Широкое внедрение технологий машинного обучения и искусственного интеллекта (ИИ), которое демонстрируют некоторые системы управления хранением данных, по-настоящему впечатляет — пишет Дрю Робб. Например, алгоритмы машинного обучения могут быть задействованы на уровне управления, облегчая администраторам диагностирование причин перегрузок и снижения трафика. Это позволит им заблаговременно определять потенциально уязвимые сегменты сети.

«При помощи моделей использования сети, пользовательские запросы и потоки данных могут быть перенаправлены в альтернативные хранилища и из них», — отметил аналитик по системам ИИ из компании Markets And Markets Силадитья Чатерджи.

Но возможности искусственного разума выходят далеко за рамки обязанностей простого регулировщика трафика. ИИ и машинное обучение оказывают влияние на методы хранения данных с разных сторон. Вот несколько наиболее вероятных тенденций и прогнозов:

1. Снижение затрат

По словам Чатерджи, переход предприятий на использование облачных хранилищ с одновременным уменьшением количества специализированных массивов хранения данных, будет стимулировать использование динамических программных систем для хранения информации с интегрированными алгоритмами глубокого обучения. С их помощью организации смогут увеличить ёмкость хранилища, при снижении затрат на 60-70%.

2. Рост числа программно-определяемых хранилищ данных

Пару лет назад программно-определяемые хранилища уже были в тренде. Сегодня ИИ и машинное обучение действуют как катализаторы их внедрения. Наличия множества потенциальных преимуществ помогает предприятиям преодолеть свою неприязнь к тем, кто говорит им о необходимости взять на вооружение ещё одну новую технологию.

«ИИ и машинное обучение приведут к более быстрому внедрению программно-определяемых хранилищ данных», — заявил вице-президент по маркетингу компании ZadaraStorage Кевин Либл.

3. Больше инструментария

На заре эры компьютерных вычислений системы изобиловали множеством инструментов. Фактически, на данный момент существуют целые объединения и ассоциации, посвящённые определению характеристик и инструментам компьютеров.

С появлением серверов Windows в середине 1990-х годов, эта тенденция постепенно ослабевала. Но, похоже, ситуация снова меняется, поскольку ИИ и машинное обучение открывают новые горизонты. Отталкиваясь от этого, господин Либл назвал ещё одну тенденцию: значительное увеличение инструментария в ближайшие годы.

4. Автоматизация

Появление программно-определяемых хранилищ данных является ключевым фактором развития машинного обучения и искусственного интеллекта в средах хранения. Надстройка неоднородного уровня управления программным обеспечением над аппаратными средствами позволяет программам расширить диапазон контролируемых задач. Это освобождает систему управления хранилищем для выполнения более важных стратегических задач.

«ИИ способен обеспечить автоматизацию хранилищ, которые сочетаются с адаптивной и гибкой архитектурой», — сказал Чатерджи. «Он может вести интеллектуальный контроль прав доступа, динамически перенаправлять информацию из центра обработки данных и автоматически регулировать охлаждение центра обработки данных (тем самым уменьшая потребление энергии)».

5. Повышенная безопасность и надёжность

Безопасность и потери — главные проблемы на современных предприятиях. «Некоторые создатели хранилищ данных начинают использовать ИИ и машинное обучение для предотвращения потерь информации, увеличения доступности и скорости выхода из вынужденного простоя благодаря интеллектуальному восстановлению данных и систематической стратегии резервного копирования», — сказал Чатерджи. Он также добавил, что такой подход обещает повышение безопасности данных.

«ИИ открывает двери для интеллектуальных функций, помогающих обеспечить безопасность и обнаружение потери данных/пакетов при их передаче или в центрах обработки данных», — пояснил эксперт.

6. Гибридные облачные хранилища

Аргументы в споре об открытых и приватных облачных хранилищах, кажется, теряют свою силу перед лицом ИИ, машинного обучения и программного обеспечения. Это связано с тем, что функциональные программно-определённые архитектуры должны иметь возможность беспрепятственно перемещать данные из облака одного типа в другое. В то же время организации могут управлять всеми своими данными как одним пулом, независимо от того, где они физически находятся. В результате пуристы, которые предпочитают либо общественные, либо приватные облака, вряд ли будут определять тенденции. Скорее всего, нас ждёт гибридное облако.

«Использование искусственного интеллекта и машинного обучения ускорит развёртывание сквозных гибридных облачных решений в качестве хранилища. После анализа данных и разработки логических карт они будут обеспечивать прозрачное перемещение информации в локальные аналитические системы на каждом витке цикла непрерывного совершенствования», — отметил старший вице-президент по продуктам и технологиям «интернет вещей» (IoT) компании HDS Ричард Роджерс.

7. Больше флэш-памяти

Все предсказывают, что популярность флэш-памяти будет расти, так что здесь нет ничего нового. ИИ и машинное обучение просто станут ещё одним стимулом для этой непреодолимой волны, которая захлестнёт все формы хранения данных.

«Флэш-память будет использоваться в качестве основного носителя данных, потому что другие решения просто не способны работать с передовыми технологиями», — пояснил Роджерс.

8. Автономные автомобили

Возможно, самым большим драйвером интеграции ИИ и машинного обучения в системы хранения данных окажутся водители — владельцы автомобилей. Сегодняшние передовые модели транспортных средства (без автономных функций) имеют от 64 до 200 ГБ памяти — в основном в виде карт памяти и встроенного ОЗУ информационно-развлекательных систем. В завтрашние автономные машины вполне могут быть встроены модули памяти ёмкостью более 1 ТБ. Функционал таких авто выйдет далеко за границы задач передвижения.

«Интеллектуальные помощники в автомобиле, продвинутое распознавание голоса и жестов, кэширование обновлений программного обеспечения и буферизация информационно-развлекательных программ для снижения пиковых нагрузок на коммуникационные сети станут движущими факторами увеличения объёмов памяти на локальном уровне», — убеждён директор по маркетингу и автомобильным решениям компании WesternDigital Мартин Бут.

9. Параллельные файловые системы

Для поддержки возможностей ИИ и машинного обучения, системы хранения должны будут иметь достаточную производительность. Это означает эффективное взаимодействие в прогнозируемом масштабе с такими технологиями, как параллельные файловые системы и флэш-память. Об этом рассказала старший директор по маркетингу компании DataDirectNetworks Лаура Шепард.

«В инфраструктуре будущего система должна иметь возможность просто и экономически эффективно обрабатывать также и те данные, которые являются более старыми или менее актуальными. Для этого от неё потребуется поддержка передовых технологий, таких как флэш-память нового формата и соответствующие инструменты, максимально увеличивающие производительность флэш-памяти и исключающие её специфические недостатки (в производительности или долговечности)», — заявила она.

10. Нейронное хранилище

Господин Либл также прогнозирует рост интереса к хранилищам «нейронного класса». Такие банки данных могут распознавать и реагировать на проблемы и ситуации без вмешательства человека. Развитие этой технологии до должного уровня приведёт к скачкообразному изменению производительности.

По словам аналитика компании IT BrandPulse Франка Берри, переход на нейронные хранилища не будет мгновенным. Он описал три этапа этого процесса, кульминацией которого станет реализация нейронных сетей для хранения данных. Они будут формироваться постепенно, и каждый шаг на этом пути будет помогать последующему.

На первом этапе, как считает Либл, хранилища будут оснащены телеметрическими устройствами для сбора данных из нетрадиционных источников. Это, например, шаблоны доступа на уровне пользователя, потоки данных, сетевые потоки и информация об отказе оборудования или программного обеспечения. Эта фаза проявится на относительно ранних стадиях развития программно-определяемых хранилищ данных.

Этап 2 Берри определил как самонаводящийся. После того, как все хранилища станут программно-определяемыми, они получат интегрированные алгоритмы, которые обеспечат решение сложных проблем управления данными благодаря возможности доступа к большому количеству новой информации. Это необходимый шаг на пути к созданию систем мониторинга, настройки, цепей обратной связи, необходимых для самообслуживания хранилищ.

Нейронные сети хранения могут появиться только по завершению этих двух этапов.

«Настоящая нейронная сеть (с возможностью обработки гигантских массивов данных) должна быть интегрирована в инфраструктуру хранения, что позволит ей самостоятельно искать и осваивать новые функциональные возможности», — сказал Берри.

В некотором смысле, это напоминает сюжет научно-фантастического фильма. Компьютер HAL (из фильма «Космическая одиссея 2001 года») пришёл к логическому выводу, что его экипаж должен был быть ликвидирован. Возможно, нейронное хранилище решит, что 99,99999% хранимых данных не имеет никакой ценности, и поэтому они должны быть удалены. Но польза от концепции нейронного хранения также несомненна.

Reviewer
Топ-10 тенденций в сфере хранения данных с использованием искусственного интеллекта и машинного обучения
Название
Топ-10 тенденций в сфере хранения данных с использованием искусственного интеллекта и машинного обучения
Описание
Широкое внедрение технологий машинного обучения и искусственного интеллекта (ИИ), которое демонстрируют некоторые системы управления хранением данных, по-настоящему впечатляет. Например, алгоритмы машинного обучения могут быть задействованы на уровне управления, облегчая администраторам диагностирование причин перегрузок и снижения трафика.
Автор
Издатель
8d9.ru
Лого
Топ-10 тенденций в сфере хранения данных с использованием искусственного интеллекта и машинного обучения
Оценка