对存储而言机器学习又意味着什么呢？

说起机器学习今天的我们已经再熟悉不过无论生活还是工作各种地方都能见到它的身影但是对存储而言机器学习又意味着什么呢？

为什么机器学习很重要

机器学习小科普

以2016年围棋界李世石大战AlphaGo为开端，人工智能（包括机器学习）瞬间闯入了我们的视野。手机拍照，人工智能可以帮你自动识别场景并选择最佳拍摄参数，为你节省后期工作；欺诈风控，人工智能可以自动识别风险交易，从而防止用户资产损失，还有自动驾驶汽车、智能语音客服等。

今天各种产品或软件都声称自己内置了人工智能。虽然它们被用于生产、生活的各个领域，不过核心理念都是一样，帮助人们从简单劳动力中释放出来，无论在办公场所还是其他方面，都可以腾出更多的时间处理其他问题。

这一理念也被用到了存储领域。

从安装部署到运维管理，近年来企业存储的智能化、自动化程度越来越高，人工参与程度逐渐降低。管理员只需简单的操作，存储阵列即可自动化完成初始化配置；管理功能也变得更加智能，通过智能分析和优化功能，存储阵列能够自动找到系统瓶颈，为管理员提出建议。

不仅如此，随着人工智能技术的引入，企业存储逐渐从执行命令的机器，也在进化为能够具有自我学习能力的自主系统。

不过，并不是所有存储公司都具备这一条件，因为对于任何一个人工智能而言，数据、算力和算法这三要素都是人工智能取得显著成就的必备条件。巧妇难为无米之炊，人工智能要有着大量的数据作为支撑，而且需要覆盖各种可能的场景，这样才能得到一个表现良好的模型，才能更智能。而有了数据之后，还需要进行训练，不断地训练。

因此，要将人工智能引入存储领域，考验的是一个企业强大的研发实力以及深厚的行业经验，毕竟存储里存放的是企业最宝贵的资产——数据。

而作为业界首屈一指的端到端IT解决方案提供商，戴尔科技凭借数十年的IT基础架构深耕，以及覆盖全行业的客户积累，于2018年在业界率先推出了内置机器学习引擎的高端存储PowerMax。

PowerMax利用预测分析和模式识别，可根据I/O配置文件自动将数据置于合适的介质上（不产生额外开销），从而更大限度地提高性能。

以一个典型的200TB PowerMax阵列为例，它可以实时分析和预测4000万个数据集，每天可以推动60亿个决策，包括：

1. 将数据放置在哪（闪存或SCM）

2. 应对哪些数据进行压缩或重复数据消除

3. 哪些QoS服务级别需要更多性能

今年6月，戴尔科技又推出中端存储新品PowerStore，机器学习被用在了更广泛的领域。PowerStore是一组联邦存储集群，最多可以达到4个Appliance（每个Appliance均是一台双控制节点的存储）。

*戴尔易安信PowerStore采用英特尔®至强®可扩展处理器，该处理器可以优化工作负载，可靠性强，还有高计算力、高稳定性和高效敏捷性，不仅帮助PowerStore轻松满足既定工作负载，也可以为数字化变革做好准备。

那么对于某个业务系统而言，数据卷放在哪个Appliance上才是最优的选择呢？在过去，这对存储管理员来说是一个非常头疼的工作。这里举一个真实的例子：

一个企业级用户的IT环境中部署了5套存储，每次有新业务上线时，存储管理员需要根据业务的性能和容量要求，决定将业务数据部署在哪台存储中，因此存储管理员需要对每台存储的运行状况有充分的、持续的掌握，并做出准确的判断。

然而，业务的需求是在不断变化的，当业务运行一段时间以后，原存储很有可能不再适合该业务运行了，那么又要为之选择新的存储设备。

另一方面，数据迁移也成了新的问题。数据迁移过程中大量手工操作的风险，以及带来的停机影响是每个管理员都不愿触碰的雷区。

可是在PowerStore中，一切就都不同了。

通过PowerStore的机器学习引擎，可以根据业务的存储需求自动分析群集中哪个Appliance是最佳的部署选择，并且在业务运行期间实时关注数据卷的增长趋势，当需要进行迁移时会自动通知管理员，并给出最佳的迁移建议。

当管理员确认操作后，PowerStore会自动在集群内的Appliance间迁移据，切换过程应用无需停机。通过这样的机制，可以使数据永远运行在最适合运行的存储环境中，确保数据服务质量。

今天，人类和计算机产生的数据量之庞大，已远远超出人类可以吸收、解释并据此做出复杂决策的能力范围。人工智能构成了所有计算机学习的基础，代表着所有复杂决策的未来。掌握人工智能，就等于于掌握未来，而内置人工智能的存储系统，则能帮您在“掌握”的路径上，快人一步。

责任编辑：lq