如果將工業(yè)設(shè)備與一臺閃存陣列放在一起，會發(fā)生什么？你可能想象不到，日久天長，閃存控制器中的線路板可能會被慢慢腐蝕甚至溶解。若恰巧這臺“傻大黑粗”的閃存陣列并不具備智能化的故障預(yù)測功能，當系統(tǒng)中斷或發(fā)生數(shù)據(jù)丟失時才被用戶察覺，一切將為時晚矣。

你也許會說，上述只是極端的例子或小概率事件，但是隨著業(yè)務(wù)互聯(lián)網(wǎng)化和移動化趨勢的加劇，很多行業(yè)的銷售行為由5×8小時變成7×24小時后，數(shù)據(jù)基礎(chǔ)設(shè)施層面的任何一點疏忽大意或不能被預(yù)測的故障對于企業(yè)的生存和發(fā)展都可能造成滅頂之災(zāi)。這也是為什么最近幾年AIOps突然在數(shù)據(jù)基礎(chǔ)設(shè)施領(lǐng)域爆紅的重要原因之一。

1不要再做“事后諸葛亮”

AIOps最早是由Gartner在2016年提出的概念，它旨在借助大數(shù)據(jù)分析和機器學(xué)習(xí)算法自動地從海量運維數(shù)據(jù)中不斷分析和學(xué)習(xí)，實現(xiàn)異常檢測、瓶頸熱點分析和多維關(guān)系分析等，從而幫助IT運維人員準確甄別系統(tǒng)異常、快速定位故障根因，并對系統(tǒng)運行的潛在風(fēng)險進行主動預(yù)測，提前告警，最終實現(xiàn)IT基礎(chǔ)設(shè)施和業(yè)務(wù)的持續(xù)洞察和主動優(yōu)化改進。

隨著云計算、大數(shù)據(jù)、人工智能等技術(shù)的深入融合和綜合應(yīng)用，AIOps也開始快速向各個細分領(lǐng)域滲透，尤其是在數(shù)據(jù)基礎(chǔ)設(shè)施層面，智能運維已經(jīng)成了各大存儲廠商新的必爭之地�，F(xiàn)在回想起來，HPE當初大手筆收購Nimble Storage是另有深意，落腳點是其基于云的智能運維平臺InfoSight。如今，HPE正將InfoSight逐步引入到整個存儲和服務(wù)器產(chǎn)品線中，包括Primera、Nimble存儲，以及ProLiant服務(wù)器、Synergy組合式基礎(chǔ)設(shè)施和Apollo系統(tǒng)等，而InfoSight也成了名副其實的“幕后英雄”，提供了基礎(chǔ)架構(gòu)層面的全局可見性、預(yù)測分析能力和推薦引擎等功能。

Gartner的研究顯示，2020年，AIOps在全球的采用率達到50％，AIOps成為運維最主要的工具。IDC在最近發(fā)布的《IDC FutureScape： 全球人工智能（AI）市場2021 預(yù)測——中國啟示》報告中也做出了類似的預(yù)測：到2024年，AIOps將成為IT運營的“新常態(tài)”，至少有50％的大型企業(yè)將采用自動化運維解決方案來自動化其主要IT系統(tǒng)和服務(wù)管理過程。

從數(shù)字化轉(zhuǎn)型到智能化升級，今天我們再談到無人值守的數(shù)據(jù)中心、無人工廠或無人駕駛，大家不再認為是天方夜譚，隨著智能化技術(shù)的持續(xù)演進，這一切將更快地變成現(xiàn)實。從宏觀市場的角度看，2020年，“新基建”的火爆讓我們更加清楚地認識到，建設(shè)以“數(shù)據(jù)＋智能”為核心的新型數(shù)據(jù)基礎(chǔ)設(shè)施刻不容緩，這是賦能千行百業(yè)智能升級、服務(wù)各種各樣智慧化的應(yīng)用場景，推動經(jīng)濟高質(zhì)量發(fā)展的必然趨勢。從數(shù)據(jù)基礎(chǔ)設(shè)施穩(wěn)定高效運行的微觀層面看，智能運維有望徹底改變以前“事后諸葛亮”的狀況，發(fā)揮先知先覺的作用，主動并提前預(yù)測數(shù)據(jù)基礎(chǔ)設(shè)施中潛在的風(fēng)險和故障，從而更好地實現(xiàn)整個系統(tǒng)的自管理、自修復(fù)和自優(yōu)化，提高數(shù)據(jù)基礎(chǔ)設(shè)施的運行效率，驅(qū)動業(yè)務(wù)發(fā)展，降低成本。

2智能化，存儲發(fā)展的又一風(fēng)向標

大數(shù)據(jù)是新的生產(chǎn)資料，而人工智能是新的生產(chǎn)力，這些新的生產(chǎn)要素組合在一起，將給各行各業(yè)帶來深刻變革甚至是顛覆。肆虐2020年的新冠疫情，就讓我們再次領(lǐng)略了由數(shù)據(jù)激發(fā)的洞察力，同時疫情也刺激了數(shù)據(jù)智能市場的跨越式前進。

從行業(yè)用戶的具體需求來分析，數(shù)字化和智能化已成為金融企業(yè)致勝未來的關(guān)鍵要素。在智慧金融場景中，數(shù)據(jù)基礎(chǔ)設(shè)施必須保證即時、高效、穩(wěn)定，而服務(wù)則要在數(shù)據(jù)基礎(chǔ)設(shè)施之上實現(xiàn)敏捷發(fā)布、快速迭代，其最根本的保障在很大程度上就來源于數(shù)據(jù)基礎(chǔ)設(shè)施的智能運維和自動化。中信銀行就在完善和優(yōu)化其數(shù)據(jù)基礎(chǔ)設(shè)施的過程中，采用了華為DME數(shù)據(jù)管理引擎，在融合管理、業(yè)務(wù)變更以及統(tǒng)一運維等場景引入了安全可控的自動化和智能化能力，從而顯著提升了運維效率和業(yè)務(wù)的敏捷水平，一舉多得。

再來看看電力行業(yè)的情況，電網(wǎng)公司在業(yè)務(wù)整合和數(shù)字化的過程中對存儲管理提出了更高的要求。由于歷史原因，系統(tǒng)中擁有多個品牌、多個系列的存儲設(shè)備，管理的復(fù)雜性和運維風(fēng)險持續(xù)走高。為進一步完善數(shù)據(jù)存儲管理，提高效率，就必須采用集約式、規(guī)范化的存儲管理模式，充分實現(xiàn)存儲運維管理的自動化和智能化。

綜上，無論是從市場和技術(shù)的發(fā)展趨勢，還是從行業(yè)客戶的實際需求來看，存儲與人工智能技術(shù)的深入融合勢在必行，將極大地降低存儲運維的成本、復(fù)雜度和風(fēng)險。當前，存儲的智能化運維正在形成一股新的潮流。一些以智能化見長的存儲創(chuàng)業(yè)企業(yè)也如雨后春筍般不斷涌現(xiàn)。

我們也欣喜地看到，整個存儲業(yè)界對智能運維的重視程度不斷提升。2020年12月，DOIT在一年一度的“百易獎”評選中就特別設(shè)立了“2020年度人工智能技術(shù)創(chuàng)新獎“，并授予了華為DME（Data Management Engine，數(shù)據(jù)管理引擎）數(shù)據(jù)管理與運維自動化解決方案。該解決方案創(chuàng)新性地引入三層AI架構(gòu)，實現(xiàn)數(shù)據(jù)中心存儲網(wǎng)絡(luò)的自動化資源發(fā)放、智能運維以及智能數(shù)據(jù)流動，助力運維極簡以及業(yè)務(wù)敏捷創(chuàng)新。毋庸置疑，智能化將成為引領(lǐng)存儲未來發(fā)展的又一重要風(fēng)向標。

3華為存儲引領(lǐng)AIOps創(chuàng)新

存儲行業(yè)是一個需要高研發(fā)投入和長期積累的行業(yè)，尤其是在一些核心技術(shù)的研發(fā)和相關(guān)能力的建設(shè)上更是如此，也由此建立了高門檻。華為是一家端到端IT基礎(chǔ)設(shè)施解決方案提供商，而智能運維是IT基礎(chǔ)設(shè)施中一項不可或缺的能力，可想而知華為在這方面擁有多年的積累和成功實踐。隨著智能化在存儲中的地位進一步凸顯，在Gartner定期發(fā)布的全球主存儲市場魔力象限中，居領(lǐng)導(dǎo)者地位的廠商一定也是在智能運維方面擁有特長的。而華為如今已是這一象限的常客，在與國際知名大廠商的博弈中，并不落下風(fēng)。

受到業(yè)界充分肯定的華為DME是華為數(shù)據(jù)基礎(chǔ)設(shè)施智能運維平臺，該平臺通過與存儲設(shè)備內(nèi)置的設(shè)備AI以及云端AI（eService）實現(xiàn)三層AI協(xié)同，并通過融合統(tǒng)一的管理界面、自動化的閉環(huán)機制以及開放的API，旨在使能數(shù)據(jù)存儲的從規(guī)劃到建設(shè)、運維、優(yōu)化的全生命周期場景管理與運維自動化，從而幫助客戶簡化存儲管理，提升數(shù)據(jù)中心的運營效率。

華為存儲基于存儲AI“四大范式”，持續(xù)引領(lǐng)業(yè)界AIOps創(chuàng)新。

范式一，Workload指紋，業(yè)務(wù)識別的準確率高于80％，可將資源使用效率提升30％，主要應(yīng)用于數(shù)據(jù)安置、數(shù)據(jù)流動、硬件擴容、業(yè)務(wù)擴容等場景。舉例來說，可以實現(xiàn)基于策略的SLA變更功能，讓關(guān)鍵業(yè)務(wù)始終可以獲得更好的存儲資源保障，確保業(yè)務(wù)穩(wěn)定運行。

范式二，知識圖譜，分鐘級快速定位到可恢復(fù)單元，主要應(yīng)用于全棧拓撲可視化、VM到存儲E2E分析、告警關(guān)聯(lián)／根因分析、擾鄰分析等場景。舉例來說，可以實現(xiàn)告警關(guān)聯(lián)分析、一鍵式影響范圍評估，從而提升問題分析效率；實現(xiàn)性能異常預(yù)測，KPI關(guān)聯(lián)分析以及修復(fù)方案推薦，2019年在某交通集團有限公司，eService檢測到華為OceanStor 5500 V5存儲峰值寫時延達到190．66ms后，建議開啟SmartTier功能，使得時延恢復(fù)正常。

范式三，介質(zhì)故障預(yù)測，可提前14天預(yù)知故障，故障識別率高于80％，誤報率則低于0．1％，主要應(yīng)用于整盤故障、盤局部故障、內(nèi)存失效、光模塊故障等場景。舉例來說，可以實現(xiàn)HDD、SSD故障盤預(yù)測，通過選取故障時刻前14天的數(shù)據(jù)作為故障樣本，分析數(shù)據(jù)分布、增長趨勢、特征相關(guān)性和重要度，進行大樣本學(xué)習(xí)方法并在11萬塊盤上訓(xùn)練和測試，效果顯著優(yōu)于隨機抽樣選擇訓(xùn)練集方法，2018年6月華為數(shù)據(jù)中心就曾在一個月內(nèi)預(yù)測出3塊故障硬盤；使用AI算法進行內(nèi)存故障模式識別和內(nèi)存故障預(yù)測，并結(jié)合內(nèi)存Bank隔離等措施，實現(xiàn)內(nèi)存局部故障自修復(fù)和內(nèi)存故障預(yù)告警，減少內(nèi)存故障引起的系統(tǒng)宕機。

范式四，性能容量預(yù)測，性能預(yù)測準確率高于85％，主要應(yīng)用于性能瓶頸預(yù)測、容量瓶頸預(yù)測、KPI異常分析、網(wǎng)絡(luò)亞健康分析等場景。舉例來就，針對存儲資源（前端端口、控制器、Cache、存儲池、LUN和磁盤）的性能異常進行實時監(jiān)控，提前獲知性能指標（IOPS、時延和IO帶寬）的變化趨勢，幫助客戶提前規(guī)劃，降低性能事故率；實現(xiàn)容量趨勢預(yù)測，采用集成學(xué)習(xí)技術(shù)，將多種基于時間序列的預(yù)測算法加權(quán)集成，充分捕捉多種時間序列特征，實現(xiàn)精準預(yù)測；利用CNN神經(jīng)網(wǎng)絡(luò)預(yù)測業(yè)務(wù)未來的性能趨勢，該模型使用華為全網(wǎng)的LUN在過去3個月內(nèi)的性能數(shù)據(jù)大規(guī)模訓(xùn)練完成；性能潮汐分析，將規(guī)律以熱力圖方式進行呈現(xiàn)，某市區(qū)政府就根據(jù)潮汐熱力圖主動選擇最合適的升級時間窗口，避免了業(yè)務(wù)高峰期操作可能對業(yè)務(wù)造成的不良影響。

上述諸多例證表明，人工智能技術(shù)的應(yīng)用，在優(yōu)化存儲基礎(chǔ)設(shè)施、存儲資源配置、性能優(yōu)化，以及提升自動化和智能化水平方面功不可沒。當前，對于存儲智能化的探索正漸入佳境，打造智能數(shù)據(jù)基礎(chǔ)設(shè)施將是企業(yè)智能化升級的必由之路。