如今，人工智能和预测分析等技术已被广泛应用于多种存储产品中。了解这些技术如何支持存储自动化，以及哪些功能是有价值的，哪些产品具备这些功能，显得尤为重要。
在现代存储系统中，人工智能和预测分析已成为核心功能，能够帮助评估基础设施的健康状况，识别潜在问题，并提升存储自动化，以确保系统的稳定运行。
根据Gartner公司的最新研究，“增强数据管理”被列为2020年十大数据和分析趋势中的第二位。为了让IT工作人员专注于更高价值的任务，供应商们正在增加机器学习和人工智能功能，以实现自我配置和自我调整的数据管理。
虽然人工智能和预测分析属于这一趋势，但这些技术也伴随着一定的炒作。有时供应商会不准确地标记人工智能。然而，预测分析工具在提升存储自动化的性能、效率和降低运营成本方面，确实能带来显著的益处。
以下是关于人工智能、预测分析和存储自动化的六个关键问题的解答。
1. 预测分析如何促进存储发展？
预测分析通过数据挖掘、分析查询、预测建模、人工智能和机器学习等技术，从存储系统数据中识别模式，以发现异常、预测未来结果，并利用存储自动化功能解决问题。存储产品中的预测分析功能可带来诸多好处，包括提升性能和资源利用率、降低管理成本、减少停机时间以及优化工作负载。
机器学习在现代存储系统中的预测分析中扮演着重要角色。通过收集整个存储基础设施的数据，预测算法被训练以识别趋势和潜在瓶颈，从而不断优化存储组件并预防问题的发生。
2. 为什么要转向更智能的存储？
全闪存阵列以及混合和超融合基础设施的广泛应用是推动智能存储需求的主要因素。这些技术已成为许多组织数据中心架构中不可或缺的一部分，管理者需要实时了解智能存储所提供的存储容量和性能。
3. 云存储在智能存储中的作用是什么？
云存储结合预测分析，能够助力趋势预测、基础设施规划和成本控制。这些应用借助人工智能、机器学习和其他先进技术，从存储堆栈中的闪存阵列持续收集和分析遥测数据，旨在监测IOPS、带宽、容错性、延迟等与存储相关的信息，以便及时发现问题并通过存储自动化手段主动解决。
IT分析机构IDC的研究副总裁Eric BuRgeneR在一份白皮书中提到：“基于云计算的预测分析平台远远超越了上一代的远程监控系统。”他指出，云计算预测分析与传统监控的区别在于数据共享、监控范围以及利用人工智能和机器学习推动自主操作的能力。
在云计算环境中，预测分析使存储基础设施接近自我修复的技术，通过最少的干预来识别和解决问题。
4. 什么技术使存储更加智能？
数据收集是智能存储的基础。供应商通过汇总和分析来自客户的匿名遥测数据，来了解可能影响其他客户的不同存储方案、工作负载或问题。这使得供应商能够在出现趋势、瓶颈和其他潜在问题之前，提供详细的存储性能指标和预测。
预测分析与机器学习和深度学习相结合，使系统能够在没有预先编程指令的情况下运行。
5. 存储预测分析工具应具备哪些功能？
在评估存储系统时，需关注以下五个关键的预测分析功能：
(1) 支持自动化。系统可以预测与性能、容量、可用性和安全性相关的问题。例如，预测分析能够分析每个设备、卷和应用程序的存储容量使用情况，并主动识别何时接近目标。管理员可以利用存储自动化功能设置系统以自动添加或重新平衡容量。
(2) 自动化管理和配置。寻找提供自动存储设置和管理功能的工具。这些系统能够自动评估性能、资源消耗和容量需求，并优化工作负载配置以提升资源利用率。
(3) 软件更新和修补。系统利用分析功能主动提供更新，以解决潜在问题。
(4) 资源规划。预测算法确定趋势，以帮助提前规划未来的存储需求。存储管理员可以使用这种技术预测各种存储方案以及潜在的IOPS和带宽需求。
(5) 虚拟机(VM)管理。预测分析能够与虚拟化平台（如VMware vSphere）集成，提供特定工作负载的性能和容量信息，识别使用趋势并推荐更好的配置设置。
哪些供应商提供存储的预测分析工具？
许多主要供应商的存储产品都已标准配置了人工智能驱动的分析软件及其预测和规范功能。IT用户应对来自Dell EMC、HPE、Hitachi Vantara、IBM、Infinidat、Netapp和Pure Storage等行业领先供应商和初创公司推出的人工智能存储产品进行比较。
