狒话多：AI是存储的救世主吗？

正文

请到「今天看啥」查看全文

与AI关系最为密切的当属DiskProphet，其功能是对磁盘的故障进行预测，用现代化的方法为磁盘“算命”，化被动的数据修复为主动的数据迁移，从而大幅提升存储运维能力。

为了防止数据丢失，业界广泛使用副本或RAID/EC（Erasure Coding，纠删码）算法将冗余信息分布在多个磁盘上。当其中的某个磁盘失效，就要访问其他磁盘以重建这个故障盘上的数据，恢复到设定的冗余水平；否则，再有磁盘失效，就可能会导致数据丢失。

数据修复过程会占用大量资源，影响正常的系统访问，而且在此期间涉及重建数据的磁盘面临超负荷工作，可能进一步诱发更多的磁盘失效；降低数据重建的优先级可以缓解磁盘的压力，但会导致数据修复过程变长，反过来又增加其他磁盘失效的几率。

如果能够提前预知磁盘何时故障，在其失效之前将存储于其中的数据读出，写入到其他健康的磁盘上，变被动为主动，也就不用为数据修复过程中的种种风险担心了。

基于智能预测的主动式故障处理

给磁盘“算命”的实质是用算法处理大量磁盘的生命数据。DiskProphet分析的核心是神经网络算法——这年头不提神经网络、深度学习，简直就是不懂AI。可利用的磁盘生命数据分为两部分：一个是磁盘自身的S.M.A.R.T.（Self-Monitoring, Analysis and Reporting Technology：自监控、分析和报告技术）信息；另一个是磁盘工作的环境信息，包括CPU利用率、内存利用率、网络占用等负载模式信息，统称为Metrics。持续不断的采集这些数据，可以得到磁盘状态随着时间变化的趋势，和外部环境所产生的影响，供神经网络学习。

神经网络的分析能力并非与生俱来，刚搭建出来的神经网络只具备学习的潜力，还没有实际的分析能力，需要通过大量的实际数据样本训练，才会具备分析判断的能力。具体到DiskProphet，要经过六千万条的数据训练之后，才可以准确的给磁盘（也支持SSD）“算命”。

DiskProphet工作原理

DiskProphet的输出不仅仅包括磁盘寿命的预测，还可以根据实际应用负载变化情况给出相应的处置建议。譬如，DiskProphet发现某一块磁盘很可能在七天后发生故障，而未来的七天里只有两天是很闲的，五天很忙，它又算出了迁移这块磁盘上的数据两天就够了，于是给出建议，提前把这块磁盘上的数据进行迁移。如果管理员足够放心的话，还可以让DiskProphet自动操作。

请到「今天看啥」查看全文