自我管理数据中心的现实越来越近雷竞技电脑网站HPE的声明上周的声称是第一个人工智能(AI)预测引擎麻烦的数据中心。雷竞技电脑网站
HPE表示明年将提供了一个人工智能推荐引擎插件,用来预测和阻止存储和基础设施问题之前就开始了。它是一个自治的数据中心组件,我们应该期望看到很快从球员。雷竞技电脑网站其他人工智能和机器学习系统面向数据中心将从Litbit等公司(雷竞技电脑网站在夏天,我写了吗),甲骨文等等。
“基础设施解决方案应该利用科学和机器学习的数据,”HPE在白皮书中说它试图解释为什么人工智能和机器学习比人类更好的防止停机时间。
目前,工人必须不断进行“复杂的法医工作解决错综复杂的问题,影响数据交付应用程序。”,创建了一个瓶颈,HPE说。
然而,该公司表示,通过机器学习的一种形式,iffy-performing组件可以自动识别。可以没有任何传统的人类想工作。它也可以发生在早期,在用户感知任何类型的问题。从本质上讲,它是通过计算整个it基础设施的大量收集数据堆栈,然后分析它。
HPE的自我管理解决方案是如何运作的吗
这个想法是为了“快速检测和识别问题的根源”,然后通过数据收集”解决问题。“签名然后建立识别其他用户,元素或客户可能会受到影响。规则是那么发达指使一个解决方案,可以自动化。
进一步,如果用户确实失败,AI-machine学习解决方案,新的签名和规则,通过整个系统可以快速插入和阻止其他人继承相同的问题。未来的软件更新优化基于AI中学到什么。
HPE必须与人工智能的地方提供部分通过今年早些时候收购闪存和预测分析公司灵活的存储。这是收集数据科学与遥测了十年,HPE说。灵活的,事实上,在12000例app-gap分析。productivity-reducing HPE的绰号用途的应用程序和数据之间的瓶颈问题,换句话说。
实现减少停机时间,一个人需要全面分析整个堆栈,HPE说。
通过,停机时间可以预测,该公司声称。放缓基础设施原因会确认,然后用AI,预防而不是仅仅被human-monitored和标记为潜在的麻烦。
和“说明性的决议”应该使用如果发动机不能避免失败。这意味着引擎应该能够解决这个问题如果它发生。应该做的,通过了解问题的根源的预测和分析,而不是通过传统的手动故障诊断,利用工具,如网络论坛查找等等。
自我管理系统降低人员水平
最后,HPE很认真的自治权。使用这种技术,员工水平下降。它说消除前线技术支持他们通常简单地收集信息和记录问题让自主数据中心更接近成为现实。雷竞技电脑网站(AI引擎知道有一个问题,所以你不需要任何人答复来电。)
“小比例的问题,需要跟一个工程师,一个客户可以立即达到一个水平三个工程师,“HPE说。级别1和2是消除。