近日，在2017中國存儲峰會上，先智數據中國區總經理董唯元圍繞「人工智慧時代的數據中心運維」展開演講，作為智能存儲的先鋒者分享其獨特觀點與最佳實踐。
董唯元認為，實現智能化的數據中心運維，要從減少IT系統運維對專業人士的依賴入手，藉助智能化輔助管理，由人工智慧解決系統解決眾多瑣碎的細節問題，提高效率。在判斷數據中心複雜的系統故障時，無論是應用端還是在設備端，幾乎所有防範故障的手段存在冗餘，而智能化手段可以準確做出預判。
系統磁碟數據量太大時，多核磁碟可能會同時出現故障，先智數據具備主動式故障預測能力，同時防範諸多隱患，不僅如此，還能通過人工智慧技術，預測磁碟壽命，先知先覺，為企業降本增效。
以下內容根據演講實錄整理：
先智數據，大家看這個名字覺得好像跟人工智慧有點關係，公司成立已有五年時間，我們起和智能相關的名字時，人工智慧還沒有那麼熱，我們的團隊大多是原先做存儲的研發人員，存儲領域多年來在應用上始終存在一定的局限性，所有的動態都須配上預測能力，當磁碟空間不夠時再去解決，這個動態沒有太多意義。
預測能力在數據中心裡到底能幹什麼？意義又是什麼？
先智數據的願景就是連接存儲與未來的人工智慧，宏觀來講，是人工智慧與基礎架構之間的關係，在基礎架構領域，很多人工智慧的應用起到了替代人工或部分替代人工的應用，或者說，它替代了基礎架構原理本身的工作模式。所以人工智慧在數據中心的應用，首先是減少對專業人士的依賴。面對數據中心可能出現的故障，我們所能做的就是作最壞的打算，到底哪裡會有故障，其實是不可知的，所有的防範故障的手段都是冗餘，冗餘不是出現在應用端就是在設備端，純靠冗餘並不能堵住問題，除了堵，就是作疏堵結合，通過智能化手段作預判，相對比較準確地預知未來情況，雖然故障可能還會存在，但大大減輕了面對故障時的人為壓力，明確知道故障原因，選擇應對手段就會變得更輕鬆。運維思路發生變化，這種轉變就是預測能力帶給數據的比較基礎的意義。
預知能力可以解決哪些具體實際問題？
現有技術大多還是在於後期「治病」階段，先智數據充當「算命」角色，算出設備使用多久會壞，並不做後期治病的事情。例如，兩副本或三副本存儲，是比較奢侈的配置方式，在這種配置方式下，我們產品的可靠性得到了充分保證，為1PB的數據擴展出3PB的空間，但實際上，兩副本或者三副本，這種副本保護機制並沒有想像中那麼強，所以我們要得出系統總體的健康概率時，就要用到一個疊加的方式，這個原來叫副本安全分布邊界。
總之當系統磁碟數據量太大，多核磁碟可能會同時出現故障，為保障可靠性，限制磁碟總數上限，這個數可能遠低於大家的直觀感覺，大家覺得我用了那麼奢侈的副本保護，還是有局限性。
磁碟故障了要修復，這會影響前端的應用，存儲不光可靠性這一點重要，還有性能的可靠性，這是存儲裡最核心的兩條腿，如果VDI出現風暴，早晨九點鐘左右，這個時候VDI的壓力是最大的，硬碟壞了，到底是修復還是不修復？如果修復，同事們打開郵件的就會慢，如果不修復，或者用最低的資源去慢速修復它，可能修復過程要一周左右，對用戶來講實際上很不願意看到魚和熊掌的選擇，這是真實需求，今天由於技術的局限不可能做到這一點的根源，其實是說所有故障修復手段是在事後進行的，如果能提前預知故障，修復手段還是原來的修復手段，但是我可以把這些動作提前到故障發生之前，就可能解決太多現在不方便解決的問題，不管是可靠性脆弱的問題，還是可靠性與性能互斥的問題，都可以迎刃而解。但如果有預知能力，相當於給系統增加了一個緯度，原來很難逾越的障礙在新緯度上很輕鬆就可以跳過去。同時，提前預測這種機制實際可以提前避免準故障狀態帶來的隱患，可以不用再面臨準故障狀態不好不壞說不清的過程。
我們具體的工作原理主要是基於磁碟的SMART信息，和它所運行環境的CPU內存的應用負載狀態，兩個因素疊加在一起，我們看到有一些比較類似的做磁碟診斷的工具，我們今天要解決的就是這個問題，就是要附加上很多所處工作環境的信息。通過兩個東西的疊加才能得出來時間延續的預測。包括國內的網際網路廠商做的預測基本上都是基於建模的方式，這種方式做出來的效果有點像天氣預報，今天下午很準，明天上午還比較準，一周後甚至一個月之後就無法準確預測了，這種基於建模方式做的預測其實都有這個問題，就是近期準，我們為了做長周期的預測，採用比較複雜的神經網絡診斷。
這個預測最核心的要素其實不是神經網絡怎麼建，最核心的要素是你有沒有數據去訓練它，比較有核心價值的地方是，我們有將近十萬個磁碟在連續四年的時間裡，每一天都有連續的狀態記錄，這樣加在一起一共有6000萬左右的樣本量，我們才訓練出今天的神經網絡，可以相對來說能比較準確地預測磁碟壽命。
未經允許不得轉載：DOIT » 先智數據：如何實現數據中心的智能運維？