برای اطلاعات بیشتر با Infinidat تماس بگیرید [email protected]، www.infinidat.com
استفاده از AIOps در لایه ذخیره سازی – شماره 7 2022
منبع: https://www.securitysa.com/18002R
اریک هرتزوگ.
با رویکرد مدیریت ذخیره سازی سازمانی «تنظیم و فراموش کن» به لطف قابلیت های هوش مصنوعی، و فرآیندهای استاندارد شده در بین برنامه ها و سطوح خدمات، پیچیدگی به طور چشمگیری کاهش می یابد و به زمان کمتر و افراد کمتری برای مدیریت معماری ذخیره سازی نیاز دارد. یک معماری واحد که سیلوها را تجزیه می‌کند و از بارهای کاری متنوع پشتیبانی می‌کند، ادغام و بازده دارایی‌ها را به حداکثر می‌رساند در حالی که هزینه‌های عملیاتی (opex) را به حداقل می‌رساند و به طور قابل توجهی به بهینه‌سازی بودجه کمک می‌کند.
این الگوریتم‌ها یاد می‌گیرند که داده‌هایی را که احتمالاً مورد نیاز است، از قبل واکشی کنند تا در صورت درخواست، آن‌ها را در حافظه آماده کنند. این سرعت خواندن و نوشتن، ترتیب‌بندی ورودی‌ها و خروجی‌ها (I/O) بر اساس رفتار، و درک اندازه بلوک‌ها در ارتباط با یکدیگر و برنامه‌ها را بهبود می‌بخشد. نتیجه نه تنها عملکرد بالاتر، بلکه یکپارچگی بیشتر برنامه‌های کاربردی مبتنی بر استفاده از داده‌ها، با گره‌های متعدد است که افزونگی افزایش یافته را نیز ارائه می‌کنند. هر چه بیشتر از الگوریتم استفاده شود، این توانایی به طور مداوم بهبود می یابد.
هوش مصنوعی خارج از سیستم ذخیره سازی
استفاده از معماری ذخیره سازی هوشمند می تواند به سازمان ها در مواجهه با بسیاری از چالش هایی که امروزه تجربه می کنند کمک کند. با ادغام AIOps، زمان کمتری برای زیرساخت مورد نیاز است، زیرا این زیرساخت توسط خود مدیریت و بهینه‌سازی می‌شود و 100% آپتایم دارد. علاوه بر این، دسترسی مستقیم به DevOps اجازه می دهد تا عملکرد با پیاده سازی راه حل ساده، تحویل سریع راه حل و کاهش ریسک راه حل گسترش یابد. این همچنین نیازهای بودجه ای را کاهش می دهد، زیرا هیچ هزینه اضافی برای قابلیت های AIOps یا DevOps وجود ندارد.
مدیریت ریسک بهبودیافته از طریق بهینه سازی فعال، مستمر و خودکار، کاهش ریسک استقرار راه حل، انعطاف پذیری سایبری یکپارچه، 100٪ زمان تضمین شده و ارائه سطح خدمات تضمین شده ارائه می شود. گردآوری همه اینها از طریق ذخیره سازی هوشمند به سازمان ها این امکان را می دهد که تمرکز خود را از فناوری زیربنایی تغییر دهند و بر جنبه های تجاری تمرکز کنند که ارزش تجاری بیشتری را اضافه می کند.
همچنین خطراتی از جمله ریسک ذاتی در طراحی، یکپارچه سازی و استقرار راه حل های جدید و همچنین خطرات جهانی مانند تهدیدات سایبری و الزامات انطباق وجود دارد. در کنار این، پیچیدگی افزوده محیط‌های با معماری‌های متعدد و پشته‌های فناوری با برنامه‌های سیلد است. لایه ذخیره سازی در مرکز رسیدگی به بسیاری از این چالش ها قرار دارد. با یک راه حل هوشمند، سازمان ها می توانند از هوشمندی زیرساخت بهره برداری کنند، از ارائه سطح خدمات اطمینان حاصل کنند، کارایی فناوری اطلاعات را بهبود بخشند و بر جنبه های تجاری تمرکز کنند و نگران نحوه عملکرد فناوری نباشند.
معماری باز و مبتنی بر ابر تضمین می‌کند که این راه‌حل‌ها می‌توانند برای تناسب با جریان‌های کاری مختلف قابل توسعه باشند، در حالی که تجزیه و تحلیل پیش‌بینی‌کننده می‌تواند تجزیه و تحلیل روند و گزارش‌دهی، تشخیص ناهنجاری و برنامه‌ریزی منابع پیشرفته را ارائه دهد. این امکان بینش خودکار و عملی در زمینه هایی مانند عملکرد و ظرفیت را فراهم می کند، که در نهایت می تواند منجر به تصمیمات تجاری بهتری شود، مانند ServiceNow، VMware vCenter Ops و سایر بسته های AIOps مرکز داده/پان دیتا.
همچنین می‌توان از هوش مصنوعی در خارج از لایه ذخیره‌سازی از طریق برنامه‌های مبتنی بر ابر استفاده کرد تا یک نمای چند سیستمی، دقیق و دانه‌ای از و در سراسر بارها، پلتفرم‌ها و مراکز داده ارائه دهد. این یک داشبورد منفرد و یکپارچه را در کل معماری ذخیره سازی برای تشخیص و پیشگیری زودهنگام مشکلات، هشدار و مدیریت فراهم می کند.
یک راه حل ذخیره سازی هوشمند می تواند نه تنها عملکرد بالا، استفاده از ذخیره سازی بهبود یافته و بینش عملی را ارائه دهد، بلکه قابلیت های عملیات توسعه یکپارچه را نیز ارائه می دهد، در حالی که اطمینان حاصل می کند که ذخیره سازی با نیازهای مدیران ذخیره سازی همخوانی دارد. این امکان دسترسی مستقیم به قابلیت‌های گسترده و عمیق را از طریق راه‌حل‌های اثبات‌شده، از جمله انعطاف‌پذیری سایبری، مهاجرت بدون درز در خانواده، پسوند سیستم فایل خودکار، زیرساخت به‌عنوان کد، و خودکارسازی Storage-as-a-Service (STAaS) می‌دهد. این به نوبه خود، استقرار راه حل را تسریع می کند و در عین حال خطر توسعه راه حل را از بین می برد و همچنین قابلیت یکپارچه سازی با سایر عملکردهای شخص ثالث، مانند Ansible و سایر بسته های مرکز داده/پان دیتا/کلود DevOps را از بین می برد.
محیط کنونی از منظر فناوری اطلاعات (IT) برای کسب و کارها بسیار چالش برانگیز است. برخی از مسائلی که سازمان‌ها باید با آن‌ها مقابله کنند عبارتند از کمبود زمان، نیاز به استعداد با مهارت‌های حیاتی، و بودجه‌هایی که همیشه محدود هستند و باید بهینه شوند.
هوش مصنوعی (AI) را می‌توان در لایه ذخیره‌سازی برای بهینه‌سازی عملکرد با بهینه‌سازی حافظه پنهان، ایجاد درک بهتر از حجم کاری و رفتارها و ارائه دسترسی با سرعت حافظه به داده‌ها استفاده کرد. قابلیت‌های یادگیری عمیق، استفاده از حافظه نهان را افزایش می‌دهند، با توانایی پیش‌بینی دقیق که کدام بار کاری مورد نیاز است تا بتوان آن‌ها را به حافظه پنهان آورد.
بینش ذخیره سازی را در قابلیت های DevOps ادغام کنید
نسخه چاپگر پسنداستفاده از AIOps در لایه ذخیره سازی
شماره 7 2022 زیرساخت فناوری اطلاعات
استفاده از AIOps در لایه ذخیره سازی