基础设备和数据两手都要硬 新型IT运维治理

AI大模型时代，数据赋予IT人“新使命”

当下IT人在企业中表演着运营撑持的角色。说到运维治理，置信每人都是一把辛酸泪，每天承当着繁琐、高负荷且又高危险的运维上班，但在业务规划和职业开展时又成为了“透明人”。业内有句调侃的话：“只花钱的人，不配领有发言权

随着AI大模型运行的遍及，数据成为了企业的关键资产和外围竞争力。近年来，企业的数据规模从PB级向百PB级成倍数极速增长，数据类型也从以数据库为主的结构化数据，演化成以文件、日志、视频等为主的半结构化、非结构化数据。业务部门宿愿数据的存储能够像图书馆一样分门别类随用随取，同时又宿愿数据的存储更安保、更牢靠。

IT人，已不再只是担任树立和治理IT资源、保证设备稳固的主动角色。

IT人的新使命，演化为提供优质数据服务，让数据好用，协助业务部门用好数据！

“基础设备”和“数据”很近，但两者的“治理”却很远

针对基础设备的治理，业界普遍的做法是经过AIOps技术，将繁琐的人工日常运维扭转为应用工具智能化口头，经过专家系统、常识图谱等智能化才干，主动发现系统隐患、智能修复缺点等。生成式AI技术遍及后，近期出现了智能客服、交互式运维等新型运行。

针对数据的治理，业界有以I 、IBM等为代表的专业DataOps软件供应商，允许数据集成、数据标志、数据剖析、数据优化、数据市场等才干，为数据剖析师、BI剖析师、数据迷信家等业务团队提供服务。

笔者调研发现，目前大局部企业中的基础设备运维治理和数据治理是割裂的，由不同的团队担任，工具平台间也没有有效协同。业务上数据保留在存储等IT基础设备中，应该融为一体，但实践两者的治理却相隔甚远，甚至两个团队之间言语都不对齐，这样通常会带来几个弊病：

）数据不同源：由于归属不同团队和驳回不同工具，业务团队通常驳回将原始数据经过ETL等形式复制一份至数据治理平台做剖析处置。这样不只形成存储空间糜费，还存在数据不分歧、数据更新不迭时等疑问，影响数据剖析的准确性。

）跨地区协同难：如今企业数据中心在多个市区规划，数据在跨地区传输时，关键经过DataOps软件在主机层启动复制，这种数据传输形式不只效率低，传输环节中也存在安保、合规、隐衷等严重隐患。

）系统优化不充沛：通常基于基础设备资源的应用状况启动优化，由于无法感知数据规划而成功全局最优，数据的保留老本居高不下，有限增长的估算与成倍的数据规模增长之间的矛盾成为制约企业数据资产积攒的关键矛盾。

IT人，买通“基础设备”和“数据”任督二脉，开启数智化飞轮

笔者以为，IT团队应该把“基础设备”和“数据”作为一个无机全体启动治理和优化，成功数据同源、全局最优、安保流通，表演着数据资产治理者的关键角色。

首先，成功全局文件的一致视图。 应用全局文件系统、一致元数据治理等技术，把不同地区、不同数据中心、不同类型设备中的数据构成一致的全局视图。在此基础上，能够依照热温冷、重复、过时等维度启动全局优化战略的制订，下发至存储设备口头，这种形式可以成功全局最优。基于存储层复制的紧缩、加密等技术，通常可以成功数十倍的数据移动速度，效率和安保性都可以获取保证。

其次，将海量非结构化数据智能生成数据目录。 经过元数据、增强型元数据等智能生成数据目录服务，把数据分门别类高效治理起来。业务团队基于目录可以智能提取满足条件的数据启动剖析处置，而不用人工像海底捞针一样去找数据。笔者调研发现经过AI识别算法成功数据标注的技术曾经较为成熟，因此可以应用放开框架将不同场景化的AI算法启动集成，智能剖析文件内容构成多元化标签，作为增强型元数据优化数据治理的才干。

同时，数据在跨设备流动时，须要特意思考数据主权、合规隐衷等疑问。 存储设备中的数据应该智能分类、隐衷分级、分权分域等，治理软件对数据的访问、经常使用、流动等战略启动一致治理，防止敏感消息和隐衷数据暴露，未来数据要素买卖场景这些将成为基本要求。比如，数据在流出存储设备时，首先须要对合规性、团体隐衷等启动判定能否满足战略要求，否则企业将面临严重的法律法规危险。

依据笔者调研以及求教同行专家后，发现业界诸如华为存储、NetApp这样的上游存储厂商曾经发布存储和数据一体化治理的产品处置打算，置信未来会有更多厂商允许。

设备和数据两手都要抓、两手都要硬。IT人在AI时代可以表演更关键的作用。