Date: 11月 13, 2017
数据科学的救援
随着全球数字数据水平的不断攀升，企业正在努力寻找数据中的商业价值，并使其计算机科学策略适应不断发展的数据科学市场。传统的管理和监控工具使用了与物理服务器环境相同的方法，即通过查看离散孤岛（网络，存储，基础架构，应用程序）。他们使用多个手动设置的阈值来关注各个指标 – CPU利用率，内存利用率，网络延迟等等。这种基于阈值的方法起源于一个相对静态的，被很好理解的物理服务器环境，在处理当今虚拟环境的复杂性方面被证明是无效的。与物理服务器环境中的对应方不同，虚拟环境中的组件共享主机资源，从而在它们之间创建复杂的高度相互依赖的关系。它们也是高度动态的，使IT能够不断创建和移动虚拟机上的工作负载。IT专业人员不能再使用昨天的手动计算机科学方法做出明智的决定，并且一次分析单个孤岛的警报。这就是为什么企业正在转向使用机器学习和深度学习的复杂AI学科的“数据科学”方法，以获得一个全面的自动化解决方案，以消除耗时的解决性能问题和优化虚拟环境的手动过程。
机器学习分析工具提供答案
先进的基于机器学习的解决方案不是像基于阈值的工具那样监视各个指标，而是随着时间的推移而学习相关组件的复杂行为。他们可以同时考虑多个相关组件的度量。因此，与基本的机器学习工具或传统的基于阈值的工具相比，它们可以提供更精确，准确的虚拟环境信息。他们不是制造“警戒风暴”，而是在一天，一周，一个月和一年中的特定时间识别与异常行为相关的有意义的事件。而且由于机器学习是设计的核心，所以不需要手动配置。先进的机器学习解决方案，可以在几分钟内启动并运行，并立即学习行为。因此，这种向以数据为中心，基于行为的方法的转变具有重大的意义，能够显着提高IT专业人员的能力。IT专业人员总是需要计算机科学领域的专业知识，但是在这个新的人工智能驱动的世界中，IT需要哪些分析技能才能发挥效用？IT部门不会花费时间来应对和改进应用程序性能问题，而是将重点从诊断问题转移到主动预测和避免这些问题。为了确保性能和可靠性，无需过度供应，他们将能够寻求方法来优化效率，并将时间花在关注更大的目标上。这使IT部门能够提供真正的商业价值，并致力于推动公司目标前进的项目。一般来说，这种价值赋予了IT高层管理人员一个重要的声音，使他们进入决策过程，缩小IT和运营之间的差距。而随着IT专业人员对基于机器学习的分析工具的理解和使用的发展，他们将走在为自动化和未来自动驾驶数据中心奠定基础的前沿。吉姆的生物：
Jim Shocrylas是SIOS产品管理总监。Jim在IT行业已有20多年的历史，最近担任EMC新兴技术部门的项目经理。