问：
公司如何应对“动态不可预测性”？
A：在许多公司的IT环境中，这是一个价值数百万美元的问题–如何处理由于将大量数字企业运营投入云或虚拟化系统而产生的动态不可预测性。
精通评估和管理云与虚拟化系统的IT专业人员将熟悉导致动态使用资源的各种问题。 首先，虚拟机和主机之间的关系以及服务器和系统其他组件的设置。 系统具有高峰时间需求以及停机时间的性质。 然后就有了可伸缩性–随着系统的扩展，他们会遇到称为虚拟机蔓延或项目膨胀的情况，其中创建了超出必要数量的实例，这导致整个系统混乱。 通常，动态处理工作负载会造成自身的混乱，企业必须主动处理这种混乱才能有效利用资源。 另外，各种应用程序的不断变化的使用可能会要求公司制定应用程序停用策略，或者遭受系统上过时应用程序的需求。
在等式的存储方面，还存在很多动态需求。 公司可能需要处理存储分层，其中需要将热数据或更常用的数据移动到特定的存储区域，或者其他类型的数据集需要特定的处理。 某些数据可能必须放置在单独的层上。 所有这些都可能需要大量的实时管理。 内存限制可能会引起问题，并且虚拟机分配不当会造成瓶颈，可能需要手动解决。 从这个意义上讲，系统管理员通常扮演着繁忙的“交通警察”的角色，试图将工作负载和数据处理任务直接引导到系统中给定的VM和主机或从系统中移出。
公司必须在管理来自Amazon Web Services或Microsoft Azure等受欢迎的提供商的众多服务的同时做到这一点。
处理动态不可预测性的最基本方法之一是随时间手动调整这些系统。 通过可视化查看虚拟机和其他组件的实时工作方式，许多公司已经主动进行头脑风暴和创造性地微调系统。 这可以帮助公司开始处理和高峰时间需求等问题。
但是，一些充分利用云或虚拟化系统的公司已经开始使用自动化平台，这些平台可以智能地更改VM分配或资源分配，而无需人工决策者的不断投入。 这些自主系统通常包括大量数据可视化，以及仪表板和报告元素，这些元素显示了如何通过机器学习原理来管理数字系统的动态不可预测性。
