人工智能（AI）和預測分析是現(xiàn)代化企業(yè)使用數(shù)據(jù)存儲系統(tǒng)而希望實現(xiàn)的基本功能，有助于評估基礎架構的運行狀況并確定業(yè)務問題，同時受惠于數(shù)據(jù)自動化存儲和遷移，可使企業(yè)節(jié)省不少空間與時間成本，在保持所有服務平穩(wěn)運行的前提下，積極拓展其他應用。
目前Gartner已將增強數(shù)據(jù)管理確定為2020年10大數(shù)據(jù)和分析趨勢中的第二內(nèi)容，可以預測，供應商正在為這些需要增加機器學習和AI功能，以提供自我配置和自我調(diào)整的數(shù)據(jù)管理，并使員工可以自由地專注更高水平研究而進行有價值任務的企業(yè)服務，而人工智能和預測分析顯示是這一趨勢的主要部分。
那么，預測分析如何幫助存儲？根據(jù)香港IDC新天域互聯(lián)整理，預測分析可應用于諸如數(shù)據(jù)挖掘、分析查詢、預測建模、人工智能和機器學習之類的技術，通過引入存儲系統(tǒng)模式，以識別異常數(shù)據(jù)，從而令未來結果獲得更高的準確性。因此，存儲產(chǎn)品中的預測分析功能具有以下優(yōu)點：更好性能和資源使用率，以及更低管理開銷、減少停機時間與優(yōu)化工作負載。
同時，機器學習對改進存儲系統(tǒng)中的預測分析尤為重要，從整個存儲基礎架構收集的數(shù)據(jù)用于訓練預測算法，以了解趨勢并識別何時可能出現(xiàn)瓶頸和問題，然后就可以不斷進行優(yōu)化存儲組件，以解決這些潛在挑戰(zhàn)。
那么，轉(zhuǎn)向更智能存儲的意義是什么？越來越多的全閃存陣列以及混合和超融合基礎架構的使用是推動對更智能存儲需求的因素之一，在許多企業(yè)中，它是數(shù)據(jù)中心技術堆棧中不可或缺的一部分，可以作為一個整體進行管理，并且需要更多有關智能存儲提供的存儲容量和性能的實時數(shù)據(jù)。
其中，云存儲以有助預測趨勢、規(guī)劃基礎架構并減少開銷方式結合預測分析內(nèi)容，這些應用程序使用AI、機器學習和其他高級技術來連續(xù)收集和分析來自存儲堆棧中閃存陣列的遙測數(shù)據(jù)。此處的目標也是分析帶寬、容錯、延遲和其他與存儲相關的信息，確定問題并使用存儲自動化功能主動解決這些問題。此外在云環(huán)境中，預測分析使存儲基礎架構更接近自我修復技術，可以最少干預來識別和解決問題。
那么，哪種技術使存儲最智慧？數(shù)據(jù)收集是智能存儲基礎的一部分，供應商匯總并分析來自其客戶的匿名遙測數(shù)據(jù)，將能夠了解可能影響其他客戶的不同存儲方案、工作負載和問題。還可以借此提供有關存儲性能指標和模式的詳細信息，以及預測趨勢，瓶頸和其他可能在未來面臨的困難。
總而言之，存儲預測分析工具應具有以下功能：首先，支持自動化。系統(tǒng)可以預測與性能，容量，可用性和安全性相關的各種問題。例如，預測分析可用分析每個設備、卷和應用程序的存儲容量使用情況，并主動識別何時達到目標。管理員可以使用存儲自動化功能來設置系統(tǒng)以自動添加或重新平衡容量。
其次是，自動化的管理和配置。尋找可提供自動存儲設置和管理功能的工具。這些系統(tǒng)自動確定性能，資源消耗和容量需求，并優(yōu)化工作負載布置以提高資源利用率。還有，軟件更新和修補。系統(tǒng)使用分析功能使代碼主動提供給滿足要求的站點，以解決潛在問題，而后再將其變?yōu)閱栴}，從而主動更新軟件。
同時，注意資源規(guī)劃。預測算法可識別趨勢，以幫助提前計劃未來的存儲需求。存儲管理員可以使用該技術來預測各種存儲方案和可能的升級的容量、IOPS和帶寬需求。最后一點，虛擬機管理。預測分析可與VMware vSphere等虛擬化平臺集成，以提供有關特定工作負載的性能和容量的信息，發(fā)現(xiàn)使用趨勢并提出更好的設置意見。
