AIOps包括使用AI和ML技術(shù)以及大數(shù)據(jù)、數(shù)據(jù)集成和自動化技術(shù)，以幫助IT操作更智能、更具預(yù)測性。

人工智能用于IT操作（AIOps）涉及使用人工智能和機(jī)器學(xué)習(xí)技術(shù)以及大數(shù)據(jù)、數(shù)據(jù)集成和自動化技術(shù)，以幫助IT操作更智能和更具預(yù)測性。人工智能操作通過機(jī)器驅(qū)動的決策來補(bǔ)充人工操作。

AIOps解決方案的類型

在高層次上，AIOps解決方案分為兩個領(lǐng)域：領(lǐng)域中心和領(lǐng)域不可知，正如Gartner所定義的那樣。以域?yàn)橹行牡慕鉀Q方案將aiop應(yīng)用于特定域，如網(wǎng)絡(luò)監(jiān)視、日志監(jiān)視、應(yīng)用程序監(jiān)視或日志收集。你會經(jīng)常看到監(jiān)控供應(yīng)商聲稱AIOps，但他們主要是領(lǐng)域不可知的，將AI的力量帶到他們管理的領(lǐng)域。領(lǐng)域無關(guān)解決方案的操作范圍更廣，跨領(lǐng)域、監(jiān)控、日志、云計算、基礎(chǔ)設(shè)施等工作，它們從所有領(lǐng)域/工具獲取數(shù)據(jù)，并從這些數(shù)據(jù)中學(xué)習(xí)，以更準(zhǔn)確地建立模式和推斷。

數(shù)據(jù)質(zhì)量和完整性

AIOps的成功取決于您提供給解決方案的數(shù)據(jù)的質(zhì)量和完整性，數(shù)據(jù)越完整，它就越能從模式中學(xué)習(xí)并提供推論。如果您有IT性能可見性差距，首先建議使用現(xiàn)代的監(jiān)視或可觀察性解決方案來填補(bǔ)這些差距。

數(shù)據(jù)豐富

AIOps解決方案還必須了解應(yīng)用程序服務(wù)和資產(chǎn)之間的相互關(guān)系，以便在出現(xiàn)警報或事件時，該工具可以考慮這些關(guān)系，從而更準(zhǔn)確地驅(qū)動相關(guān)性或根本原因推斷。大多數(shù)實(shí)現(xiàn)都依賴于手動或外部數(shù)據(jù)來將這些數(shù)據(jù)提供給aiop，隨著時間的推移，aiop的實(shí)現(xiàn)和維護(hù)變得越來越麻煩和昂貴。

一些現(xiàn)代的AIOps工具（比如CloudFabrix）非常善于自己發(fā)現(xiàn)和建立其應(yīng)用程序/服務(wù)上下文拓?fù)?，還可以選擇與CMDB或IT資產(chǎn)管理系統(tǒng)（ITAM）集成，將這些工具用于種子上下文或自動定期數(shù)據(jù)饋送。

10大常見AIOps用例

可以通過AIOP解決的一些常見用例或問題領(lǐng)域包括：

1.根據(jù)異常情況或與正常行為的偏差識別問題。

2.預(yù)測某個度量的值，以防止停機(jī)或提高操作準(zhǔn)備度。

3.基于癥狀或文本描述對警報、事件或日志進(jìn)行分組或聚類。

4.基于拓?fù)浠蚓瘓髮傩缘南嚓P(guān)警報分組。

5.基于多個傳感器或遙測數(shù)據(jù)導(dǎo)出應(yīng)用程序或服務(wù)器運(yùn)行狀況。

6.識別相關(guān)的時間序列指標(biāo)或癥狀，以便更快地推斷根本原因。

7.發(fā)現(xiàn)類似事件，加快事件解決。

8.命名實(shí)體識別，豐富事件內(nèi)容，加快事件處理速度。

9.根據(jù)事件屬性預(yù)測事件分配組。

10.使用自然語言處理的事件分類也可以使用OpenAI/GPT-3等外部服務(wù)。

AIOps目標(biāo)和主要優(yōu)勢

AIOps的最終目標(biāo)是實(shí)現(xiàn)IT轉(zhuǎn)型、智能化和預(yù)測性操作。利用AIOps工具，IT部門可以獲得統(tǒng)一的事件智能，減少IT數(shù)據(jù)中的噪音并消除工作負(fù)擔(dān)，減少IT票證數(shù)量，更快地解決IT問題，在客戶受到影響之前預(yù)測/防止停機(jī)，自動化根本原因分析，加速事件或問題解決，提高IT生產(chǎn)效率，并降低總體擁有成本。
編輯：lyn