029-86112530

探讨人工(gōng)智能Ops的優勢和組成

時間:2019-10-17 18:00:06來源:提米科技浏覽:

IT系統(硬件和軟件)正在變得更加高效和完善。同時,它們變得越來越複雜(zá)。虛拟化和容器化是至關重要的技術,但是它們的複雜(zá)性給IT Ops部門帶來了挑戰。

雇用更多的員(yuán)工(gōng)或使用自動化工(gōng)具來應對這種日益增長的複雜(zá)性并不是解決之道-有限的能力和資(zī)源使得難以簡化複雜(zá)的IT系統。

所以答案是什麽?

人工(gōng)智能

近年來,人工(gōng)智能(AI)已進入IT Ops部門。現在,提供了用于IT運營的人工(gōng)智能(AIOps),作爲管理不斷增長的IT複雜(zá)性的解決方案。

AIOps通過結合機器學習,大(dà)數據和自動化決策來完成IT任務。它可以在無需大(dà)量人工(gōng)幹預的情況下(xià)實現過程自動化,從而使其獨立于人工(gōng)資(zī)源。

AIOps的演變

人工(gōng)智能,機器學習,數據分(fēn)析和IT運營(Ops)已經分(fēn)開(kāi)存在多年了。使AIOps具有創新性的是将來自Analytics(分(fēn)析)的數據驅動的見解與IT Ops的實用性結合在一(yī)起。

AIOps的好處

AIOps提供了兩個使IT Ops團隊受益的重要功能:

它爲IT Ops團隊提供了訪問工(gōng)具的權限,這些工(gōng)具可以通過收集和分(fēn)析數據來制定高級決策并執行自動化操作。

它可以幫助傳統的IT Ops管理員(yuán)轉變爲站點可靠性工(gōng)程師(SRE)角色,并支持更可擴展的工(gōng)作流,以滿足業務需求。

現在我(wǒ)(wǒ)們知(zhī)道了什麽是AIOps,并且我(wǒ)(wǒ)們進一(yī)步了解了它的發展和好處。但是啓用AIOps需要什麽?

AIOps組件

爲了使AIOps工(gōng)作,您需要實現四個組件。

數據采集。這是啓用AIOps的第一(yī)步。

您可能需要從不同來源收集數據。必須将這些數據轉換并聚合爲具有足夠質量的可用數據,以驅動數據分(fēn)析和機器學習。

數據分(fēn)析。正确收集和轉換數據後,将執行統計分(fēn)析以從數據中(zhōng)得出見解。

機器學習。這是使用從數據分(fēn)析中(zhōng)得出的見解來通過算法實現自動決策的過程。

人工(gōng)智能(AI)。這指的是更廣泛的自動化決策類别,其中(zhōng)機器學習隻是其中(zhōng)的一(yī)個組成部分(fēn)。

AIOps用例

如果正确實現了四個組件,則可以在以下(xià)用例中(zhōng)使用AIOps:

異常檢測因果分(fēn)析預測警報管理智能修複AIOps的現狀

當前尚未實現AIOps的采用率,但Gartner在2017年估計,到2019年,“全球25%的企業将戰略性地實現支持兩個或多個主要IT運營功能的AIOps平台”。此外(wài),據TechValidate稱,其中(zhōng)有97%接受調查的IT組織一(yī)緻認爲,支持AIOps的解決方案可提供可行的見解,有助于自動化和增強整體(tǐ)IT運營功能。

盡管大(dà)多數企業可能需要一(yī)段時間才能部署AIOps平台,但AIOps已經被企業采用。

AIOps的障礙

由于企業無法确定AIOps是真正的創新還是單純的炒作,因此目前很難更廣泛地采用AIOps。企業還發現收集高質量數據具有挑戰性,并且缺乏實施AIOps支持的解決方案的最佳實踐。但是,通過充分(fēn)的研究和計劃可以克服這些障礙。

結論

AIOps是用于管理IT系統複雜(zá)性的解決方案,它結合了數據驅動的Analytics(分(fēn)析)洞察力和IT Ops的實用性。然而,盡管AIOps前景廣闊,并且已經在企業中(zhōng)早日采用,但大(dà)多數企業可能需要一(yī)段時間才能部署AIOps平台。變革正在進行中(zhōng),但不會一(yī)而就。