Partiamo da un’analogia dal settore automobilistico: le auto di grossa cilindrata, che consumano molta benzina a causa delle loro dimensioni e peso, sono spesso la scelta migliore per un viaggio comodo. Ma se foste nelle strette vie del centro città? In questo caso una vettura piccola con un motore economico farebbe al caso vostro. La stessa regola si può applicare per l’allocazione delle risorse storage. I dischi Fast Flash, che offrono una velocità mille volte superiore a quella dei NearLine SAS, non sempre sono la prima scelta per ogni applicazione a causa del loro costo elevato. In alcuni casi è necessario stabilire se il livello di servizio offerto sia davvero necessario per ogni caso specifico.
Attualmente i dati sono distribuiti sui rispettivi sistemi di supporto in base a policy predefinite. È un processo stabilito in partenza, che sarà poi adattato in base alle necessità, ma che non può garantire valutazioni tempestive e aggiornate con relative reazioni in qualsiasi momento.
Storage: i metodi tradizionali hanno raggiunto il limite
Data la complessità delle architetture dei database attuali, non è più possibile definire manualmente quali dati verranno archiviati su quale tipologia di disco. Qui entra in gioco l’Intelligenza Artificiale, che è in grado di raccogliere informazioni – quali il numero di utenti attivi in un determinato momento ed il loro consumo di risorse – per utilizzarle allo scopo di prevedere le prestazioni e lo storage necessari. Poiché molte soluzioni sono scalabili, non dovrebbero essere impiegate risorse in eccesso come, ad esempio, energia o spazio di archiviazione non richiesti; l’utente dovrebbe solo pagare ciò che utilizza realmente. L’Intelligenza Artificiale permette inoltre di contenere il budget, sollevando gli amministratori da operazioni di routine e consentendo loro di dedicarsi alle attività più legate al core business dell’azienda.
È l’Intelligenza Artificiale a decidere
Nei sistemi che utilizzano la cache neurale l’algoritmo di machine learning è in grado di trovare le connessioni nascoste nei modelli di accesso ai dati e allocare le risorse in base alle necessità. I dati con frequenza di accesso maggiore sono pertanto archiviati su dischi più veloci, che possono però essere affiancati e, in alcuni casi, sostituiti con altri supporti storage meno performanti ma molto più economici. Gli algoritmi di machine learning definiscono in tempo reale quali dati debbano essere posizionati su tecnologia ad alte prestazioni (ad esempio una DRAM con tempi di risposta addirittura molto più rapidi di un disco Flash) o su dischi tradizionali.
In generale, maggiori sono i dati o l’esperienza a disposizione, maggiori saranno le performance dell’Intelligenza Artificiale. In questo modo i dati, resi disponibili agli utenti in modo automatico e anonimo, aiutano a identificare i trend e a ottenere informazioni su come, ad esempio, lo spazio di archiviazione possa essere migliorato, ma soprattutto utilizzato in modo più proficuo. Inoltre, tramite l’Intelligenza Artificiale possono anche essere raccolte informazioni utili sul comportamento degli utenti e sull’uso di configurazioni analoghe.
Tramite i risultati raccolti non solo è possibile utilizzare le risorse in modo più efficiente, ma si ottiene un notevole miglioramento del supporto ai clienti; maggiore è il volume di informazioni disponibili e migliori, ma soprattutto molto più adeguate, saranno le azioni che vengono intraprese per risolvere le casistiche più disparate. Sotto questo aspetto, come in molti altri casi, non ci sono alternative all’uso dell’Intelligenza Artificiale nell’area dello storage.
***
*Andrea Sappia è Solutions Architect Italy di Infinidat
