說起機器學習今天的我們已經再熟悉不過無論生活還是工作各種地方都能見到它的身影但是對存儲而言機器學習又意味著什么呢？

為什么機器學習很重要

機器學習小科普

以2016年圍棋界李世石大戰AlphaGo為開端，人工智能（包括機器學習）瞬間闖入了我們的視野。手機拍照，人工智能可以幫你自動識別場景并選擇最佳拍攝參數，為你節省后期工作；欺詐風控，人工智能可以自動識別風險交易，從而防止用戶資產損失，還有自動駕駛汽車、智能語音客服等。

今天各種產品或軟件都聲稱自己內置了人工智能。雖然它們被用于生產、生活的各個領域，不過核心理念都是一樣，幫助人們從簡單勞動力中釋放出來，無論在辦公場所還是其他方面，都可以騰出更多的時間處理其他問題。

這一理念也被用到了存儲領域。

從安裝部署到運維管理，近年來企業存儲的智能化、自動化程度越來越高，人工參與程度逐漸降低。管理員只需簡單的操作，存儲陣列即可自動化完成初始化配置；管理功能也變得更加智能，通過智能分析和優化功能，存儲陣列能夠自動找到系統瓶頸，為管理員提出建議。

不僅如此，隨著人工智能技術的引入，企業存儲逐漸從執行命令的機器，也在進化為能夠具有自我學習能力的自主系統。

不過，并不是所有存儲公司都具備這一條件，因為對于任何一個人工智能而言，數據、算力和算法這三要素都是人工智能取得顯著成就的必備條件。巧婦難為無米之炊，人工智能要有著大量的數據作為支撐，而且需要覆蓋各種可能的場景，這樣才能得到一個表現良好的模型，才能更智能。而有了數據之后，還需要進行訓練，不斷地訓練。

因此，要將人工智能引入存儲領域，考驗的是一個企業強大的研發實力以及深厚的行業經驗，畢竟存儲里存放的是企業最寶貴的資產——數據。

而作為業界首屈一指的端到端IT解決方案提供商，戴爾科技憑借數十年的IT基礎架構深耕，以及覆蓋全行業的客戶積累，于2018年在業界率先推出了內置機器學習引擎的高端存儲PowerMax。

PowerMax利用預測分析和模式識別，可根據I/O配置文件自動將數據置于合適的介質上（不產生額外開銷），從而更大限度地提高性能。

以一個典型的200TB PowerMax陣列為例，它可以實時分析和預測4000萬個數據集，每天可以推動60億個決策，包括：

1. 將數據放置在哪（閃存或SCM）

2. 應對哪些數據進行壓縮或重復數據消除

3. 哪些QoS服務級別需要更多性能

今年6月，戴爾科技又推出中端存儲新品PowerStore，機器學習被用在了更廣泛的領域。PowerStore是一組聯邦存儲集群，最多可以達到4個Appliance（每個Appliance均是一臺雙控制節點的存儲）。

*戴爾易安信PowerStore采用英特爾?至強?可擴展處理器，該處理器可以優化工作負載，可靠性強，還有高計算力、高穩定性和高效敏捷性，不僅幫助PowerStore輕松滿足既定工作負載，也可以為數字化變革做好準備。

那么對于某個業務系統而言，數據卷放在哪個Appliance上才是最優的選擇呢？在過去，這對存儲管理員來說是一個非常頭疼的工作。這里舉一個真實的例子：

一個企業級用戶的IT環境中部署了5套存儲，每次有新業務上線時，存儲管理員需要根據業務的性能和容量要求，決定將業務數據部署在哪臺存儲中，因此存儲管理員需要對每臺存儲的運行狀況有充分的、持續的掌握，并做出準確的判斷。

然而，業務的需求是在不斷變化的，當業務運行一段時間以后，原存儲很有可能不再適合該業務運行了，那么又要為之選擇新的存儲設備。

另一方面，數據遷移也成了新的問題。數據遷移過程中大量手工操作的風險，以及帶來的停機影響是每個管理員都不愿觸碰的雷區。

可是在PowerStore中，一切就都不同了。

通過PowerStore的機器學習引擎，可以根據業務的存儲需求自動分析群集中哪個Appliance是最佳的部署選擇，并且在業務運行期間實時關注數據卷的增長趨勢，當需要進行遷移時會自動通知管理員，并給出最佳的遷移建議。

當管理員確認操作后，PowerStore會自動在集群內的Appliance間遷移據，切換過程應用無需停機。通過這樣的機制，可以使數據永遠運行在最適合運行的存儲環境中，確保數據服務質量。

今天，人類和計算機產生的數據量之龐大，已遠遠超出人類可以吸收、解釋并據此做出復雜決策的能力范圍。人工智能構成了所有計算機學習的基礎，代表著所有復雜決策的未來。掌握人工智能，就等于于掌握未來，而內置人工智能的存儲系統，則能幫您在“掌握”的路徑上，快人一步。

責任編輯：lq