Podcast: Depolama Yönetimi, Güvenlik ve Sürdürülebilirlik alanında AIOP’lar


Bu podcast’te, Dell’deki EMEA’daki bulut platformları için Saha Baş Teknoloji Sorumlusu (CTO) Stewart Hunwick ile depoda yapay zeka (AI) kullanımı hakkında konuşuyoruz.

Daha spesifik olarak, Hunwick ile depolama yönetimi, sürdürülebilirlik ve veri güvenliğini geliştirmek için bir araç olarak BT operasyonları (AIOP) için yapay zeka hakkında konuşuyoruz.

Hunwick, depolama yönetiminde AIOP’ları DataCentre için bir fitness saatine benzetiyor. Başka bir deyişle, karbon ayak izini düşürmeye ve bir filodaki mikro ve makro seviyelerde enerji kullanımını izlemeye yardımcı olabilir.

Ancak bundan daha fazla, güvenlik endişelerine reaktif ve proaktif yanıtlar sağlayabilir ve yöneticilerin yönetimleri altındaki cihazlar hakkında doğal dilde sorular sormalarına ve hatta kod oluşturmasına izin verebilir.

Aiops nedir?

AIOPS yapay zeka operasyonlarıdır. Ve esasen, operasyonları kolaylaştırmak ve geliştirmek için bu inanılmaz gelişen AI alanını kullanmanın bir yoludur. Biraz veri merkeziniz için bir fitness saati gibi.

Bu harika bir benzetmedir, çünkü bir fitness saatinin ne yaptığını düşünürsek, birey olarak sizden bir ton ham veri toplar, bu konuda çok fazla sayı kırıyor ve sonra size bu sayıları kazanabilmeniz için size ne anlama geldiğini sunar.

AIOP’ların bir konsept olarak temel fikri, bir veri merkezinde olup bitenlerin metriklerini anlayabilmek, ancak bu metrikleri anormal davranışı tanımlamak için gelecekte olacak olanları yansıtmak için de kullanmaktır. Ve aynı zamanda riski azaltmaya, sürdürülebilirliği artırmaya, genel performansı artırmaya ve işleri daha kolay hale getirmeye çalışmak için gerçekten kullanmak.




AIOP’lar depolama sürdürülebilirliğine nasıl yardımcı olabilir?

Sürdürülebilirlik, birçok kuruluş için akılda olan bir şeydir ve buna bakabileceğimiz birçok farklı yol vardır.

Buna özel olarak bir depolama açısından bakarsak, gördüğümüz şey kuruluşların karbon ayak izlerini düşürmeleri ve depolama platformlarının güç tüketimini düşürme dürtüsüdür.

AIOP’ların şu anki güç tüketiminin sadece mikro düzeyde, sistemde olduğu gibi değil, aynı zamanda makro seviyede görebilmek, bu yüzden tüm veri merkezli filoumda görebiliyorum – bu benim karbon ayak izi, enerji tüketimim budur.

Ama sonra bu verileri bu eğilimlerde, bu tahminlerde oluşturmaya başlamak için kullanarak, “Tamam, güç tüketimimin şu anda olduğu bu. Yıllık% 5’lik bir değişiklik görüyorum. Yani, bir şeyin değiştiğini görebiliyorum.”

Ya da “Eh, bu sistemde gerçekten alışılmadık bir artış var. Bu sistem biraz alışılmadık bir şekilde davranıyor, bu da olması gerekenden daha fazla performans tüketen belirli bir iş yükü olduğunu gösterebilir.”

Ancak bundan daha da ileri gidebiliriz ve güç tüketimini, karbon ayak izinin gelecekte ne olacağını yansıtma yeteneğine sahip olabiliriz. Yani, yine, gelecekte bunun nasıl görünebileceğini modellemek için tüm bu verileri kullanmak.

Bu gerçekten sadece şu anda ne tükettiğinizi ve kullandığınızı anlamaya değil, aynı zamanda geleceği planlamanıza da yardımcı olmakla ilgilidir. Böylece, yeni iş yüklerinin nereye yerleştirileceğine dair bu kararları verebilir, potansiyel olarak hangi sistemlerin nereye dağıtılacağı hakkında ve geleceğin güç ve tüketim açısından neye benzeyebileceğine dair gerçekten sağlam bir görüş elde edebilirsiniz.

AIOPS veri güvenliğine nasıl yardımcı olabilir?

Veri güvenliği oldukça geniş bir konudur. Bu AIOP’ların çalışma şeklini somutlaştırarak yönetimi basitleştirebileceğimiz, özellikle sağlık dikeyinde, çeşitli sektörlerde çeşitli kuruluşlarla büyük bir başarı gördük.

İki alanda güvenliği düşünürsek, reaktif ve proaktif güvenlik açısından bunu düşünüyoruz.

Bir AIOP çalışma şekli, her şeyden önce, reaktif bir şekilde yardımcı olabilir. Bu nedenle, veri açısından neler olduğunu görebildiğinden, veri erişim modellerinin normal olup olmadığını, anormal olup olmadığını anlayabilir. Veri azaltma oranının ne olduğu gibi şeylere bakabilir.

Tabii ki, veri azaltma oranı aniden zayıflıyorsa, bu, ona yazılan verilerin önceden şifrelenmiş veya önceden sıkıştırıldığının iyi bir göstergesidir. Önceden şifreli ise, bu devam eden bir fidye yazılımı saldırısı gösterebilir.

Bu metriği saldırının geldiği veri büyüme oranıyla birleştirerek, bunu tespit edebilir ve “Hey, bir saldırının gerçekleştiğini görebileceğimizi biliyoruz. Nereden geldiğini biliyoruz ve işte sahip olduğumuz güven.” Bu, şeylerin reaktif tarafı.
Gerçek zamanlı bir saldırı oluyor. Nereden geldiğini belirleyelim.

Şeylerin proaktif tarafında, evinizden sabah iş için ayrılırken, telefonunuzda hızlı bir şekilde kontrol edebilecek ve “Oh, hey, bu pencereleri kilitlemediniz” ya da “Ön kapıyı kilitlemediniz” ya da belki de “Anahtarları arka kapıda bıraktınız” diyebilecek bir şey olduğunu hayal edebiliyorsanız.

Sunucu filolarında ve depolama filolarında yapılandırılabilecek bir ton farklı şey var; Farklı ayarlar, farklı parametreler. Ve örneğin, bir sunucuda telnet etkinleştirilmesi. Şimdi, elbette, bir şifreleme yok, bu yüzden potansiyel olarak bir zayıflık olabilir.

AIOP’lardan proaktif bir tanımlama ile, sistemlerin yapılandırmasını tarayabilir ve bu zayıflıkları tanımlayabilir, sistemlerin yapılandırıldığını belirleyebilir ve bunları kullanarak saldırıya uğramadan önce saldırı vektörlerini tespit etmeye çalışabiliriz. Kimse girmeye çalışmadan önce kapının kilitli olup olmadığını etkili bir şekilde kontrol edin.

AIOPS depolama yönetimine nasıl yardımcı olabilir?

Depolama yönetimi büyük bir konudur. Birçok kuruluşun bize sohbet etmek için zaman harcamak istediği bir şey. Her şey, bir an önce sağlık sektöründe yönetim maliyetini azaltma ve basitleştirme konusunda verdiğim aynı örneğe geliyor.

Buradaki en son büyümeyi gördüğümüz yerde, AIOP’ların fikrini bir adım daha ileri götürmek ve özellikle bir sorunun cevabının kalbine olabildiğince çabuk bir şekilde getirebilen üretken bir AI ajanı inşa ederek üretken AI’dan yararlanmaktır.

Yani, “Bu özel özellik nasıl çalışıyor?” Satırları boyunca basit bir soru sorabilirsiniz. Veya “Bu özel kabiliyetin yararı nedir?”

Örneğin, bir metro çoğaltma. Daha sonra, “Nasıl kurarım?” Veya “Bana liderlik ekibime gönderebilmem için bana bu özelliğin bir yönetici özeti verin.”

Bundan daha ileri gitmek, gördüğümüz şey, bu motorların sadece size hızlı cevaplar vermekle kalmayıp sadece bir tür referans belgelerine değil, aslında, bir REST API’si kullanarak kod parçacıkları üretebileceğidir. [application programming interface]Ansible bir oyun kitabı veya SDK’ları kullanarak bazı python kodu oluşturun [software development kits].

[You might say]“Çevremde dağıtmak için Ansible bir oyun kitabı oluşturmam gerekiyor.” Geri dönecek ve gidecek, “Tamam, işte kullanmak isteyebileceğiniz örnek bir oyun kitabı.”

Bunun nihayetinde gittiği ve gördüğümüz en son inovasyon, ortamınızın özellikleri hakkında sorular sorma yeteneğidir. Çok [just being] Belgelerle ilgili olarak, “Bu özel sistemde neler oluyor? Bu sistem üzerindeki çoğaltmanın neden olduğu bir performans etkisi var mı? Sistemi bunun üzerine nasıl düzeltebilirim?”

Tüm bu tür şeyler, çünkü tüm verileri anlayabiliyor, tüm bağlamı görebilir ve nihayetinde kuruluşunuz için zaman ayırmaya yardımcı olmayı amaçlayan değerli cevabı gerçekten oluşturabilir.



Source link