董唯元認(rèn)為，實(shí)現(xiàn)智能化的數(shù)據(jù)中心運(yùn)維，要從減少I(mǎi)T系統(tǒng)運(yùn)維對(duì)專業(yè)人士的依賴入手，借助智能化輔助管理，由人工智能解決系統(tǒng)解決眾多瑣碎的細(xì)節(jié)問(wèn)題，提高效率。在判斷數(shù)據(jù)中心復(fù)雜的系統(tǒng)故障時(shí)，無(wú)論是應(yīng)用端還是在設(shè)備端，幾乎所有防范故障的手段存在冗余，而智能化手段可以準(zhǔn)確做出預(yù)判。

系統(tǒng)磁盤(pán)數(shù)據(jù)量太大時(shí)，多核磁盤(pán)可能會(huì)同時(shí)出現(xiàn)故障，先智數(shù)據(jù)具備主動(dòng)式故障預(yù)測(cè)能力，同時(shí)防范諸多隱患，不僅如此，還能通過(guò)人工智能技術(shù)，預(yù)測(cè)磁盤(pán)壽命，先知先覺(jué)，為企業(yè)降本增效。

以下內(nèi)容根據(jù)演講實(shí)錄整理：

先智數(shù)據(jù)，大家看這個(gè)名字覺(jué)得好像跟人工智能有點(diǎn)關(guān)系，公司成立已有五年時(shí)間，我們起和智能相關(guān)的名字時(shí)，人工智能還沒(méi)有那么熱，我們的團(tuán)隊(duì)大多是原先做存儲(chǔ)的研發(fā)人員，存儲(chǔ)領(lǐng)域多年來(lái)在應(yīng)用上始終存在一定的局限性，所有的動(dòng)態(tài)都須配上預(yù)測(cè)能力，當(dāng)磁盤(pán)空間不夠時(shí)再去解決，這個(gè)動(dòng)態(tài)沒(méi)有太多意義。

預(yù)測(cè)能力在數(shù)據(jù)中心里到底能干什么？意義又是什么？

先智數(shù)據(jù)的愿景就是連接存儲(chǔ)與未來(lái)的人工智能，宏觀來(lái)講，是人工智能與基礎(chǔ)架構(gòu)之間的關(guān)系，在基礎(chǔ)架構(gòu)領(lǐng)域，很多人工智能的應(yīng)用起到了替代人工或部分替代人工的應(yīng)用，或者說(shuō)，它替代了基礎(chǔ)架構(gòu)原理本身的工作模式。所以人工智能在數(shù)據(jù)中心的應(yīng)用，首先是減少對(duì)專業(yè)人士的依賴。面對(duì)數(shù)據(jù)中心可能出現(xiàn)的故障，我們所能做的就是作最壞的打算，到底哪里會(huì)有故障，其實(shí)是不可知的，所有的防范故障的手段都是冗余，冗余不是出現(xiàn)在應(yīng)用端就是在設(shè)備端，純靠冗余并不能堵住問(wèn)題，除了堵，就是作疏堵結(jié)合，通過(guò)智能化手段作預(yù)判，相對(duì)比較準(zhǔn)確地預(yù)知未來(lái)情況，雖然故障可能還會(huì)存在，但大大減輕了面對(duì)故障時(shí)的人為壓力，明確知道故障原因，選擇應(yīng)對(duì)手段就會(huì)變得更輕松。運(yùn)維思路發(fā)生變化，這種轉(zhuǎn)變就是預(yù)測(cè)能力帶給數(shù)據(jù)的比較基礎(chǔ)的意義。

預(yù)知能力可以解決哪些具體實(shí)際問(wèn)題？

現(xiàn)有技術(shù)大多還是在于后期“治病”階段，先智數(shù)據(jù)充當(dāng)“算命”角色，算出設(shè)備使用多久會(huì)壞，并不做后期治病的事情。例如，兩副本或三副本存儲(chǔ)，是比較奢侈的配置方式，在這種配置方式下，我們產(chǎn)品的可靠性得到了充分保證，為1PB的數(shù)據(jù)擴(kuò)展出3PB的空間，但實(shí)際上，兩副本或者三副本，這種副本保護(hù)機(jī)制并沒(méi)有想象中那么強(qiáng)，所以我們要得出系統(tǒng)總體的健康概率時(shí)，就要用到一個(gè)疊加的方式，這個(gè)原來(lái)叫副本安全分布邊界。

總之當(dāng)系統(tǒng)磁盤(pán)數(shù)據(jù)量太大，多核磁盤(pán)可能會(huì)同時(shí)出現(xiàn)故障，為保障可靠性，限制磁盤(pán)總數(shù)上限，這個(gè)數(shù)可能遠(yuǎn)低于大家的直觀感覺(jué)，大家覺(jué)得我用了那么奢侈的副本保護(hù)，還是有局限性。

磁盤(pán)故障了要修復(fù)，這會(huì)影響前端的應(yīng)用，存儲(chǔ)不光可靠性這一點(diǎn)重要，還有性能的可靠性，這是存儲(chǔ)里最核心的兩條腿，如果VDI出現(xiàn)風(fēng)暴，早晨九點(diǎn)鐘左右，這個(gè)時(shí)候VDI的壓力是最大的，硬盤(pán)壞了，到底是修復(fù)還是不修復(fù)？如果修復(fù)，同事們打開(kāi)郵件的就會(huì)慢，如果不修復(fù)，或者用最低的資源去慢速修復(fù)它，可能修復(fù)過(guò)程要一周左右，對(duì)用戶來(lái)講實(shí)際上很不愿意看到魚(yú)和熊掌的選擇，這是真實(shí)需求，今天由于技術(shù)的局限不可能做到這一點(diǎn)的根源，其實(shí)是說(shuō)所有故障修復(fù)手段是在事后進(jìn)行的，如果能提前預(yù)知故障，修復(fù)手段還是原來(lái)的修復(fù)手段，但是我可以把這些動(dòng)作提前到故障發(fā)生之前，就可能解決太多現(xiàn)在不方便解決的問(wèn)題，不管是可靠性脆弱的問(wèn)題，還是可靠性與性能互斥的問(wèn)題，都可以迎刃而解。但如果有預(yù)知能力，相當(dāng)于給系統(tǒng)增加了一個(gè)緯度，原來(lái)很難逾越的障礙在新緯度上很輕松就可以跳過(guò)去。同時(shí)，提前預(yù)測(cè)這種機(jī)制實(shí)際可以提前避免準(zhǔn)故障狀態(tài)帶來(lái)的隱患，可以不用再面臨準(zhǔn)故障狀態(tài)不好不壞說(shuō)不清的過(guò)程。

我們具體的工作原理主要是基于磁盤(pán)的SMART信息，和它所運(yùn)行環(huán)境的CPU內(nèi)存的應(yīng)用負(fù)載狀態(tài)，兩個(gè)因素疊加在一起，我們看到有一些比較類(lèi)似的做磁盤(pán)診斷的工具，我們今天要解決的就是這個(gè)問(wèn)題，就是要附加上很多所處工作環(huán)境的信息。通過(guò)兩個(gè)東西的疊加才能得出來(lái)時(shí)間延續(xù)的預(yù)測(cè)。包括國(guó)內(nèi)的互聯(lián)網(wǎng)廠商做的預(yù)測(cè)基本上都是基于建模的方式，這種方式做出來(lái)的效果有點(diǎn)像天氣預(yù)報(bào)，今天下午很準(zhǔn)，明天上午還比較準(zhǔn)，一周后甚至一個(gè)月之后就無(wú)法準(zhǔn)確預(yù)測(cè)了，這種基于建模方式做的預(yù)測(cè)其實(shí)都有這個(gè)問(wèn)題，就是近期準(zhǔn)，我們?yōu)榱俗鲩L(zhǎng)周期的預(yù)測(cè)，采用比較復(fù)雜的神經(jīng)網(wǎng)絡(luò)診斷。

這個(gè)預(yù)測(cè)最核心的要素其實(shí)不是神經(jīng)網(wǎng)絡(luò)怎么建，最核心的要素是你有沒(méi)有數(shù)據(jù)去訓(xùn)練它，比較有核心價(jià)值的地方是，我們有將近十萬(wàn)個(gè)磁盤(pán)在連續(xù)四年的時(shí)間里，每一天都有連續(xù)的狀態(tài)記錄，這樣加在一起一共有6000萬(wàn)左右的樣本量，我們才訓(xùn)練出今天的神經(jīng)網(wǎng)絡(luò)，可以相對(duì)來(lái)說(shuō)能比較準(zhǔn)確地預(yù)測(cè)磁盤(pán)壽命。

zhangnn