本文转载自微信公众号「存储加速器」，作者Tyler Dong。转载本文请联系存储加速器公众号。 所有权归存储加速器所有
机器学习和人工智能(AI)的更广泛采用使一些系统和存储经理感到非常兴奋。例如，可以将机器学习算法合并到控制层中，以使管理员能够更轻松地诊断各种导致传输拥堵的原因。这使他们能够预测潜在的易受攻击的网络扇区。
MarketsAndMarkets的AI分析师Shiladitya Chaterji表示：“用户请求和数据流量可以根据网络使用模式在其他存储位置之间来回传递。”
但这远不只是一个流量管理。人工智能和机器学习以多种不同方式影响数据存储。以下是一些主要趋势和预测：
1.降低成本
Chatterji说：随着企业向云存储和专用存储阵列的转移，具有集成深度学习算法的动态存储软件可以帮助组织获得更多的存储容量，而成本却降低了60%到70%。” 。
2.更多软件定义的存储
几年来，软件定义的存储一直被视为一种趋势。人工智能和机器学习正在起到促进作用。许多潜在的好处正在帮助企业克服被告知将要采用另一种新技术的沉默。
Zadara Storage市场副总裁Kevin Liebl说：“人工智能和机器学习将带来软件定义存储的更快采用。”
3.更多仪器
在计算的早期，大量的仪器被添加到系统中。实际上，有许多会议和协会专门讨论计算机的测量和检测。
从1990年代中期开始，随着Windows服务器的激增，业务的这一方面逐渐减弱。但是随着AI和机器学习开辟了新的视野，这似乎正在改变。因此，Kevin Liebl预测未来几年存储仪器仪表将出现更多的趋势。
4.自动化
软件定义存储的出现是存储环境中机器学习和AI兴起的关键影响。在硬件上方添加异构软件控制层，使软件可以监视更多任务。这样可以释放存储管理员的更多战略职责。
Chaterji说：“ AI可以使采用敏捷，灵活架构的存储设施实现自动化。” “它可以智能地控制访问权限，动态重新路由数据中心数据并自动调节数据中心散热(从而降低能耗)。”
5.增强的安全性和可靠性
安全和丢失是现代企业的主要问题。Chaterji说，一些存储供应商开始利用人工智能和机器学习来防止数据丢失，通过智能数据恢复和系统备份策略在停机期间提高可用性并加快周转速度。他补充说，这也有望带来更好的安全性。
Chaterji说：“ AI为智能安全功能打开了大门，可在运输过程中或在数据中心内检测数据/数据包丢失。”
6.混合存储云
面对AI，机器学习和软件定义的存储，关于公共云与私有云的争论似乎毫无意义。这是因为功能性软件定义的体系结构应该能够将数据从一种云无缝过渡到另一种云。同时，组织可以将所有数据作为一个池进行管理，而不管其物理位置。结果，寻求所有公共云或所有私有云的纯粹主义者不太可能占上风。混合云最有可能蓬勃发展。
HDS物联网产品和技术高级副总裁Rich Rogers说：“人工智能和机器学习的使用将加速fluid混合云解决方案作为存储库的部署，因为在分析数据和开发逻辑图之后，它们必须透明地流向处于不断改进周期边缘的本地分析引擎。”
7.更多Flash
每个人都预测会有更多的闪光，有什么新鲜事吗?人工智能和机器学习将为这股几乎势不可挡的浪潮注入更多动力，这股浪潮正在席卷各种存储形式。
Rich Rogers说：“它们将推动内存和闪存作为主要存储介质的使用，因为否则您将无法足够快地处理边缘决策。”
8.自动驾驶汽车
最终将提供将AI和机器学习集成到存储中的用例的最大驱动程序将是汽车驾驶员。当今的高端汽车(不具有自主功能)具有64至200 GB的存储空间，主要用于地图和信息娱乐功能。在明天的自动驾驶汽车中，我们可能会看到超过1 TB的存储空间，而不仅仅是驱动功能。
Western Digital汽车解决方案营销总监Martin Booth说：“车内智能助理、高级语音和手势识别、缓存软件更新和缓冲信息娱乐以降低峰值网络带宽利用率，这些都将是本地需要更多存储的驱动因素。”。
9.并行文件系统
为了支持AI和机器学习功能，存储系统必须提供大规模的性能。这意味着它们必须能够以并行文件系统和闪存之类的技术在预计的规模上很好地工作。DataDirect Networks产品营销高级总监Laura Shepard这样说。
Laura Shepard说：“对于面向未来的基础架构，该系统还需要能够简单且经济高效地处理陈旧或较冷的数据，并支持通向未来技术(例如新的闪存格式和本机工具)的清晰路径，以最大程度地提高闪存性能，同时避免特定于闪存的性能和寿命会遇到障碍。”
10.神经存储
Liebl还预测了“神经级”存储的兴起。在这里，存储无需人工干预即可识别并响应问题和机会。当这项技术取得成功时，可以期待生产率发生逐步变化。
IT Brand Pulse的分析师Frank Berry表示，到达神经存储不会一蹴而就。他提出了三个阶段，最终将实现神经存储网络。正如Liebl所提到的，第一阶段是通过遥测对存储进行检测，以从非传统来源收集数据。例如，用户级别的访问模式，数据流，网络流以及有关硬件和软件故障的数据。此阶段体现在软件定义存储的相对早期阶段。
第二阶段是Berry所说的自动驾驶。一旦存储全部由软件定义，哪种算法就可以集成并且影响深远，足以解决复杂的存储管理问题，这要归功于它们可以访问的大量新数据。这是构建自动驾驶所需的监视，调整，修复服务链的必经之路。
只有达到了这两个阶段，神经存储网络才能扎根。
Berry说：“真正的神经网络(具有大量数据的处理层)已集成到存储基础架构中，从而使其能够自行学习和开发新功能。”
在某些方面，这可能是科幻小说中的东西。HAL(来自电影“ 2001 Space Odyssey”)得出一个合理的结论，那就是必须消灭他的机组人员。也许神经存储的结论是99.99999%的存储数据没有价值，因此应删除。但是毫无疑问，这种神经存储概念会带来一些好处。
参考链接：https://www.enterprisestorageforum.com/storage-management/top-10-ai-and-machine-learning-data-storage-trends.html
