“又是硬盘惹的祸！”当硬盘的声音突然由原来正常的摩擦音变成了怪音，或者出现开机慢、系统卡死等情况，你可能早就在心中抱怨了千百遍。

统计数据显示，当前数据中心硬件故障中有48%为硬盘故障，且运维人员往往会“后知后觉”，这极大地影响了IT系统的运维效率和成本。

有AI，一切问题都不是事儿

遇到硬盘故障，你会怎么做？把它交给专业人员处理，听天由命？现在，随着人工智能（AI）、机器学习等技术的落地，包括硬盘在内的各种硬件设备故障都可以准确检测甚至预知，使得业务连续性得到更好的保障。

AI不是数据科学家、AI架构师、AI算法工程师的事吗？对于大量像你我这样非人工智能专业人士来说，即使知道AI可以更好地“挽救”硬盘，但似乎也于事无补。

不可否认，AI在行业落地过程中确实存在着诸如技术门槛高、开发周期长、专业人才短缺、模型的可复制性差等若干问题和挑战。由于专业技能的缺失或不系统，即使具有一定AI基础的专业人士有时也很难判断自己构建的模型是不是优化的。专业人士尚且如此，那么对于零基础或者刚刚入门AI的人来说，自己通过搭建AI模型来检测硬盘故障是不是不可能完成的任务呢？

功夫不负有心人，终于让我在华为云学院上找到了NAIE AutoML（Automatic Machine Learning）的一项微认证课程。通过自助式的在线学习，即使是非AI专业人士也能很快掌握AutoML的开发技巧。有了AutoML作后盾，硬盘故障检测成了小菜一碟。

有AutoML，硬盘故障检测小菜一碟

AutoML是一个既能满足专业开发人员需求，又非常适合AI初学者的工具。AutoML是一个自动化机器学习分析系统，可以让普通的开发人员、业务人员参与机器学习建模，同时把数据科学家从繁琐、反复的算法调优中解放出来，从而降低机器学习的使用门槛，提升工作效率。AutoML不愧为一个灵巧的“多面手”，这是因为它将机器学习中的数据预处理、特征工程、算法模型、集成学习等经验性工作自动化，大幅度提升了开发效率。

通过华为云学院提供的NAIE AutoML微认证课程，即使是“小白”也可以亲自动手查找和分析硬盘故障，而不用再求助他人，心里一种满满的成就感油然而生。

基于硬盘SMART特征，可以通过机器学习实现硬盘故障提前预测故障时间点，估算数据修复窗口，并根据负载制定修复计划，提前进行修复操作。这样做的好处显而易见：实现主动响应，提前规划故障处理窗口，将现网业务的影响降到最低；减少大量数据恢复的人力；实现主动规划，可预测故障时间点，估算数据提前规划故障的处理窗口，将运维人员被动响应、临时突发的工作状态转变为主动规划、统一处理，从而减轻运维人员的压力。

使用过NAIE AutoML的人都有同感，入门易、上手快。因为NAIE AutoML框架具备强大的超参优化引擎、集成学习、可扩展、可复现等关键特性，极大地降低了机器学习的门槛，可以显著提高模型开发的效率。具体来说，针对硬盘故障检测，基于AutoML建模，虽然要通过加载依赖包和数据、定义业务目标、AutoML模型训练、模型保存和加载、模型推理、模型评估等几个环节，但这些环节都可以通过直接调用AutoML自动化完成，从而大大提高了开发效率，同时降低了复杂度。

笔者亲自体验了基于WebIDE的实验流程：只要注册一个华为云账号，进入模型训练服务，就可以轻松完成项目创建并导入数据；接下来，就可以创建并进入WebIDE开发环境；在最核心的模型训练、推理和评估阶段，基于AutoML可以开发硬盘故障代码，并调试、运行代码；最后一步，删除WebIDE开发环境。整个过程体验下来，十分流畅，也并没有想象中那样复杂。

普通AI开发者可以直接调用NAIE AutoML来处理大部分业务场景问题；对于专业AI开发者，NAIE AutoML可以提供高可扩展的接口，供用户针对业务场景自定义相关模块以解决相应的业务问题。

俗话说，工欲善其事，必先利其器。NAIE AutoML可以辅助用户更高效、更迅速地解决AI开发问题。

有华为云微认证，随时随地提升专业技能

说到这，不管你是一个专业的AI开发者，或者只是对AI感兴趣、想尝试一下的“小白”，是不是都有一种想利用NAIE AutoML一展身手的冲动？

快速加入：

https://edu.huaweicloud.com/certifications/c6976dcfac5644c79987337e01e6d844