当数据存储基础设施真正有大脑的时候

这都是数据的问题

还记得分析以前是离线过程吗?在文件中捕获一些数据;打开Excel、SAS或其他桌面工具;几周后收到一封推荐信。今天，这种分析延迟太长了。

强大而廉价的处理器支持的本地动态优化正使人类越来越难以弄清基础设施的情况。

考虑到如今我们的应用程序和用户的速度和灵活性，更不用说更大的数据流和每分钟都有弹性的云代理，我们需要比以往更快的洞察和回答。这种智能始于丰富、可靠的数据，如今的基础设施每天都在产生越来越多的数据(事实上，我们很快就会淹没在新数据中多亏了物联网[物联网])，以及一种处理和管理所有的信息．

例如，存储阵列长期以来产生了深刻的数据，但历史上需要特定于供应商的、复杂和昂贵的数据存储资源管理应用好好利用它。幸运的是，今天，有一系列的发展帮助我们在IT系统管理方面变得更加智能，并更好(更快)地使用我们的基础设施生成的数据:

• 数据处理。与…一致物联网发展上面提到，存储组件正在产生越来越多的详细的、机器级别的度量。这种不断增长的数据洪流需要IT本身的大数据分析技术。如果您是一名IT管理员，可能是时候学习一些Python和Spark技能了。
• 可消费的api。现代存储平台现在提供服务或生产很容易一下子吃REST api(表示状态传输api)，它允许任何人(有权限)使用几乎任何类型的第三方分析工具直接访问关键数据。标准api还通过集成OpenDataSource等平台来支持和支持第三方系统管理。
• 打电话回家的支持。目前，大多数存储供应商将call home支持构建到他们的阵列中，以使他们能够将详细的计算机日志发送回供应商，以便每天进行处理。然后，供应商可以用大数据工具聚合数据，为更好的产品管理和营销提供来自客户的积极支持和洞察力。Call home功能也可以作为服务提供给供应商喜欢的Glassbeam，它还可以帮助提供作为“增值”的客户门户，直接向IT终端用户提供使用和性能洞察。

幸运的是，今天，有一系列的发展帮助我们在IT系统管理方面变得更加智能，并更好(和更快)地使用我们的基础设施生成的数据。

• 可视化．以it为导向的大数据带来了许多优秀的可视化工具通常由企业商业情报人员(如Tableau)利用。因此IT本身现在可以构建业务友好的、业务熟悉的仪表板和报告．与此同时，许多供应商已经使用了视觉上很酷且易于访问的开源可视化库(如d3.js)来轻松创建和提供定制的产品仪表板和可共享的小部件。
• 下一代聪明。一些供应商正在做一些超越可视化的非常聪明的事情。当供应商可以在高级特定产品上提供帮助时，把所有的详细数据都倾倒给客户是不够的关键性能指标(例如，VMware vRealize Operations, Tintri, Pernix/Nutanix)提升对可行动情报的洞察力。作为第一步(尽管是很大的一步)，今天的供应商可以聪明地将低级数据流积累成健康、能力或风险的专家“模型”。有些模型用于基于每个特定平台的独特“分数”趋势产生线性预测。真正高级的建模可以考虑工作负载增长和数据存储基础设施升级的未来计划，并可能基于分析排队行为进行非线性性能预测。

智能机器

随着大数据分析和物联网趋势的进步，肯定有空间产生更多令人兴奋的新发展智能数据存储基础设施．

例如，我认为我们只看到了在系统管理领域应用机器学习的开端。请注意，更智能的机器学习优化正在成为“软件即服务”的分析服务，用于动态操作的客户控制台，用于智能战略规划的仪表板和门户，甚至被推进到设备中，以帮助它们变得越来越自动化。

随着大数据分析和物联网趋势的进步，肯定会有令人兴奋的新发展空间，产生越来越智能的数据存储基础设施。

如果汽车很快就能自动驾驶，那么当我们的存储阵列开始告诉我们退一步，让它们来处理事情时，我们也不应该感到惊讶。不久的将来，我们可能不得不对新的存储阵列进行面向企业it的IQ测试，以确定它们是否为我们的生产数据中心做好了准备。

关于作者:
迈克·马是Taneja Group的高级分析师。