近日，在2017中国存储峰会上，先智数据中国区总经理董唯元围绕“人工智能时代的数据中心运维”展开演讲，作为智能存储的先锋者分享其独特观点与最佳实践。
董唯元认为，实现智能化的数据中心运维，要从减少IT系统运维对专业人士的依赖入手，借助智能化辅助管理，由人工智能解决系统解决众多琐碎的细节问题，提高效率。在判断数据中心复杂的系统故障时，无论是应用端还是在设备端，几乎所有防范故障的手段存在冗余，而智能化手段可以准确做出预判。
系统磁盘数据量太大时，多核磁盘可能会同时出现故障，先智数据具备主动式故障预测能力，同时防范诸多隐患，不仅如此，还能通过人工智能技术，预测磁盘寿命，先知先觉，为企业降本增效。
以下内容根据演讲实录整理：
先智数据，大家看这个名字觉得好像跟人工智能有点关系，公司成立已有五年时间，我们起和智能相关的名字时，人工智能还没有那么热，我们的团队大多是原先做存储的研发人员，存储领域多年来在应用上始终存在一定的局限性，所有的动态都须配上预测能力，当磁盘空间不够时再去解决，这个动态没有太多意义。
预测能力在数据中心里到底能干什么？意义又是什么？
先智数据的愿景就是连接存储与未来的人工智能，宏观来讲，是人工智能与基础架构之间的关系，在基础架构领域，很多人工智能的应用起到了替代人工或部分替代人工的应用，或者说，它替代了基础架构原理本身的工作模式。所以人工智能在数据中心的应用，首先是减少对专业人士的依赖。面对数据中心可能出现的故障，我们所能做的就是作最坏的打算，到底哪里会有故障，其实是不可知的，所有的防范故障的手段都是冗余，冗余不是出现在应用端就是在设备端，纯靠冗余并不能堵住问题，除了堵，就是作疏堵结合，通过智能化手段作预判，相对比较准确地预知未来情况，虽然故障可能还会存在，但大大减轻了面对故障时的人为压力，明确知道故障原因，选择应对手段就会变得更轻松。运维思路发生变化，这种转变就是预测能力带给数据的比较基础的意义。
预知能力可以解决哪些具体实际问题？
现有技术大多还是在于后期“治病”阶段，先智数据充当“算命”角色，算出设备使用多久会坏，并不做后期治病的事情。例如，两副本或三副本存储，是比较奢侈的配置方式，在这种配置方式下，我们产品的可靠性得到了充分保证，为1PB的数据扩展出3PB的空间，但实际上，两副本或者三副本，这种副本保护机制并没有想象中那么强，所以我们要得出系统总体的健康概率时，就要用到一个叠加的方式，这个原来叫副本安全分布边界。
总之当系统磁盘数据量太大，多核磁盘可能会同时出现故障，为保障可靠性，限制磁盘总数上限，这个数可能远低于大家的直观感觉，大家觉得我用了那么奢侈的副本保护，还是有局限性。
磁盘故障了要修复，这会影响前端的应用，存储不光可靠性这一点重要，还有性能的可靠性，这是存储里最核心的两条腿，如果VDI出现风暴，早晨九点钟左右，这个时候VDI的压力是最大的，硬盘坏了，到底是修复还是不修复？如果修复，同事们打开邮件的就会慢，如果不修复，或者用最低的资源去慢速修复它，可能修复过程要一周左右，对用户来讲实际上很不愿意看到鱼和熊掌的选择，这是真实需求，今天由于技术的局限不可能做到这一点的根源，其实是说所有故障修复手段是在事后进行的，如果能提前预知故障，修复手段还是原来的修复手段，但是我可以把这些动作提前到故障发生之前，就可能解决太多现在不方便解决的问题，不管是可靠性脆弱的问题，还是可靠性与性能互斥的问题，都可以迎刃而解。但如果有预知能力，相当于给系统增加了一个纬度，原来很难逾越的障碍在新纬度上很轻松就可以跳过去。同时，提前预测这种机制实际可以提前避免准故障状态带来的隐患，可以不用再面临准故障状态不好不坏说不清的过程。
我们具体的工作原理主要是基于磁盘的SMART信息，和它所运行环境的CPU内存的应用负载状态，两个因素叠加在一起，我们看到有一些比较类似的做磁盘诊断的工具，我们今天要解决的就是这个问题，就是要附加上很多所处工作环境的信息。通过两个东西的叠加才能得出来时间延续的预测。包括国内的互联网厂商做的预测基本上都是基于建模的方式，这种方式做出来的效果有点像天气预报，今天下午很准，明天上午还比较准，一周后甚至一个月之后就无法准确预测了，这种基于建模方式做的预测其实都有这个问题，就是近期准，我们为了做长周期的预测，采用比较复杂的神经网络诊断。
这个预测最核心的要素其实不是神经网络怎么建，最核心的要素是你有没有数据去训练它，比较有核心价值的地方是，我们有将近十万个磁盘在连续四年的时间里，每一天都有连续的状态记录，这样加在一起一共有6000万左右的样本量，我们才训练出今天的神经网络，可以相对来说能比较准确地预测磁盘寿命。
