有号码网 首页 科技资讯 查看内容

利用机器学习使治理 存储变得不那么麻烦

2020-2-13 09:55| 发布者: 手术刀| 查看: 101| 评论: 0

摘要: 原创不易 请随手点击存眷 本文由Rehoo团队Eva原创,独家宣布 在今日头条,无授权禁转!(图片来自网络)图片来自网络存储治理 在很年夜 水平 上围绕模式识别— AI可以提供赞助 。虽然“人工智能”一词通常会让人联想到 ...

原创不易 请随手点击存眷

本文由Rehoo团队Eva原创,独家宣布 在今日头条,无授权禁转!(图片来自网络)

利用机器学习使治理 存储变得不那么麻烦

图片来自网络

存储治理 在很年夜 水平 上围绕模式识别— AI可以提供赞助 。

虽然“人工智能”一词通常会让人联想到Skynet,HAL 9000和Demon Seed的愿景,但机器学习和其他类型的AI技术已被带去执行许多剖析 任务,做着人类无法做到或不想做的事情-从捕获 恶意软件到预测喷气发念头 何时需要维修。现在,它正在引起人们对人类似乎另一个弗成 能完成的任务的存眷 :正确配置数据存储。

随着存储工作负载的范围 和庞杂 性的增加,有效治理 它们变得越来越困难。原本可以由单个存储架构师计划和治理 的工作现在需要越来越多的专家团队,这为人工智能(née机器学习)技术进入舞台奠定 了基础,从而使更少的存储工程师可以有效地治理 更年夜 ,更多样化的应用工作负载。

利用机器学习使治理 存储变得不那么麻烦

图片来自网络

存储治理 员需要应对五个主要指标,并在其中找到一个平衡点,以匹配应用法度模范 需求的办法 是一项艰巨的任务。这些指标是:

吞吐量:吞吐量是消费者级别上最常被理解的指标。网络级其余 吞吐量通常以Mbps(兆位/秒)为单位 进行测量,就像您在典范 的Internet速度测试中看到的那样。在存储指标中,最常见的器量 单位 是MB /秒-兆字节每秒。这是因为存储容量通常以兆字节为单位 。(作为参考,一个字节中有8位,因此每秒1MB等于8Mbps。)

延迟:延迟(至少在涉及存储的情况下)是指从发出请求到完成请求所花费的时间,通常以毫秒为单位 。可以纯粹 的,非吞吐量约束的意义(即满足单个存储块的请求所需的时间)或应用法度模范 延迟的意义(即满足典范 存储请求所需的时间)进行讨论。纯期待 时间不受吞吐量影响,而如果单个存储请求很年夜 ,则应用法度模范 期待 时间可能会随着吞吐量的增加而显着减少。

IOPS:IOPS是“每秒输入/输出操作”的缩写,通常是指存储客栈 可以处理 的离散磁盘读取或写入操作的原始计数。这是年夜 多半 存储系统首先绑定的内容。可以在存储控制器或基础介质上达到 IOPS限制。一个例子是从传统的旋转硬盘驱动器读取单个年夜 文件与许多微小文件之间的区别:年夜 文件的读取速度可能达到 110MB / sec或更高,而存储在同一驱动器中的微小文件可能会读取速度为1MB /秒甚至更低。


利用机器学习使治理 存储变得不那么麻烦


容量:这个概念很简单-您可以将若干 数据装载到设备或客栈 上-然则 不幸的是,这些设备是一片混乱。容量可以用GiB,TiB或PiB(即所谓的“ gibibytes”,“ tebibytes”或“ pibibytes”)表示 ,但通常以更熟悉的GB,TB或PB(即GB,TB或PB)表示 。 。区别在于“ mega”,“ giga”和“ peta”是基于十次幂的十进制计数系统(因此1GB正确等于1000 ^ 3字节,或恰好十亿字节),而“ gibi”,“ tebi” ”和“ pibi”是一种基于2的幂的二进制计数系统(因此,一个“ gibibyte”为1024 ^ 3字节,即1,073,741,824字节)。文件系统几乎普遍使用两个的幂(标准 科学计数法),而存储设备的规格几乎普遍采取 10的幂。估算办法 的不合 有很庞杂 的历史原因,然则 容量估算办法 继续存在的一个原因是,它便利 地使驱动器制造商在商店的包装盒上注解 其设备的容量。

平安 性:在年夜 多半 情况下,平安 性只有在平衡云存储与本地 存储时才起作用。使用高度机密的数据,可以更严格地锁定本地 存储,而物理拜访 严格地仅限于直接为公司工作并且 实际需要该物理拜访 的人员。相比之下,云存储通常涉及更多具有物理拜访 权限的人员,这些人员可能无法直接为拥有数据的公司工作。平安 可能是拥有数据的公司的巨年夜 存眷 点,还是从诸如HIPAA或PCI DSS之类的监督机构手中转移过来的监管存眷 点。

利用机器学习使治理 存储变得不那么麻烦

图片来自网络

企业治理 员面临越来越多的存储类型和同样多样化的办事 列表,以支持满足不合 I / O指标的需求。年夜 型文件共享可能需要尽可能廉价 的年夜 范围 和适合的吞吐量,但还必须 忍受延迟带来的损失。私人电子邮件办事 器可能需要相昔时 夜 的存储空间,并具有良好的延迟和吞吐量,然则 具有相对不高的IOPS配置文件。由数据库支持的应用法度模范 可能不需要移动年夜 量数据,然则 在令人难以置信的IOPS配置文件下,它可能还需要异常 低的延迟。

如果仅安排 这三项办事 ,则工作看起来很简单:将较年夜 的非机密文件共享放在相对廉价 的Amazon S3存储中,然后将数据库扔到本地 SSD上。然则 ,像年夜 多半 “简单”问题一样,随着变量数量的增加,这变得越来越庞杂 且难以治理 。即使是雇员少于五十人的小型企业,也很容易获得许多症结 业务办事 。一个企业通常有数千个。

利用机器学习使治理 存储变得不那么麻烦

图片来自网络

随着成千上万的办事 商争夺具有不合 性能和机密性目标的资源(其中一些是历久 运行的,其他则相对短暂,并且 可能一次只能运行几天或几周),对基础存储的治理 迅速跨越 了人们做出明智和有用的能力变更 。治理 工作很快又回到尽力而为,这种办法 依据 组织或部分 的喜好量身定做,虽然花费过多,但却获得了高性能和/或最低的维护要求。还是依靠廉价 的办事 ,希望节省的成本跨越 性能目标或增加的IT投入所带来的损失。

(此处已添加圈子卡片,请到今日头条客户端查看)



鲜花

握手

雷人

路过

鸡蛋

最新评论