題交接。
十分鐘輔助定位：對于定界到存儲領域的性能異常，華為DME利用百萬台存量裝置産生的運維知識庫，自動分析端到端資源性能資料、運作狀态等，并使用知識圖譜技術推理全局故障與資源之間的傳播關系，自動識别潛在問題及異常影響範圍，進而幫助客戶迅速定位根因。同時，華為DME能夠針對不同的儲存設備類型和應用場景，提供個性化的診斷和建議，幫助企業快速提升業務性能和使用者滿意度。
2、海量非結構化資料全生命周期管理
随着新應用的發展，企業資料總量快速增長，其中，非結構化資料占比超過80%，已然成為企業創新和競争力構築的源泉。然而，面向海量非結構化資料，存放分散查找困難、缺少全局視圖難以分析、流動難、存儲成本升高等，成為新的挑戰。如何管理好這些資料是企業面臨的重要課題。
華為DME為企業提供覆寫海量非結構化資料檢索、分析、流動、過期删除的全生命周期管理能力，幫助企業高效挖掘資料價值，優化資料存儲成本。
資料檢索：華為DME基于彈性可擴充架構提供面向百億級資料檔案的秒級檢索能力，支援15+檢索條件，提升企業生産作業效率。
資料分析：面對海量資料，管理者不禁會問：“哪些副本可以删除”，“哪些資料長期未使用”，“哪些資料可以放到更經濟的存儲空間中”……華為DME全局資料分析能力，可以快速洞察企業資料備援情況和冷熱分布，為更精準的資料分級流動提供依據。
資料流動：資料分析之後要如何處理？華為DME提供資料智能分級&删除能力，企業可自定義分級政策，系統自動定期執行。冷資料自動流動到更經濟的存儲資源中，千萬級過期資料小時級快速删除，最大程度優化資料存儲成本。
結語
新應用、新場景，給企業IT基礎設施和資料管理帶來挑戰。華為DME資料管理引擎不斷優化，與企業攜手共同應對挑戰。面向未來，華為DME将在AIOps領域持續創新，幫助企業實作更具現代化的運維管理。