智能数据恢复

在现实生活中发生的数据灾难,其情形往往千差万别。即便是在同一个企业的同类型存储设备中,数据灾难的情况也往往是不同的。在传统的数据恢复过程中,如果只采用软件进行自动化恢复,那么通常使用的是单一的恢复算法,缺乏对具体数据灾难案例的差异性分析和特殊化的处理,因此恢复的效果较差。如果结合人工分析的方法,那么虽然能够做到具体问题具体分析,但是通常会耗费大量的人力和时间。特别是对大规模数据灾难,人工分析的时间可能高达数十年甚至数百年,这显然无法满足数据灾难发生后快速处理和恢复生产的需求。

针对上述问题,我们提出了将人工智能和传统的数据恢复技术相结合的智能数据恢复技术。这种技术能对具体的数据恢复案例进行智能分析,并根据分析结果选择最佳的一组数据恢复算法,能较好地解决上述两种方法的缺陷。

智能数据恢复技术,主要分为以下四个部分:

智能数据恢复

1. 智能分布式多Agent系统

该系统由安装在不同分公司的多个Agent子系统协同工作,可以把不同分公司收集到的数据恢复经验知识的进行交换和共享,实现类似于现实生活中网络会诊的效果,充分发挥经验知识的价值。

2. 智能专家系统

该系统使用机器学习和深度学习技术,能对每一个具体的数据恢复案例进行学习,并累积专家的规则性知识。经过3-6个月的学习和积累后,其对数据灾难的处理和解决能力,能达到具有10年以上数据恢复经验的人类专家的水平。智能专家系统主要有下面两种运作方式:

(1) 问答式系统。通常这种方式可以用于技术支持,或者为一级现场支持提供后备技术支持服务。
(2) 和其它系统结合,实现全自动的数据恢复流程。

3. 智能神经元网络系统

该系统模拟人脑中的神经元网络。使用批量数据对该系统进行训练后,它就可以学习专家的非规则性模糊知识。该系统通常与智能专家系统相结合,可以处理规则、非规则以及各种复杂组合情况下的专业知识,以应对千变万化的现实生活中的各种数据灾难。

4. 智能蚁群系统

智能分布式多Agent系统,在处理企业中发生的小规模数据灾难是游刃有余的。但是对于大规模数据灾难,则显得力不从心。这是因为随着数据灾难的规模增加,其计算复杂度会呈指数级增加。在这样的复杂计算场景下,智能分布式多Agent系统的计算能力就无法从容应对。此时,我们将采用智能蚁群系统,该系统是对智能分布式多Agent系统的一个扩充,它利用仿生学的原理,模拟现实生活中的蚁群协作方式,对大规模数据灾难中的复杂计算进行高效率的分工和处理,并在最短时间内得到最优的恢复策略。