NicoElNino - stock.adobe.com
Das Speichermanagement mit KI-Lösungen automatisieren
Moderne Speichergeräte sind vielseitig einsetzbar. Ein dynamischer Einsatz in wechselnden Speicherumgebungen ist jedoch schwierig. KI-Tools könnten die Verwaltung vereinfachen.
Die Top-Speichersysteme der führenden Hersteller sind seit vielen Jahren mit zahlreichen Sensoren ausgestattet, die Experten einen tiefen Einblick in das „Seelenleben“ der Storage-Boliden erlauben. Die dabei auszuwertenden Datenmengen sind umfangreich und vermehren sich im Sekundentakt. Nur der Einsatz von Künstlicher Intelligenz für den IT-Betrieb, kurz AIOps (Artificial Intelligence for IT Operations), kann diesen Datenwust systematisieren und damit Überwachung, Diagnose, prädiktive Analyse und präskriptive Funktionen für die Speicherinfrastruktur und Anwendungen auf ein Niveau heben, das eines Tages sinnvolle Entscheidungen erlauben wird.
Im Wesentlichen kann AIOps einem Unternehmen schon jetzt sagen, was mit dem Speicher passiert und prognostizieren, was passieren könnte und wie aus dem Ruder laufende Entwicklungen zu verhindern sind. Indem AIOps einen Großteil der manuellen Arbeit bei der Speicherverwaltung übernimmt, steigert es die Effizienz der Speichermaschinerie und setzt IT-Mitarbeiter für andere Aufgaben frei. Es gibt eine Reihe von Anbietern, die KI für die Speicherverwaltung anbieten, was derzeit leider noch mit Vor- und Nachteilen behaftet ist. Die produzierten Analysedaten sind trotz der scheinbar großen Datenmenge für die KI-Analyse nicht umfangreich genug.
Die KI-Speicherverwaltung ist auf dem richtigen Weg
AIOps für Speicher nutzt maschinelles Lernen zur Erfassung und Analyse von Telemetriedaten. Diese Informationen aus dem Speicher, den Servern und dem Netzwerk werden letztlich in prädiktive Analysen (Trendanalysen, datengesteuerte Entscheidungsfindung) umgewandelt.
Das Ziel von AIOps umfasst Automatisierung, Leistungsmanagement und Servicemanagement und automatisiert viele der Entscheidungen, die mit der Skalierung und Sicherung von Speichersystemen verbunden sind.
Telemetriedaten sind ein Schlüsselelement von KI-Speicherverwaltungs-Tools. Telemetriedaten sind Informationen, die mit Hilfe der Sensoren von Speicher-, Server- und Netzwerksystemen erfasst werden.
KI und maschinelles Lernen analysieren die von diesen Systemen gesammelten Informationen über Hardware, Betriebssysteme, Anwendungen und Hypervisoren. Dies hilft bei der Erkennung ungewöhnlicher Aktivitäten, wie schlecht konfigurierte Geräte, überraschendes Kapazitätswachstum oder ungewöhnliche Durchsatzanforderungen. Diese Abweichungen eignen sich gut für die Ressourcenplanung und zur Optimierung der Speicherleistung.
KI-Speicherverwaltungssysteme sind häufig SaaS-Anwendungen (Software-as-a-Service), die die Analyse in einer Public Cloud durchführen. Dies ermöglicht nicht nur den Vergleich ähnlicher Betriebsdaten zu unterschiedlichen Zeitpunkten, sondern auch den Vergleich dieser Daten mit den gesammelten Informationen aus ähnlichen Speichersystemen oder Speicherkonfigurationen, so dass die Prognosewahrscheinlichkeit wesentlich erhöht wird.
Doch noch sind die Analysewerkzeuge nicht im Stadium automatisierter Eingriffe angekommen. Es sind noch einige Schwachstellen zu beseitigen. So gibt es Unterschiede bei KI-basierten Speicherverwaltungs-Tools, die durch Algorithmen der Anbieter entstehen, die unterschiedliche Schwerpunkte auf die erfassten Informationen legen. Es besteht bislang keine herstellerübergreifende Einigkeit bei den von KI-Tools genutzten Daten. Eine größere technische Herausforderung ist zudem die potenzielle Umsetzung der gewonnenen Informationen in Echtzeit in sinnvolle Eingriffe.
KI-Tools sollten über leistungsstarke APIs verfügen, um Informationen aus so vielen Drittanbieterquellen wie möglich zu sammeln. Da die Systeme bei jedem automatischen Eingriff beziehungsweise jeder Handlungsempfehlung Warnungen ausgeben, ist zu begutachten, ob Dashboards, Texte, E-Mails die passenden Ausgabemedien für das eigene Unternehmen sind.
Optionen für die KI-Speicherverwaltung
Etliche Hersteller bieten KI-Software an, die wichtige Systeme des Anbieters und Anwendungen, teilweise auch herstellerübergreifend, unterstützt. Manche Anbieter setzen das KI-Speichermanagement auch schon in ihren Storage-as-a-Service-Angeboten ein.
Nachfolgend eine Liste der wichtigen Anbieter inklusive ihrer mit KI-Tools analysierbaren Systeme und Anwendungen:
- Dell CloudIQ. Alle Dell EMC-Speicher; PowerEdge-Server; VxRail, PowerFlex und VxBlock konvergente und hyperkonvergente Infrastrukturen (HCI); PowerProtect DD und PowerProtect Data Manager Datensicherung sowie PowerSwitch und Connectrix-Netzwerke.
- HPE InfoSight. Alletra, Primera und Nimble Storage; SimpliVity HCI; ProLiant und Apollo Server; und Synergy Composable Infrastructure.
- IBM Storage Insights. Alle IBM FlashSystem-Speicher, DS8000, Spectrum Accelerate und Spectrum Virtualize. IBM Storage Insights Pro; die kostenpflichtige Abonnementversion, deckt auch IBM Spectrum Scale, Cloud Object Storage und ausgewählte Speichersysteme von Dell EMC, Hitachi Vantara, NetApp und Pure Storage ab.
- Infinidat InfiniVerse. InfiniBox, InfiniBox SSA.
- NetApp Active IQ. OnTap, E-Series, StorageGRID Speicher und Cloud Backup.
- Pure Storage Pure1. FlashArray, FlashBlade und Portworx-Speicher.
Vorteile der KI-Speicherverwaltung
Die KI-gesteuerte Speicherverwaltung reduziert die Komplexität und die Anzahl manueller Eingriffe der herkömmlichen Speicherressourcenverwaltung. Gut geschulte Storage-Teams verbringen so weniger Zeit mit der Überwachung und Verwaltung von Systemen. AIOps ist eine wertvolle Unterstützung für MSPs (Managed Service Provider), da viele Kunden ihre Speicher aus der Ferne verwalten lassen.
Durch die Vorhersage zukünftiger Ereignisse auf der Grundlage aktueller Nutzungsmuster können Managementsysteme Probleme verhindern, die die Benutzer sonst vielleicht nicht erkennen würden. Außerdem können sie den Benutzern raten, Speicherkapazität und Rechenressourcen hinzuzufügen respektive andere Upgrades durchzuführen, bevor die Leistung zu einem Problem wird.
Für viele IT-Abteilungen dürfte es gewöhnungsbedürftig sein, dass die KI-Tools in einem gewissen Grad selbstständig agieren können, um Geräteausfälle und Leistungseinbußen zu verhindern. Bei unternehmenskritischen Systemen wird zu Beginn sicherlich weiter auf einer maschinellen Empfehlungsbasis gearbeitet werden, bis sich das notwendige Vertrauen in die KI einstellt. Als vertrauensbildende Maßnahme könnte die KI in der Speicherverwaltung zeigen, dass sie tatsächlich in der Lage ist, schädliche Angriffe oder Ransomware zu erkennen und wirksame Gegenmaßnahmen einzuleiten.
Generelle Herausforderungen der KI-Speicherverwaltung
Ein Problem bei KI-Speicherverwaltungssystemen ist, dass sie in der Regel nur mit den Produkten eines Anbieters funktionieren. Wenn ein Unternehmen beispielsweise seine Speichersysteme in einem SAN (Storage Area Network) eines anderen Anbieters betreibt, ist das KI-Speicherverwaltungssystem mit hoher Wahrscheinlichkeit mit dieser Konfiguration nicht kompatibel.
Ein zweites Problem ist, dass die Sammlung und Analyse von Daten viele Metadaten erzeugt - ein klassisches Ergebnis für erhöhten Speicherbedarf beim Einsatz von Management-Software. Dem sollten Unternehmen entgegenwirken, indem sie schon früh den Umfang der Metadaten auf absolut notwendige beschränken.
Sensor- und Metadaten aus Speichersystemen erlauben viele Rückschlüsse auf betriebsinterne Vorgänge. Nicht jedes Unternehmen kann deshalb Dritten die Remote-Anbindung mit ihrem Rechenzentrum gestatten. Solche sogenannten Dark Sites dürfen keine SaaS-basierten Analysen verwenden, die Daten in Public Clouds oder auf der Website des Anbieters sammeln und speichern. KI-Anbieter müssen dann ihre Analysesoftware auf lokalen Servern verwenden, so dass die Telemetriedaten nicht übertragen werden. Der Nachteil ist allerdings, dass diese Benutzer nur mit geringen Datenmengen operieren können. Der Nutzen ist insofern eingeschränkt, wenn Analyse-Ergebnisse nicht mit denen der Mitbewerber vergleichbar sind.
Ob Dark Site oder nicht, alle Nutzer sollten sich bei ihrem Anbieter erkundigen, wie viele Daten außerhalb des Speichers erfasst werden und wie der Anbieter garantiert, dass diese Daten anonym und geschützt bleiben.
Da es sich bei der KI in der Speicherverwaltung um eine neue Technologie handelt, bei der auch die Hersteller noch vieles zu lernen haben, werden sich die KI-Algorithmen im Laufe der Zeit verbessern. Es ist noch ein langer Weg zu gehen, bis die KI-Tools ein Speichernetzwerk ohne menschliche Eingriffe vollkommen autonom verwalten können.
Für Anwender könnte es sehr hilfreich sein, wenn die KI-Anbieter die Leistungsfähigkeit ihrer Analyse-Tools wie in der Autoindustrie beim autonomen Fahren in mehrere Funktionsstufen einteilen würden. Dann würden Fortschritte in der Entwicklung der Algorithmen deutlicher.
