Uvajanje naprednih diagnostičnih rešitev postaja vse pomembnejše v okolju, kjer količina podatkov narašča in kjer je od zanesljivosti diskov odvisno delovanje tako poslovnih kot domačih sistemov. Organizacije se danes soočajo z večjimi potrebami po zaščiti podatkov. Hkrati pa tudi z izzivi, ki jih prinaša staranje opreme in povečana obremenitev naprav za shranjevanje. Nadgrajeni algoritem umetne inteligence, ki ga QNAP uvaja v storitev DA Drive Analyzer v sodelovanju s podjetjem ULINK, predstavlja pomembno nadgradnjo obstoječih orodij za spremljanje zdravja diskov. Ta razvoj je del širšega trenda prehoda iz reaktivnih proti napovednim pristopom, ki se uveljavljajo v vseh kritičnih sistemih za shranjevanje podatkov.
Nadgrajen pristop k napovedovanju okvar diskov
V tradicionalnih okoljih se večina uporabnikov še vedno zanaša na osnovni mehanizem S.M.A.R.T. (Self-Monitoring, Analysis and Reporting Technology) , ki spremlja določene atribute diskov, vendar pogosto ne zazna zgodnjih znakov obrabe ali odstopanj. To pomeni, da se okvare pogosto zgodijo brez vnaprejšnjih opozoril, kar lahko vodi do izgube podatkov in prekinitve delovanja. Tim Lin, produktni manager pri QNAP je izpostavil, da »DA Drive Analyzer uporablja model umetne inteligence, usposobljen na podlagi vedenjskih podatkov iz milijonov diskov. Zazna lahko morebitne anomalije, še preden se sprožijo kakršna koli opozorila S.M.A.R.T., kar uporabnikom omogoča, da sprejmejo preventivne ukrepe in se izognejo izgubi podatkov.«
Tak pristop omogoča odkrivanje anomalij v zelo zgodnjih fazah. Ko še ni sprožen noben klasični opozorilni mehanizem. S tem postaja napovedovanje okvar bolj preudarno, uporabniki pa lahko pravočasno reagirajo in nadomestijo disk, še preden pride do kritične napake.
Umetna inteligenca kot dopolnilo tradicionalnim diagnostičnim metodam
Nova generacija algoritemskega modela uporablja obsežne podatkovne zbirke, ki zajemajo milijone diskov in njihovih značilnih vzorcev obnašanja. Umetna inteligenca omogoča prepoznavanje subtilnih sprememb delovanja, ki so za klasične sisteme nevidne. Model lahko na primer zazna mikroodstopanja v hitrosti odziva, majhne anomalije pri dostopu do sektorjev ali statistične nepravilnosti, ki v zgodnjih fazah še niso dovolj izrazite, da bi jih S.M.A.R.T. prepoznal kot težavo.
Večja natančnost in manj lažnih alarmov
Pri ocenjevanju zdravja diskov sta ključnega pomena natančnost in zanesljivost napovedi. Prevelika občutljivost sistema lahko privede do lažnih alarmov, kar je za uporabnike neprijetno, saj jim nalaga nepotrebne stroške in operativne prekinitve. Novi algoritem, ki sta ga v sodelovanju razvila QNAP in ULINK, je zasnovan tako, da izboljšuje obe ključni metriki. Tako zmanjšuje stopnjo prepoznave dejanskih tveganj ter hkrati zmanjšuje število lažno pozitivnih rezultatov. To uporabnikom omogoča večjo samozavest pri odločanju o zamenjavi diskov in prispeva k optimizaciji vzdrževanja infrastrukture. V praksi to pomeni manj nepotrebnih posegov ter natančnejše načrtovanje zamenjav v poslovnih in domačih NAS sistemih.
Samodejna implementacija in takojšnja razpoložljivost
Ena ključnih prednosti novega algoritma je njegova popolnoma samodejna implementacija v podprte QNAP NAS naprave. Uporabnikom ni treba izvajati nobenih dodatnih postopkov ali ročnih nadgradenj, saj se posodobitev izvede samodejno v okviru stalnih posodobitev sistema. To pomeni, da je izboljšana diagnostika takoj na voljo vsem uporabnikom in da lahko svojo infrastrukturo zaščitijo brez dodatnega upravljanja ali tehničnega znanja.
Več informacij o novosti v QNAP blogu.