智能存储系统优化性能，积极主动

新的存储挑战需要更智能的修复

越来越多的应用对存储系统提出了更高的要求，以支持人工智能和大数据分析等计算密集型工作负载。

与这些挑战同时出现的，是复杂的安全威胁的升级，比如勒索软件攻击、各种各样的新的合规和隐私规定，这些规定因地区而不同，欧盟也不例外一般资料保障规例以及新的和不断发展的数据中心架构。

为了应对这些挑战，存储必须能够快速评估环境并自动采取措施解决问题，同时提供对存储堆栈所有层的广泛实时可见性。

智能存储系统收集和分析基础设施度量数据，并使用结果来减少停机时间，最大限度地利用资源，优化应用工作负载，确保可用性。智能存储还提供监视和警报功能用于跟踪可能的安全性和遵从性问题。

智能存储系统背后的技术

智能存储收集大量的遥测来自存储系统和相关系统及业务的数据。这些数据可以包括吞吐量、延迟和每卷IOPS等性能指标，以及缓存使用、带宽使用、工作负载度量或其他相关数据等细节。HPEInfoSight例如，它以每秒数百万个传感器的速度，在全球已安装的客户基础上收集数据。

但仅仅收集数据是不够的。智能存储持续分析数据，以识别模式，可用于预测趋势，隔离瓶颈，跟踪硬件故障，并在潜在问题发生前预测它们。

这个学习过程的核心是一个复杂的分析和推荐引擎，它使用人工智能，机器学习，深度学习和预测分析．

人工智能包括智能存储常用的两个重要分支学科:机器学习和深度学习。

人工智能包括智能存储系统通常使用的两个重要分支学科:机器学习和深度学习。机器学习使计算机能够从数据中学习，而不需要一套特定的编程指令。

随着可用数据的增多，机器学习系统继续学习，在这个过程中，变得更善于预测。深度学习是机器学习的一个子集，它使用多层人工神经网络来模拟人类从例子中推断意义的学习。

智能存储还将预测分析应用于许多核心操作，以揭示数据模式并预测具体结果。

为了实现这些操作，预测分析使用了人工智能，数据挖掘，分析查询和预测建模。例如，预测分析通常使用机器学习来训练预测算法，使用收集的遥测数据样本。

智能存储差异

智能系统可以简化存储管理，更好地保护存储数据。它可以自动预测和防止性能和可用性问题，响应不断变化的工作负载，协助排除故障，帮助规划容量，并向用户提醒安全性或遵从性问题。

其结果是提高了性能、提高了可用性、降低了成本、提高了安全性，管理员可以在其他任务上花费更多的时间。

厂商提供智能存储的方式因产品不同而不同，他们对智能存储的定义也不同。仅仅因为供应商使用了“智能”这个词，并不意味着它就是一个智能系统。

智能存储系统提供一种智能的存储方法,除了基本操作提供一个主动的、自动化的系统，优化性能，适应不断变化的工作负载，最大限度地提高数据安全性和遵从性。任何更少的都只是另一种存储产品。