CobiNet(寧波)推薦文章：

像自(zi)動駕(jia)駛(shi)汽車(che)一樣，自(zi)主管理并在需要(yao)時尋(xun)求人類幫助(zhu)的數據中(zhong)心可能會比人們預想的還要(yao)更早到(dao)來。

像自動駕駛汽車一樣，自主管理并在需要時尋求人類幫助的數據中心可能會比人們預想的還要更早到來。即使是復雜的IT基礎設施升級和控制也非常困難和耗時，它正變得集中、自動化，并且通過軟件而不是硬件來管理。

隨著新的(de)(de)一年到來，汽(qi)(qi)車(che)行業推出(chu)更多的(de)(de)技術(shu)和功(gong)能，讓(rang)人們(men)更加接近自(zi)動駕(jia)駛(shi)汽(qi)(qi)車(che)時代(dai)。而(er)推出(chu)的(de)(de)新車(che)將告訴人們(men)什么(me)時候加油、何時充氣、何時停(ting)車(che)、如何停(ting)車(che)，以及如何在道路(lu)上保持安(an)全行駛(shi)。人類的(de)(de)目(mu)標只是讓(rang)汽(qi)(qi)車(che)安(an)全開到目(mu)的(de)(de)地(di)，而(er)自(zi)動駕(jia)駛(shi)汽(qi)(qi)車(che)的(de)(de)表現可能比人們(men)意識到的(de)(de)還要好(hao)。

據估計，到2020年，超過1000萬輛自動駕駛汽車將上路行駛。盡管有些人可能會對這些預測產生爭議，但很少有人反對自動駕駛汽車的應用。但是，如果人們可以擁有自動駕駛汽車，人工智能就可以完成大部分工作，那么自驅動的數據中心在哪里處理自動化和機器學習呢?

即使(shi)對于那些不相信(xin)機器可(ke)以(yi)比人(ren)(ren)類更有(you)效地(di)執行IT管(guan)理任(ren)務(wu)的(de)(de)(de)人(ren)(ren)來說，卸載重復功能(neng)或者未被識別的(de)(de)(de)事件所帶來的(de)(de)(de)效率增益，可(ke)以(yi)使(shi)組織可(ke)以(yi)更自由地(di)專注于創新的(de)(de)(de)戰略項目，并(bing)更好地(di)服務(wu)客戶(hu)。

像自動駕駛汽車一樣，自主管理并在需要時尋求人類幫助的數據中心可能會比人們預想的還要更早到來。即使是復雜的IT基礎設施升級和控制也非常困難和耗時，它正變得集中、自動化，并且通過軟件而不是硬件來管理。

與車輛(liang)類似，數據中心越來越多地采用全(quan)自動管理(li)的(de)能力。一系(xi)列基于分析的(de)解決(jue)方案和自動化(hua)已經到位(wei)，以節(jie)省時間、費用和麻煩。以存儲(chu)行業(ye)為例，新設備和編排技(ji)術的(de)范圍不斷(duan)改善資源，減(jian)少(shao)IT人員的(de)參與。幾十年前(qian)的(de)技(ji)術的(de)構建將(jiang)不再限制存儲(chu)空間的(de)發展(zhan)。

讓我們從一個簡單的例子來說明人們如何選擇汽車，人們可能會在手動變速器或自動變速器方面進行選擇。而自動駕駛汽車避免這個決策：根據定義，其變速器是自動的。同樣，對于存儲系統以及需要人為干預和管理的大多數遺留系統來說，自動化隱藏了復雜性，但并沒有消除復雜性。

自(zi)動化和(he)機(ji)器學習(xi)提(ti)供(gong)多種功能，有(you)(you)助于開發自(zi)驅動數(shu)據中(zhong)心。組織可(ke)以保(bao)證性能而不(bu)需要干預。傳統存(cun)儲應用(yong)(yong)程序(xu)會(hui)與固定數(shu)量的存(cun)儲桶或IOPS競爭資(zi)源。確保(bao)為特定應用(yong)(yong)程序(xu)提(ti)供(gong)一定數(shu)量的IOPS可(ke)以防其他(ta)應用(yong)(yong)程序(xu)訪問這些(xie)IOPS。換句話說，以汽車(che)來(lai)比喻，車(che)道數(shu)量是有(you)(you)限的，只有(you)(you)一輛車(che)被允(yun)(yun)許使(shi)用(yong)(yong)快車(che)道，不(bu)允(yun)(yun)許其他(ta)車(che)輛使(shi)用(yong)(yong)。

自動化使企業能夠隨時隨地訪問IOPS資源，并允許其他虛擬機(VM)將其用于其他目的。所以，盡管它為每個虛擬機確保了一條暢通的通道，但是它也使得虛擬機能夠根據需要訪問IOPS。這種方法避免了浪費和閑置未使用的IOPS的危險，并在需要時使其可用。例如，允許70英里/小時的速度駕駛的道路并不意味著車輛可以25英里/小時的速度行駛。自動化使組織能夠將性能(IOPS)部署到最需要的地方，而不是浪費它。

而且，通(tong)過(guo)給(gei)每(mei)個(ge)虛擬機分(fen)配自己的(de)通(tong)道，組織可以充分(fen)利(li)用(yong)他們所有的(de)性(xing)能(neng)。在(zai)極少數情況下，當(dang)虛擬機要求超(chao)過(guo)存儲空間時，可以動態地將性(xing)能(neng)分(fen)配給(gei)需要的(de)應(ying)用(yong)程(cheng)(cheng)序(xu)(xu)，而不是(shi)先入先出的(de)應(ying)用(yong)程(cheng)(cheng)序(xu)(xu)。

更加順暢的通往成功之路

展(zhan)(zhan)望(wang)未(wei)來，機(ji)器學習和自動化可(ke)以(yi)優化存儲(chu)陣(zhen)列的(de)性能，并預(yu)測未(wei)來的(de)使用趨勢(shi)。機(ji)器學習可(ke)以(yi)分析過去的(de)性能，以(yi)預(yu)測未(wei)來30天的(de)發(fa)展(zhan)(zhan)趨勢(shi)。例如，讓組織了解如何優化存儲(chu)陣(zhen)列池的(de)性能和容(rong)量。

通過分析趨勢，如果性能下降，機器學習可以使組織將虛擬機從特定陣列移動到虛擬池中的其他位置。更好的是，它允許組織預測和解決陣列性能不佳的問題。

這種方(fang)法類似于如果前方(fang)有(you)行駛的車輛擋(dang)路，自動駕駛汽車可以(yi)使用(yong)共(gong)享智能來切換車道。如果發(fa)生中斷或應用(yong)程序突然要求具(ju)有(you)更高的性能，則(ze)機器學(xue)習可以(yi)提供(gong)相同的存儲資源分配給(gei)虛(xu)擬機的能力。

機器學習還可以幫助企業進一步規劃未來。通過分析，組織可以改進預測并針對基礎設施需求作出更好的決策，從而避免停機。這就像在高速公路上切換另一條車道來解決交通問題一樣。

 自(zi)動(dong)駕駛汽車的(de)(de)出現提供了從人力(li)控制轉向自(zi)動(dong)化的(de)(de)有力(li)證據，作為使交通更加安(an)全可(ke)(ke)靠的(de)(de)一種手(shou)段。通過自(zi)動(dong)化來減少(shao)或消除數據中心的(de)(de)人工(gong)干預，同時通過分析和(he)機器學(xue)習加強決(jue)策，可(ke)(ke)以幫(bang)助企業改善業務，并(bing)顯著提高性能和(he)容量。

使用這種機器學習的應用程序和設備將會得到進一步發展，而企業將會嘗試找到令人興奮的新方法，其中包括人工智能。雖然關于人工智能是好是壞的爭論將會一直持續下去，但是有一些方法可以擴展人工智能的應用，而不會實施太多的控制。自動化使自驅動數據中心成為現實，保證了實時可預測的性能，而無需IT干預。

IT團隊將能夠專注于(yu)更重(zhong)要的任務，為企(qi)(qi)業(ye)增加價值。當他們確保每(mei)個虛擬機(ji)(ji)都有一(yi)條暢(chang)通(tong)的通(tong)道時，企(qi)(qi)業(ye)就(jiu)能實現這個目標(biao)。這是激動(dong)人心的時刻(ke)，而企(qi)(qi)業(ye)在未來需要了解(jie)基于(yu)機(ji)(ji)器學習的智能自動(dong)化如何成為現代數(shu)據中心的關鍵組件。

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類線，屏蔽模塊，配線架及相關模塊(kuai)配(pei)件的(de)研發(fa)和生產。

歡迎來電咨詢0574 88168918,郵箱sales@aliance.cn，網址aliance.cn