蓝盟-系统集成-蓝盟官网

蓝盟弱电工程，数据中心为什么要保持警惕和维护？

发布者：上海IT外包发布时间：2019/3/11 10:02:49来源：www.linemore.com

数据中心的正常运行时间对于商业成功至关重要，因为确保不间断的服务需要持续监控和维护运行条件。随着组织越来越多地部署关键业务应用程序，这种对基础架构的持续维护和依赖的需求似乎也在增加
　　虽然技术不断创新并引入新的基础架构管理工具，但许多工具仍然无法满足自动化搜索和降低行业维护成本。因此，许多IT专业人员仍在投入大量精力来手动解决需要调整和优化的问题。
　　运维人员面临的主要问题是数据中心的维护周期仍然需要人为干预。此外，数据中心运营商将大部分预算用于保持运营。
　　这提出了一个问题，即为什么，虽然它不断引入新的工具来解决这个问题，但它仍然需要大量的维护。人们错过了什么？
　　传统基础设施工具的不足。
　　真正消除数据中心基础架构的管理负担需要可预测性，以便在问题发生之前预测问题，同时为更好的基础架构优化提供底层工作负载和资源智能。
　　组织应考虑四个因素来确定用于克服令人沮丧的维护问题的工具的不足之处：
　　不要向别人学习
　　对本地系统指标分析的简单分析通常提供有限的价值。相反，该工具旨在从成千上万的点对点系统的行为中学习，以帮助检测和诊断开发中的问题。从某种意义上说，这两个想法比一个想法更好，需要进行头脑风暴。
　　数据收集和分析的整体方法可以收集来自各种工作负载的观察结果。这使您可以预先在另一个数据中心中避免在数据中心中发现的罕见事件，并更准确地检测更常见的事件。
　　我看不出一般情况
　　传统工具通常单独提供分析。每个设备仅提供系统状态，这只是整个过程的一部分。由于在基础架构堆栈的任何部分中断应用程序突然出现的问题，重要的是能够在多个层中执行堆栈的交叉分析以获得更广泛的视图。这将需要关键组件，如应用程序，计算，虚拟化，数据库，网络和存储。
　　3.理解是不够的
　　预测建模需要深入的域体验，并且需要了解基础架构堆栈中每个系统内的所有操作，环境和遥测参数。一般分析必须是深刻的。然而，行业专家和人工智能协同工作，允许机器学习算法识别历史事件的因果关系，并预测最复杂和最棘手的问题。4.不能采取积极行动
　　也许使用传统工具的最大缺点是无法采取积极行动。在理想的自主运行状态下，数据中心将是自我管理，自我修复和自我优化。从本质上讲，他们应该能够在没有管理员干预的情况下避免问题或改善环境。要实现这种自动化水平，您需要一个经过验证的自动化建议记录，以提供必要的信心。
　　数据中心维护的未来。
　　为了克服传统工具的局限性，有效降低维护需求并更好地自动化数据中心，需要新一代的人工智能解决方案。这意味着使用可以观察，学习，预测，推荐并最终实现自动化的工具。
　　通过观察，人工智能可以为各种工作负载和应用程序提供理想的操作环境。该系统的深度遥测与全球连接相结合，可以快速学习云计算，使人工智能能够通过模式匹配算法快速预测问题。甚至可以基于过去的历史配置和工作负载模式来优化应用程序的性能，以用于基础架构的新建模和调整。
　　基于这些预测分析，人工智能解决方案可以确定改善数据中心环境所需的适当响应。然后，IT团队消除压力，这意味着他们在管理基础架构时不再需要整晚工作以找出问题的根本原因。更重要的是，如果人工智能证明是有效的，则可以在没有IT管理员干预的情况下自动应用建议。这就是实现自动化的意义。
　　例如，HPE数据中心的操作和维护使用人工智能工具在86％的时间内自动预测和解决问题。此外，他们在存储问题上的花费减少了85％，甚至可以将IT存储操作的成本降低79％。因此，实施人工智能以帮助数据中心基础设施的好处是不可否认的。
　　此外，随着技术进步和经济发展，预计到2030年，高度多元化的地区将面临200万IT专业人才的短缺。在不久的将来，自动化将成为数据中心管理领域的下一个最先进技术。

上海IT外包服务网链接：http://www.linemore.com

微软云

IT采购

弱电工程

系统集成

客户故事

蓝盟弱电工程，数据中心为什么要保持警惕和维护？

400-635-8089