München, Starnberg, 04. März 2020 - Eine Schlüsselrolle bei der Datenverfügbarkeit spielen Speichersysteme; exklusiver Fachbeitrag von Eran Brown, Infinidat CTO EMEA...
Zum Hintergrund: Mit der zunehmenden Digitalisierung werden Unternehmen immer abhängiger von ihren Daten. In Zeiten datengetriebener Geschäftsmodelle reicht der traditionelle Ansatz, Störungen und Ausfälle erst nach ihrer Entdeckung so schnell wie möglich zu beheben, längst nicht mehr aus. Im Gegenteil: Die vorbeugende Prävention von Systemfehlern und -problemen muss zur Norm werden. Eine Schlüsselrolle bei der Datenverfügbarkeit spielen Speichersysteme, die jederzeit zur Verfügung stehen müssen, um einen unterbrechungsfreien Geschäftsbetrieb zu gewährleisten.
AIOps, künstliche Intelligenz für IT-Operations, ist dabei auf dem besten Weg, zum neuen Industriestandard in der Storage-Branche zu werden. Basierend auf großen Datenmengen und maschinellem Lernen nimmt AIOps Kunden wie Produkte gleichermaßen in den Fokus – mit dem Ziel, Usern proaktives Troubleshooting zu bieten. Um dadurch die Zuverlässigkeit der Storage weiter zu steigern, gilt es, Probleme zu erkennen, noch bevor sie akut werden. Eran Brown von Infinidat (1), beleuchtet für uns exklusiv die Auswirkungen von AIOps und zeigt auf, welche Einsatzszenarien sich bereits heute als auch zukünftig in der Praxis auftun.
Zum Gastbeitrag: "Heutzutage sind Speichersysteme viel zu umfangreich und komplex, als dass man sich auf manuelle Kontrollen verlassen könnte. Es ist einfach nicht praktikabel, dass ein Mitglied des IT-Teams nahezu permanente Systemkontrollen durchführt und Checklisten abhakt um sicherzustellen, dass alle Komponenten innerhalb optimaler Parameter laufen. Die Lösung kann nur in der Automatisierung dieser Prozesse bestehen.
Allerdings sind die Anforderungen an die notwendige Automatisierung sehr hoch. Automatisierte Systeme müssen in der Lage sein, durch eine genaue Prognose zu erkennen, wo Probleme entstehen können, um diese zu beheben, bevor sie überhaupt auftreten. Hier kommen Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) zum Einsatz. Erst durch den Einsatz dieser fortschrittlichen Technologien können vorausschauende Wartung und Problemvermeidung Realität werden: Potenzielle Probleme lassen sich so bereits im Ansatz erkennen. Dies gilt auch für Probleme, die von den Entwicklern nicht erwartet wurden (z. B. Speicherlecks) und die daher durch die Überprüfung der Systemleistung anhand bestimmter Parameter nicht aufgedeckt werden können.
Vorausschauende Wartung mit AIOps
Eine der besten Methoden, eine vorausschauende Wartung für alle Systeme zu realisieren, Speichersysteme inklusive, ist Artificial Intelligence Operations (AIOps). Mit einer Kombination aus der Analyse großer Datenmengen und maschinellem Lernen lassen sich Probleme mit AIOps auf sehr granulare Weise proaktiv erkennen, bevor sie sich auf die Benutzer auswirken – sowohl während der Entwicklungsphase als auch nach dem Einsatz im Feld. Darüber hinaus ist AIOps auch eine hervorragende Methode zur Vorhersage und Planung künftiger Speicheranforderungen.
AIOps nutzt empirische Daten aus der weltweiten Installationsbasis des Anbieters und lernt auf dieser Basis, technische Probleme und Kapazitätsengpässe zu erkennen, bevor sie sich auf die Geschäftstätigkeiten auswirken. Das System analysiert bereits aufgetretene Probleme, um Muster zu erkennen, und verwendet diese Muster dann, um ähnliche Fälle in der Zukunft vorherzusagen. Natürlich gab es schon in der Vergangenheit Überwachungssysteme, die versuchten, aufkommende Probleme frühzeitig zu erkennen. Der Unterschied: Diese konnten nur Konstellationen erkennen, die von den Entwicklern im Voraus erwartet, beobachtet und entsprechend kodiert wurden. Ein AIOps-System hingegen ist flexibler: Es lernt kontinuierlich und kann so auch Typen von auftauchenden Problemen erkennen, für die es nicht speziell programmiert wurde. Genau dies macht AIOps viel effektiver und präziser bei der Identifizierung von Problemen und zusätzlichen Kapazitätsanforderungen, schon bevor sie auftreten. Auf diese Weise kann das System auch konkrete Einblicke liefern, die der IT-Abteilung helfen, unterbrechungsfreie Betriebsabläufen und eine zuverlässige Geschäftskontinuität zu gewährleisten.
Eine besondere Herausforderung für die Vorhersage-Algorithmen stellen allerdings relativ „junge“, frisch installierte Systeme dar. In diesem Fall verfügt das AIOps-System noch nicht über genügend Nutzungsdaten, die es analysieren kann, um Prognosen zu erzeugen. Infinidat bewältigt diese Herausforderung in seinem AIOps-Ansatz dadurch, so schnell wie möglich ein bekanntes Nutzungsmuster zu finden, das zum neuen System passt. Wir lassen hierzu mehrere Algorithmen miteinander konkurrieren, für jeden Datensatz die genauesten Vorhersagen zu liefern. AIOps verwendet dann den Algorithmus, der den gegenwärtigen Zustand des Systems am besten aus einer relativ kurzen Vergangenheit ableitet, und nutzt diesen für die Prognoseerstellung. Durch periodische Wiederholung dieses Prozesses wird der Algorithmus dann, je länger das System läuft, auf der Grundlage der tatsächlichen Betriebsdaten angepasst. Bei diesem Ansatz ist es entscheidend, dass das System von Anfang an über Prognosefähigkeiten verfügt. Der vorausschauende Unterhalt liegt damit sozusagen in den „Genen“ des Systems selbst.
Nicht immer ist der Speicher schuld
Zusätzlich führt ein Infinidat-Support-Team einen Prozess zur Erkennung von Anomalien durch. Hierbei wird das IO-Profil jedes Datensatzes analysiert und nach Leistungsanomalien gesucht, die auf ein Problem in der Umgebung außerhalb des Storage-Systems hinweisen. Oftmals werden Datenzugriffsprobleme nämlich nicht durch das Speichersystem, sondern z. B. auch durch das Netzwerk oder bestimmte Hosts verursacht. Diese Ursachen sind ihrer Natur nach universell und können mit Rückgriff auf nur wenige oder gar keine Trainingsdatensätze erkannt werden. Nach der Analyse arbeitet das Support-Team aktiv mit dem Kunden zusammen, um Engpässe oder Fehlkonfigurationen zu beheben, bevor sie für die Benutzer fühlbar werden. Darüber hinaus füttert das Team das AIOps-System mit den gewonnenen Erkenntnissen, so dass es in Zukunft in der Lage sein wird, auch Probleme vorherzusagen, deren Ursachen außerhalb des Speichersystems selbst liegen.
Zukunftssicher mit Storage-AIOps: Kapazitätsplanung statt langer Beschaffungszyklen
Ohne AIOps werden Storage-Anbieter in der heutigen Situation nicht lange wettbewerbsfähig sein. Dies gilt für die Kapazitätsplanung ebenso wie für die vorausschauende Wartung. Eine der häufigeren Szenarien für Storage-AIOps ist die Prognose der Zeit, die es dauern würde, bis die freie Kapazität erschöpft ist. Auch hier zeigt sich, wie zukunftsgewandt der AIOps-Storage-Ansatz ist: Anstatt Kunden in lange Beschaffungszyklen zu zwingen, die Monate benötigen, ermöglicht ihnen Infinidat, mit Capacity On Demand (COD) bei Bedarf sofort mehr Kapazität zu erhalten, als sie anfangs bezahlt haben, so dass sie schnell wachsen und ihre Geschäftsprozesse unterstützen können. Benötigt ein Kunde zusätzliche Kapazität, wird diese einfach freigeschaltet, genau wie in der Public Cloud.
Die Rolle von AIOps im gesamten Lebenszyklus eines Speichersystems ist daher eine zweifache: Zum einen erkennt sie Probleme, bevor sie für den Benutzer spürbar werden. Zum anderen ist sie in der Lage, künftige Kapazitätsengpässe zuverlässig zu prognostizieren. Damit stellen AIOps sicher, dass Unternehmen neue Kapazitäten rechtzeitig erwerben können, um ihre Geschäftskontinuität zu gewährleisten. Es bedeutet auch, dass sie zusätzliche Ausgaben für Storage bis zum absolut letzten Moment aufschieben können.
Fazit
Mit den oben beschriebenen neuesten Entwicklungen mag die Wahl der richtigen Speicherlösung noch weniger einfach erscheinen als je zuvor. Letztlich ist dies aber eine gute Nachricht. Denn so können Unternehmen genau die Lösung finden, die optimal zu ihren Geschäftsanforderungen passt. Es müssen lediglich einige Parameter mehr beurteilt werden als früher. Bei der Suche nach einer neuen Storage-Infrastruktur müssen Unternehmen heute nicht nur Faktoren wie das unterstützte Netzwerkprotokoll und das Speichermedium, Festplatte, SSD, Tape usw. berücksichtigen. Zusätzlich sollten sie jetzt auch die Skalierbarkeit, das Verbrauchsmodell („Pay as You Grow“) und die Prognosekapazitäten einer Storage-Lösung berücksichtigen. Erst dann werden sie das Produkt finden, das am besten zum Unternehmen und den eigenen Geschäftszielen passt."
(1) Das Foto zeigt Eran Brown, CTO EMEA, bei Infinidat (Bildquelle: Infinidat)
Querverweise:
-
Unser Beitrag > Beste Speicherlösungen laut Gartner 2020 "Peer Insights Customer's Choice for Primary Storage"
-
Unser Beitrag > Virtana registriert steigende Nachfrage nach Managementlösungen für hybride Infrastrukturen
-
Unser Beitrag > Digitalisierung, IT Budgets & Technologien: Studie IT Trends 2020 liefert Antworten