面对杂乱的数据和频繁的报错，你有没有一瞬间想过，要是所有工作都能自动完成就好了。在混合场景中管理云规模的分布式环境并非易事，资源和预算的限制更是为此增添了难度。事实上，借助AI和机器学习技术驱动的先进平台，企业可以简化监控、推进大规模自动化操作、提升操作就绪状态，从而更好地应对网络事件。本篇文章将深入探讨Commvault如何利用AI和机器学习来简化和自动化数据平台操作，实现更具弹性的数据保护环境。

自动化操作：省心、省力

随着企业部署的应用增多，数据量也不断扩张。然而，一天只有24个小时，每天可以用于保护这些数据的时间仍然是相对固定的。传统的备份计划依赖于静态的规则和计划，往往会造成复杂的配置或效率低下，包括作业运行时间不理想、作业等待时间过长、备份窗口超时等等。Commvault的数据平台采用更高效、更智能的算法来应对该挑战。它使用基于时间序列的机器学习来预测作业运行时间，从而调整排序，优化作业日程。根据业务需求，该平台可以计算所需的RPO，确保每个工作负载都能够获得适合的优先级排序，尽可能减少数据保护窗口。整个过程无需用户付出精力进行人工决策。

面对数据量增长或业务需求变动，数据保护环境也必须进行相应调整，这要求数据保护基础设施具备一定的灵活性来适应不同的环境和需求。企业可以自动化该适应过程，避免决策延迟导致的基础设施成本增多。Commvault的数据平台采用机器学习技术实时评估数据保护需求，分析数据随时间变化的增长趋势，预测所需的计算资源以满足设定的服务水平协议，并根据需要自动做出增加或减少计算资源的决策。

简化监控：AI帮你“划重点”

在大型企业环境中，仅仅是日常运营活动的监控就可能让人手忙脚乱。在这种复杂莫测的环境中，错误的出现在所难免，其中一部分可能是暂时性的错误，无需立即进行人工干预就可以解决，另一部分则不然。如果不将这两种错误区分开来，我们可能无法及时对后者进行干预。Commvault的平台使用机器学习分析日常备份操作行为，学习什么是常见操作，然后在出现异常高的故障率或作业完成延迟时触发智能警报，从而降低操作开销和干扰，让管理员能够专注在关键问题上。

除了日常运营活动，Commvault的这项能力还可以应用在数据保护环境中。在典型的数据保护环境中，每天都会发生成百上千起事件，同样，这些事件并非全部都需要人工检查。企业可以借助Commvault平台识别这些事件和事件时间线中的模式，并根据类型、来源和特性对其进行分类，确定哪些事件有必要进行人工检查。它还可以生成“重点事件”视图，过滤掉常见错误，突出显示异常事件，简化监控流程，让管理员能够迅速处理关键任务。

操作就绪：及时告警、提前规划

为了满足业务恢复或勒索软件恢复需求，企业需要确保数据保护环境的健康和就绪性。Commvault的用户可以设定符合自己需求的RPO、RTO的SLA，并可以在出现影响这些SLA实现的偏差时收到警报。这种积极主动的自动化方法可以尽量降低SLA违规风险，帮助企业为关键情况做好准备。

Commvault也可以通过使用机器学习技术分析企业的历史消费模式，再结合当下变化，预测企业未来的存储需求。这可以简化企业的规划工作，帮助企业提前做好调整存储容量的准备。在如今的混合环境中，企业可能会面临意想不到的硬件交付供应链挑战，这种存储基础设施的就绪状态对恢复就绪的实现来说非常重要。

AI和机器学习不仅仅是“装点”产品的一项“门面”，而是能够提供实用功能，并真正推动现代化平台实现的先进技术。Commvault对AI和机器学习持续投入，采取全面的方法来创建一套具有凝聚力的产品和功能。如今，这些功能已经成功应用，帮助Commvault的客户打造弹性的数据保护环境，在未来，Commvault还将继续推进这些能力的创新，助力企业守护数据安全。