面對雜亂的數據和頻繁的報錯，你有沒有一瞬間想過，要是所有工作都能自動完成就好了。在混合場景中管理云規模的分布式環境并非易事，資源和預算的限制更是為此增添了難度。

事實上，借助AI和機器學習技術驅動的先進平臺，企業可以簡化監控、推進大規模自動化操作、提升操作就緒狀態，從而更好地應對網絡事件。本篇文章將深入探討Commvault如何利用AI和機器學習來簡化和自動化數據平臺操作，實現更具彈性的數據保護環境。

自動化操作：省心、省力

隨著企業部署的應用增多，數據量也不斷擴張。然而，一天只有24個小時，每天可以用于保護這些數據的時間仍然是相對固定的。傳統的備份計劃依賴于靜態的規則和計劃，往往會造成復雜的配置或效率低下，包括作業運行時間不理想、作業等待時間過長、備份窗口超時等等。

Commvault的數據平臺采用更高效、更智能的算法來應對該挑戰。它使用基于時間序列的機器學習來預測作業運行時間，從而調整排序，優化作業日程。根據業務需求，該平臺可以計算所需的RPO，確保每個工作負載都能夠獲得適合的優先級排序，盡可能減少數據保護窗口。整個過程無需用戶付出精力進行人工決策。

面對數據量增長或業務需求變動，數據保護環境也必須進行相應調整，這要求數據保護基礎設施具備一定的靈活性來適應不同的環境和需求。企業可以自動化該適應過程，避免決策延遲導致的基礎設施成本增多。Commvault的數據平臺采用機器學習技術實時評估數據保護需求，分析數據隨時間變化的增長趨勢，預測所需的計算資源以滿足設定的服務水平協議，并根據需要自動做出增加或減少計算資源的決策。

簡化監控：AI幫你“劃重點”

在大型企業環境中，僅僅是日常運營活動的監控就可能讓人手忙腳亂。在這種復雜莫測的環境中，錯誤的出現在所難免，其中一部分可能是暫時性的錯誤，無需立即進行人工干預就可以解決，另一部分則不然。如果不將這兩種錯誤區分開來，我們可能無法及時對后者進行干預。

Commvault的平臺使用機器學習分析日常備份操作行為，學習什么是常見操作，然后在出現異常高的故障率或作業完成延遲時觸發智能警報，從而降低操作開銷和干擾，讓管理員能夠專注在關鍵問題上。

除了日常運營活動，Commvault的這項能力還可以應用在數據保護環境中。在典型的數據保護環境中，每天都會發生成百上千起事件，同樣，這些事件并非全部都需要人工檢查。企業可以借助Commvault平臺識別這些事件和事件時間線中的模式，并根據類型、來源和特性對其進行分類，確定哪些事件有必要進行人工檢查。它還可以生成“重點事件”視圖，過濾掉常見錯誤，突出顯示異常事件，簡化監控流程，讓管理員能夠迅速處理關鍵任務。

操作就緒：及時告警、提前規劃

為了滿足業務恢復或勒索軟件恢復需求，企業需要確保數據保護環境的健康和就緒性。Commvault的用戶可以設定符合自己需求的RPO、RTO的SLA，并可以在出現影響這些SLA實現的偏差時收到警報。這種積極主動的自動化方法可以盡量降低SLA違規風險，幫助企業為關鍵情況做好準備。

Commvault也可以通過使用機器學習技術分析企業的歷史消費模式，再結合當下變化，預測企業未來的存儲需求。這可以簡化企業的規劃工作，幫助企業提前做好調整存儲容量的準備。在如今的混合環境中，企業可能會面臨意想不到的硬件交付供應鏈挑戰，這種存儲基礎設施的就緒狀態對恢復就緒的實現來說非常重要。

AI和機器學習不僅僅是“裝點”產品的一項“門面”，而是能夠提供實用功能，并真正推動現代化平臺實現的先進技術。Commvault對AI和機器學習持續投入，采取全面的方法來創建一套具有凝聚力的產品和功能。如今，這些功能已經成功應用，幫助Commvault的客戶打造彈性的數據保護環境，在未來，Commvault還將繼續推進這些能力的創新，助力企業守護數據安全。

審核編輯：湯梓紅