北京2021年11月11日 /美通社/ -- 隨著新基建逐步發(fā)展落地，現(xiàn)代數(shù)據(jù)中心迅速崛起，數(shù)據(jù)量呈指數(shù)級增長，同時各種新存儲介質和技術的應用，使得存儲系統(tǒng)變得越來越復雜。在運維管理上，完全依賴人工已經不能滿足需求，企業(yè)將更多依靠人工智能進行自動化運維，Gartner認為AIOps的廣泛應用將讓IT基礎設施管理變得更主動、更具預測性，減少管理和停機成本。

存儲智能管理就是通過AI技術實現(xiàn)存儲自治，即自我管理、自我修復、自我調優(yōu)，提高存儲系統(tǒng)的性能、穩(wěn)定性和易用性，降低存儲使用的復雜性，簡化運維，使存儲設備永遠保持在最優(yōu)運行狀態(tài)，加速數(shù)據(jù)在線。

近幾年，浪潮一直在致力于該方向研發(fā)和探索新特性，目前推出了智能管理軟件InView，包含了4個預測和2個自動化智能運維功能特性。四個預測分別為包括提前兩周識別風險磁盤，降低數(shù)據(jù)丟失風險；智能預測性能增長需求，預知性能瓶頸；智能預測容量增長需求，給用戶提供科學、準確的擴容建議；預測SSD使用壽命，精準到天。兩個自動化分別為性能瓶頸分析，通過端到端診斷分析，快速發(fā)現(xiàn)存儲性能瓶頸狀態(tài)，并能定位根因；性能自動調優(yōu)，結合應用場景和用戶IO模型，自動挖掘最優(yōu)的客戶端配置和存儲端配置，并主動推薦配置給需要的存儲系統(tǒng)和用戶。

為什么需要性能自動調優(yōu)？

目前的存儲系統(tǒng)中具有大量的可調參數(shù)，以浪潮分布式存儲系統(tǒng)AS13000為例，系統(tǒng)軟硬組件多，內、外部參數(shù)多達兩千多個，且90%的參數(shù)為數(shù)值型和布爾型，參數(shù)的可調范圍非常大，修改這些參數(shù)往往會對系統(tǒng)性能產生不同的影響。通常默認的參數(shù)配置由供應商提供，這些參數(shù)值的組合一般都不是最優(yōu)的參數(shù)集合。研究表明，即使調整一小部分的參數(shù)值，也可以將系統(tǒng)的能耗和性能效率提高數(shù)倍以上。

傳統(tǒng)的參數(shù)調整是由系統(tǒng)管理員依據(jù)自身的專業(yè)知識和經驗完成的，由于存儲系統(tǒng)的復雜性不斷提升，手動調參將較難適應大規(guī)模的存儲系統(tǒng)，并且人工調參具有無法全天候的監(jiān)控以及高額的人力成本等問題。如何結合具體應用場景，在存儲默認配置和性能數(shù)據(jù)基礎上，自動挖掘最優(yōu)的存儲配置，并主動推薦配置給需要的存儲系統(tǒng)，對存儲系統(tǒng)的性能優(yōu)化具有重要意義。

浪潮存儲：基于InView性能自動調優(yōu)技術，將帶寬提升41%、時延降低29%

在自動調優(yōu)中，強化學習是一個非常好的解決方案，強化學習（RL）是機器學習的一個分支，涉及代理（agent）如何在當前環(huán)境下采取行動（action）以最大程度地獲得回報（reward）。與監(jiān)督學習和無監(jiān)督學習不同，強化學習通過試錯機制，與環(huán)境進行互動并獲得獎勵，從獎勵中進行學習。

關鍵算法采用的是2016年谷歌DeepMind提出的DDPG算法，算法包含Actor網絡和Critic網絡，其中Actor網絡可根據(jù)環(huán)境當前運行狀態(tài)輸出連續(xù)動作，Critic網絡可對當前環(huán)境運行狀態(tài)和實施的動作進行評估打分，兩者相結合，適用于高維連續(xù)動作場景。這是首次使用強化學習方法學習和推薦存儲系統(tǒng)參數(shù)。

浪潮智能管理軟件InView強化學習進行存儲系統(tǒng)參數(shù)調優(yōu)整體包含三個模塊，分別是用戶的應用、分布式存儲系統(tǒng)AS13000以及調優(yōu)模塊。其中，參數(shù)推薦引擎可根據(jù)浪潮分布式存儲AS13000的當前狀態(tài)生成最佳配置，負責將最佳配置動態(tài)下發(fā)給AS13000，AS13000負責響應客戶端的IO讀寫請求，性能指標采集器負責采集AS13000在新配置下的狀態(tài)信息并計算在新配置下的性能提升效果，深度學習引擎根據(jù)AS13000的反饋迭代更新Actor和Critic網絡。該過程迭代直到模型收斂，最終將找到最合適的參數(shù)設置。

浪潮InView性能自動調優(yōu)系統(tǒng)具備端到端參數(shù)自動調整、提升網絡帶寬同時降低網絡時延、參數(shù)的調整不影響集群正常運行三大特點，具體實驗效果如下：橙色框中的前360步，模型隨機探索學習，紅色框為360步之后，模型自動推薦參數(shù)，相比默認配置（黑色框中的點），平均帶寬提升41%，時延降低29%，調優(yōu)效果與性能專項組專家經驗相當。

隨著云、大數(shù)據(jù)、人工智能、區(qū)塊鏈、5G等新技術與實體經濟將加速融合，中國存儲市場未來5年復合增長率將達到8%，其中全閃存儲和分布式存儲將持續(xù)高速增長。浪潮存儲基于“云存智用 運籌新數(shù)據(jù)”的理念，將在包括分布式和集中式存儲的平臺及智能管理軟件領域持續(xù)加大投入與創(chuàng)新，釋放數(shù)據(jù)價值加速企業(yè)數(shù)字化轉型。