痛点问题

随着云计算广泛应用，对于云数据中心建设、管理、规划等方面面临的越来越多问题，典型如： 
1、建设云资源环境时，究竟需要多少计算和存储资源，才能将现有物理环境迁移至云资源环境难以决断。
2、云资源环境出现资源紧张或节省开支时，究竟哪些资源可回收，不得而知。
3、新上线虚拟机部署时会不会影响到原有虚拟机稳定运行，部署在哪个集群或宿主机最合适？
4、云资源已经提供了大量的计算和存储资源，但为什么还缺计算和存储资源？究竟用到哪去了？
5、成百上千物理主机或云虚拟化管理对象，哪些繁忙、哪些空闲、哪些有风险需要关注，难以全面知晓。
6、当前资源没有出现问题，但并不代表将来一段时间内资源不会有问题，由于没有有效预测手段，只能被动响应。
7、下一年度，需要购买多少计算和存储资源，难以规划。
8、租用的云主机越来越多，缺乏管理，造成租用成本居高不下。

解决方案

基于人工智能技术，通过预置深度学习、机器学习相关的智能算法，将采集的云资源等相关原始数据，智能量化成当前和将来的容量“黄金指数”：风险指数、空闲指数、繁忙指数，自动实现容量当前和将来双维度的场景化分析，并且预测将来的容量需求。做好云资源成本支出的可控、合理、决策：
1、云环境建设：物理环境迁移至云资源环境时自动评估资源容量采购需求，初步了解建设目标符合度，同时保障成本可控。
2、云环境使用：人工智能技术应用涉及虚机生命周期管理、云资源使用分析、云资源分析呈现，保障业务稳定运行与成本合理化。    
3、云环境规划：自动告知将来几个月、甚至一年新增的计算和存储资源量，辅助做好成本预算决策。

应用成效

一、云或虚拟化环境上线

1、自动评估物理环境迁移至云环境购买资源需求

对于物理机运行环境迁移至云环境或虚拟化，需要购买宿主机、存储，根据以往物理机容量资源消耗情况，通过智能算法，自动评估购买建议。

二、云或虚拟化环境使用

1、虚机生命周期管理

• 虚机资源申请：适用于物理机向虚拟机迁移、新上线部署，在迁移部署中通过对历史数据学习预测，自动计算所需的计算和存储资源容量，做到申请资源有据可依。
• 虚机部署识别：对于迁移或新上线业务系统给出必要的参数后，智能算法自动推荐虚拟化或云环境中哪些集群或宿主机资源适合用来部署。同时支持虚拟机的创建、撤销操作。
• 虚机弹性伸缩容：根据不同使用场景，支持“虚拟化层”和“操作系统层”两种分析方式。选择按照“虚拟化层”分析可伸缩容的虚拟机，智能算法自动给出伸缩容建议，辅助节省计算和存储资源。通过“一键伸缩容”自动完成计算资源伸缩容。
• 虚机日常管理：识别虚拟化中可回收的虚拟机资源，容量资源充分利用，避免浪费；支持对虚拟机关机、开机、挂起操作，添加管理信息（部门、使用人）。
• 虚机释放销毁：对虚机提供关机、删除操作，做到资源的释放和销毁。

2、云资源容量用哪去了

• 虚拟机分配：辅助了解云资源容量去哪了？支持按照业务系统、部门、使用人统计，同时识别可回收的容量资源，辅助进一步优化使用。
• 云主机分配：辅助了解云主机容量去哪了？支持按照云主机类型、业务系统、部门、使用人统计，同时识别可回收的云主机资源，辅助进一步优化使用。

3、预防云资源容量枯竭

4、云资源有效使用

• 识别空闲、繁忙的主机系统（虚拟机操作系统层分析）：支持从虚拟机操作系统层分析空闲、繁忙主机系统，从虚拟化层分析可回收的虚拟机，容量资源使用做到合理有效，同时避免浪费。
• 识别虚拟化中可回收的虚拟机资源（虚拟化层分析）：支持从虚拟机操作系统层分析空闲、繁忙主机系统，从虚拟化层分析可回收的虚拟机，容量资源使用做到合理有效，同时避免浪费。

5、云资源呈现
 

• 感知IT环境当前和将来容量风险：根据当前和将来的容量风险指数高低排序。
• 识别需重点关注的容量风险对象：从最近和将来容量风险变化角度，重点识别容量风险变高的对象。
• 分析看板纵览全局：为便于查看，将以上所涉及的主机迁移、部署识别、弹性伸缩容、容量分配、容量预防、对象容量风险等综合在一张页面进行分析呈现，同时可自定义显示看板，将需要重点关注的分主题保存查看。

三、云或虚拟化环境规划

通过对历史数据学习，智能算法自动告知云环境或虚拟化将来1个月、2个月、3个月、6个月、1年新增的CPU、内存、数据存储量，辅助做好预算。

推广价值

典型案例