如今，大數據分析和物聯網正在幫助組織建設更加智能(néng)的存儲基礎設施。而成(chéng)本更低、數量更密集的CPU將(jiāng)更智能(néng)的内置智能(néng)驅動到數據存儲基礎架構堆棧的每一層。

以存儲爲例，過(guò)多的計算能(néng)力可用于部署敏捷軟件定義的存儲（例如，惠普EnterpriseStoreVirtual），轉換到超融合架構（例如HyperGrid，Nutanix，Pivot3，SimpliVity），或通過(guò)智能(néng)地重新分配存儲功能(néng)來優化I/O應用程序服務器和磁盤主機。

然而，所有這(zhè)些内置智能(néng)有一個缺點，就(jiù)是可能(néng)會(huì)降低人們在數據存儲基礎架構和更改（任何IT變更）之間的可見性，無論是由于用戶的修補和升級，擴展使用，還(hái)是複雜的錯誤和組件故障。或者，換句話說(shuō)，由于配置強大和廉價的處理器，動态優化使人們越來越難以确定其基礎設施發(fā)生了什麼(me)狀況。

因此當人們不需要知道(dào)任何細節，并且可以簡單地依賴低級組件來做正确的事(shì)情，直到擁有一個絕對(duì)自主的數據中心。而如今企業公共雲計算并不會(huì)消除對(duì)内部專家的需求，IT部門可能(néng)會(huì)發(fā)現這(zhè)是一把雙刃劍。此外，雖然更智能(néng)的數據存儲基礎架構幫助人們配置，優化，增長(cháng)計劃，并排除故障，它可能(néng)會(huì)讓人們盲目或愚弄，并積極努力將(jiāng)基礎設施轉向(xiàng)人們的“意志”。

盡管所有這(zhè)些潛在的負面(miàn)因素需要做出選擇，人們希望獲得在一個更智能(néng)，更自主的IT世界（即使有一些人工智能(néng)失控的風險）。

這(zhè)些都(dōu)與數據有關

還(hái)記得以前的分析是一個離線過(guò)程嗎？捕獲文件中的一些數據；打開(kāi)Excel，SAS或其他桌面(miàn)工，并在幾周後(hòu)收到一條建議。如今，這(zhè)種(zhǒng)分析延遲的時(shí)間太長(cháng)，并且太簡單。

動态優化由于采用了功能(néng)強大，成(chéng)本低廉的本地處理器，這(zhè)使得人們越來越難以确定我們的基礎設施正在發(fā)生什麼(me)。

考慮到應用程序和用戶的速度和敏捷性，更何況更大的數據流和彈性雲代理，人們需要洞察力和比以往更快的回答。這(zhè)種(zhǒng)智能(néng)從大量可靠的數據開(kāi)始，如今的基礎設施每天都(dōu)在産生越來越多數據（事(shì)實上，由于物聯網的興起(qǐ)，人們很快就(jiù)會(huì)淹沒(méi)在新的數據中），并需要處理和管理所有這(zhè)些信息。

例如，存儲陣列長(cháng)期以來可以提供有見地的數據，但曆史上需要供應商特定的，複雜和昂貴的存儲資源管理應用程序來充分利用它。幸運的是，如今已有一系列的發(fā)展，基礎設施幫助人們具有更智能(néng)的IT系統管理，并更好(hǎo)更快地生成(chéng)用戶的數據：

數據處理。随著(zhe)物聯網應用的增長(cháng)，存儲組件正在生成(chéng)越來越多的詳細的數據。這(zhè)種(zhǒng)日益增長(cháng)的數據需要IT本身内的大數據分析技術。而IT管理員需要花費一些時(shí)間學(xué)習一些Python和Spark技能(néng)。

消耗API.現代存儲平台現在提供或生産易于使用的空閑的API（表示性狀态傳輸API），允許任何人（具有權限）直接使用幾乎任何類型的第三方分析工具訪問關鍵數據。标準API還(hái)通過(guò)集成(chéng)諸如OpenDataSource的平台來啓用和強化第三方系統管理。

家庭支持呼叫(jiào)。大多數存儲供應商如今將(jiāng)家庭支持呼叫(jiào)調用到他們的陣列中，使他們能(néng)夠將(jiāng)詳細的機器日志發(fā)送給供應商，以便每天進(jìn)行處理。然後(hòu)，供應商可以使用大數據工具聚合數據，以便爲客戶提供主動的支持和洞察，從而實現更好(hǎo)的産品管理和營銷。家庭呼叫(jiào)功能(néng)也可以從Glassbeam那樣(yàng)的供應商作爲服務提供，這(zhè)也可以幫助提供一個客戶端門戶作爲一個“附加價值”，直接向(xiàng)IT最終用戶提供使用和性能(néng)洞察。

幸運的是，如今基礎設施有了一系列的發(fā)展，可以幫助人們可以更好(hǎo)管理智能(néng)的IT系統，并更好(hǎo)地生成(chéng)用戶的數據。

可視化。面(miàn)向(xiàng)IT的大數據提供了大量優秀的可視化工具，通常由企業商業智能(néng)應用人員（例如Tableau公司）利用。因此，IT本身現在可以構建對(duì)業務友好(hǎo)的儀表闆和報告。同時(shí)，許多供應商使用了更加清楚和易于訪問的開(kāi)源可視化庫（如d3.js）來輕松創建和提供自定義産品儀表闆以及可共享的小部件。

下一代智能(néng)。一些供應商正在做可視化之外的真正聰明的事(shì)情。而供應商可以幫助提供高級産品特定的關鍵性能(néng)指标（例如，VMwarevRealizeOperations，Tintri，Pernix/Nutanix），才能(néng)將(jiāng)這(zhè)些詳細數據轉移到可操作的情報中，這(zhè)是不夠的。作爲第一步，如今的供應商可以巧妙地將(jiāng)低級數據流積累到健康，容量或風險的專家“模型”中。一些模型爲每個特定平台的獨特“分數”來産生線性預測。真正高級的建模可以考慮未來的工作負載增長(cháng)和數據存儲基礎設施升級的計劃，并且可以基于分析排隊行爲進(jìn)行非線性性能(néng)預測。

智能(néng)機器

随著(zhe)大數據分析和物聯網應用的發(fā)展，肯定有令人興奮的新發(fā)展，并産生更加智能(néng)的數據存儲基礎設施的空間。

例如，人們隻看到了系統管理領域中應用機器學(xué)習的開(kāi)端。注意更智能(néng)的機器學(xué)習優化，作爲軟件即服務分析服務出現，嵌入客戶控制台以進(jìn)行動态操作，在儀表闆和門戶網站中進(jìn)行智能(néng)戰略規劃，甚至將(jiāng)其推入設備以幫助他們變得越來越自主。

如果汽車很快會(huì)自動駕駛，那麼(me)人們對(duì)此不應該感到驚訝。當存儲陣列開(kāi)始告訴人們自己可以處理數據。如果有一天，人們可能(néng)不得不爲新的存儲陣列進(jìn)行一個企業面(miàn)向(xiàng)IT的智能(néng)測試，看看它們爲數據中心運營是否已經(jīng)準備好(hǎo)了沒(méi)有。