最近更新文章
2018/10/19
羽昇國際深耕雲端市場 展示專業技術與經驗
2018/10/19
Nutanix .NEXT On Tour 助力企業制勝多雲時代
2018/10/19
宜鼎整合AIoT策略聯盟 從雲到端落實五大智慧應用極致整合
2018/10/19
金融創新須資安縱深防禦
2018/10/18
關鍵資料庫上雲 自主可靠運行
2018/10/17
Arm Pelion 物聯網平台 新生力軍 Arduino、myDevices 與 Intel
2018/10/17
NVIDIA 攜手 Oracle 將雲端應用導入下一代分析、機器學習與 AI
2018/10/17
APEC TEL 取經遠傳打造智慧城市經驗
2018/10/17
八成詐騙郵件來自非法寄件者或含可疑網址
2018/10/17
何謂適當安全維護措施 個資法無具體規定
2018/10/17
邊緣運算帶來新角色 微型資料中心應運而生
2018/10/16
Google 助理講中文 Pixel 3正式登台
2018/10/16
聚焦區塊鏈世代之資訊與數據安全議題
2018/10/16
路孚特大數據實驗室率先進駐政大創新園區
2018/10/16
ShareTech HiGuard X 多功能 UTM
2018/10/16
思納捷攜手資策會、遠傳 在新北導入「校園智慧能源雲」
2018/10/16
Xilinx 與華為在中國推出 FPGA 雲端即時視訊串流解決方案
2018/10/16
Nutanix 企業雲操作系統超融合基礎架構解決方案通過 SAP HANA 認證
2018/10/16
消除IT部門控管隱憂 UEM集中管理異質端點
2018/10/16
叢集伺服器系統升級實戰 直上WS2016免停機(上)
2018/10/15
Juniper Contrail Enterprise Multicloud 滿足企業多雲策略需求
2018/10/15
Teradata 推智慧分析平臺 運用 AI 技術即時分析、精準決策
將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2018/10/2

資料中心現代化必備 快速鎖定根因縮短平均修復時間

縱觀IT基礎架構全貌 AI改善維運預測分析

余采霏
預測分析是目前AI維運發展較成熟的領域,主要是用於預測使用率以及效能。雖然多數設備商在過往也試圖提供類似的功能,但如今以大數據為基礎,透過機器學習的精準度將會大幅提高。
因應數位轉型的嚴峻挑戰,許多專家紛紛建議優先從資料中心現代化著手,以順利過渡轉型。然而,隨著新的系統、新興技術以及應用服務的加入,企業基礎架構維運也變得愈益複雜與困難。問題的關鍵在於,現今大多的IT運營管理(ITOM)工具多半只針對特定的基礎架構提供可視化的管理介面,這些孤島式訊息很難讓管理人員得以窺見全貌,若想藉此確保應用服務所需的基礎架構與設備都以最佳狀態運行,確實有其難度。

▲ Hitachi Vantara台灣區資深技術顧問梁萬宇觀察,預測分析是目前AI維運發展較成熟的領域,主要是用於預測使用率以及效能。
最近,Hitachi Vantara市場行銷部資深經理Richard Jew便專文提到這項挑戰,同時探討了AI維運(AI Operations)在現代化資料中心的應用趨勢。他以去年Gartner發布的AIOps平台市場指南中,AIOps平台如何在ITOM實現持續洞察圖示為例,說明機器學習以及大數據對於資料中心的監控、服務管理以及自動化的助益,尤其是跨系統優化,以及簡化IT營運流程方面,均有很大的幫助。

例如,某線上零售商打算為Cyber Monday工作負載進行評估準備,如果他們使用特定領域的ITOM工具,僅能看到伺服器或儲存設備的營運狀態,便很難正確地規劃,而AI Operations由於可收集到大量來自不同系統的遙測資料,運用機器學習跨多個資料源進行分析,因而能夠提供更完整的IT基礎架構可視圖,用於改進資料中心的監控與規劃。

針對AI Operations的發展趨勢,Hitachi Vantara也已經開始著手布局,並且發表AI維運軟體組合,包括Hitachi Infrastructure Analytics Advisor(HIAA)、Hitachi Automation Director(HAD)以及Hitachi Data Instance Director(HDID),協助客戶建置更敏捷的資料基礎架構。

Hitachi Vantara台灣區資深技術顧問梁萬宇解釋,簡單地說,HIAA旨在管理資料收集,包含效能與容量資訊,而HAD則是自動化的發動者,當HIAA分析資料後覺得應該要執行某一行動,這時便會要求HAD執行,兩者相互配合。而HDID則是一個專業資料復原平台,可長期保留及重複使用受管理的複製資料,以支援各式各樣的次要應用程式。

他觀察,預測分析是目前AI維運發展較成熟的領域,主要是用於預測使用率以及效能。雖然,多數設備商在過往也試圖提供類似的功能,但如今以大數據為基礎,透過機器學習的精準度將會大幅提高。「企業環境變化愈來愈快,維運挑戰也跟著加劇,Vantara的目標是希望能夠減輕企業負擔,若企業能愈快找到問題、愈快解決,就能縮短平均修復時間(MTTR),提供更好的使用者體驗。」

這篇文章讓你覺得滿意不滿意
送出
相關文章
智慧化IT維運 AIOps興起
認知運算強化洞察 CDI提升維運生產力
簡化AI部署管理 讓資料科學家專心建模
機器學習優化維運體驗 資源跨品牌監控管理
智慧維運熱潮升溫 業者紛布局各具表述
留言
顯示暱稱:
留言內容:
送出