AIOps工具在IT領(lǐng)域具有廣闊的應(yīng)用前景，但是云技術(shù)是AIOps有望提供最大收益的領(lǐng)域之一。

在這一點上，云計算在IT行業(yè)中已經(jīng)是成熟的領(lǐng)域，甚至有人說這很無聊。云中的創(chuàng)新已經(jīng)放慢了腳步，很難想象我們在云中構(gòu)建或管理應(yīng)用程序方面將采取許多革命性的步驟。話雖這么說，如果我不得不選擇一個準(zhǔn)備在不久的將來在云中進行重大變革的概念，那么我會把錢花在AIOps和AIOps工具上。

盡管AIOps的影響絕不僅限于云，但AIOps是目前為數(shù)不多的破壞我們與云基礎(chǔ)架構(gòu)交互方式的力量之一。您需要了解有關(guān)AIOps以及AIOps工具和平臺在未來可能扮演的角色。

定義AIOpsAIOps是Gartner在2016年創(chuàng)造的一個術(shù)語，是指人工智能在IT運營工作中的應(yīng)用?；続IOps涉及使用AI來幫助解釋或分析IT環(huán)境中的數(shù)據(jù)。更高級的AIOps用例集中于利用AI 自動執(zhí)行員工傳統(tǒng)上必須手動執(zhí)行的IT管理任務(wù)（例如，重新啟動故障服務(wù)器或更新防火墻規(guī)則以響應(yīng)新檢測到的威脅）。

AIOps概念在該術(shù)語發(fā)明之前就已經(jīng)存在。實際上，如果您在過去20年中的任何時候使用機器學(xué)習(xí)或數(shù)據(jù)分析工具來輔助應(yīng)用程序監(jiān)視或安全測試，則您正在使用AIOps。

但是在過去的幾年中，AIOps和AIOps工具迅速普及。這種趨勢反映了AI的日益成熟，以及現(xiàn)代IT工作負(fù)載的規(guī)模和復(fù)雜性不斷增加（AIOps通過使用AI對IT工作流進行自動化和系統(tǒng)化來應(yīng)對的挑戰(zhàn)）。

AIOps與云計算的未來AIOps在整個IT行業(yè)中都具有廣闊的應(yīng)用前景。然而，在許多方面，云計算是AIOps有望提供最大收益的領(lǐng)域之一。這是因為AIOps可以解決云中一些最復(fù)雜的挑戰(zhàn)-其他技術(shù)尚未充分解決的挑戰(zhàn)。以下是四個主要示例：

1.成本優(yōu)化在云中運行工作負(fù)載非常容易。以成本優(yōu)化的方式運行它們要困難得多。云供應(yīng)商并沒有竭盡全力幫助客戶減少在平臺上的花費。而且，盡管可以使用各種第三方工具來幫助預(yù)測和管理云成本，但是大多數(shù)工具需要IT團隊進行相當(dāng)多的手動工作才能建立和使用。您必須仔細(xì)標(biāo)記您的云資源，并花時間手動解釋這些工具為您提供的節(jié)省成本的建議。其中許多工具還會根據(jù)過去的使用情況提出事后建議，而不是建議您可以實時進行云配置更改以立即節(jié)省資金。

AIOps承諾將對云成本優(yōu)化提高自動化水平和實時洞察力。AIOps工具不僅可以為公司在云中超支的地方提供建議，而且還可以采取自動重新配置工作負(fù)載以節(jié)省資金的額外步驟。例如，可以通過AIOps工具將超額配置的虛擬機實例自動遷移到成本較低的實例，或者將存儲在比其需要的價格昂貴的對象存儲層上的數(shù)據(jù)遷移到成本效益更高的層上。即刻。

2.云遷移從某種意義上說，云遷移比以往更加困難。雖然興起multicloud，并出現(xiàn)類似Kubernetes平臺和ANTHOS，已使得它更容易集成在一個云與托管在其他正在運行的工作負(fù)載，公有云在其他方面變得更加本土。如果您采用Azure Stack或AWS Outposts之類的框架來幫助構(gòu)建您的云工作負(fù)載，則最終將高度依賴您的云提供商，而無需簡單的方法即可將應(yīng)用程序，數(shù)據(jù)和配置移至另一個公共云而無需重建所有內(nèi)容從頭開始。AIOps可能會成為應(yīng)對這一挑戰(zhàn)的解決方案。如果IT團隊原本需要從頭進行重建以從一個云遷移到另一個云，則AIOps工具可以通過利用AI重寫新平臺的配置來實現(xiàn)流程自動化。換句話說，IT團隊不必讓AIOps工具為它們創(chuàng)建繁重的工作，而不必手動為不同的云重新創(chuàng)建IAM策略，API配置等。結(jié)果是，即使不同的云平臺在其服務(wù)產(chǎn)品中變得更加復(fù)雜和獨特，云遷移也將變得更加順暢。

3.云架構(gòu)規(guī)劃IT團隊在使用云環(huán)境時面臨的一個主要挑戰(zhàn)是，有太多的云服務(wù)可供選擇-每種服務(wù)的配置選項太多-識別每種工作負(fù)載的最佳服務(wù)類型令人望而生畏至少可以說。

如果將給定的應(yīng)用程序部署到虛擬機，容器或使用無服務(wù)器功能，它會以最佳方式（以最具成本效益的方式）執(zhí)行嗎？對于給定的工作負(fù)載，哪個或哪些云區(qū)域?qū)⑻峁┳罴呀Y(jié)果？如果您想利用邊緣計算的優(yōu)勢，那么工作負(fù)載到底應(yīng)該放在哪里：在云網(wǎng)關(guān)上，在設(shè)備上還是在兩者的組合上？

這些是IT架構(gòu)師在現(xiàn)代云環(huán)境中不斷解決的問題。傳統(tǒng)上，了解哪種安排最有效的唯一方法是手動測試不同的選項并分析結(jié)果。

借助AIOps，可以更輕松地預(yù)測哪種架構(gòu)模式和配置最適合給定的云工作負(fù)載。通過使用有關(guān)工作負(fù)載需求以及每個潛在體系結(jié)構(gòu)解決方案的性能和成本的數(shù)據(jù)，AIOps工具可以提供比IT團隊可以手動設(shè)計的建議更強大，更系統(tǒng)的建議。