时事通讯




实施AIOPS的5个步骤


IT运营的人工智能(通常被称为AIOps)是近来的一个热门话题,但似乎很少有人谈论如何实现AIOps。为了成功地实现AIOps,企业了解每个阶段所需的流程和工具非常重要。随着新年的开始,现在是企业考虑将AIOps集成到其IT程序中的绝佳时机。

AIOps是什么?

AIOPS是计算机学习(ML)方法的应用来筛选通过传入数据,并确定允许更有效地管理IT操作的关键信息。在许多情况下,AIOPS可以在影响应用程序的最终用户之前识别问题。

这对创收应用尤其重要。一种最近的研究1100家组织发现,由于通常避免的入射升级,不发展到AIOP的风险是1.2米。

通过其先进的功能,AIOP可以通过识别问题的其他条件或情况,快速识别和解决潜在的破坏性问题。企业将AIOPS放置到位,分析IT运营数据,以增强和自动化所有主要IT运营。

2021年的AIOPS路径

AIOps的道路始于2005年大数据概念的引入。然后,在2014年,分析师们创造了术语IT运营分析(ITOA)——大数据分析对IT运营数据的应用。ITOA提供了大量IT运营数据的分析和报告,以提供企业IT资产的总体情况,并帮助企业做出更明智的决策。

直到2017年,AIOPs术语进入词典,因为需要组织在实时吸收所有数据的增加。该术语在2019年继续扩张,添加“多域AIOPS”,以解释域名无政府主义VS域特定解决方案的差异和现有工具的AIOPS覆盖的概念。由于Covid-19的发作加速了移动到云的移动,因此对AIOP的需求仅增加。

商业领导者需要认识到AIOPS提供的福利及其成功,在更好的管理公司IT运营和基础设施中。以下是五个步骤企业可以开始将AIOPS集成到其IT程序中并启动2021年,并使用企业自动化启动。

  1. 确保Aiops与业务目标保持一致。AIOps是一种多域技术。最近的研究发现它平均支持8个不同的特定于领域的角色和11个跨领域角色。对于一个大范围的项目来说,获得高层领导的支持是非常必要的。获得这种批准的一个好方法是设置一个小型测试项目来解决单个痛点。从那里,IT专业人员可以利用这一成功来招募执行团队支持并与进一步将AIOps集成到企业中保持一致。

  1. 观察并整合一切。AIOps的一个核心概念是从任何地方获取数据——网络、服务器、应用程序等等。这样做的原因有两个:人工智能喜欢数据(越多越好),覆盖的领域越多,它就越有可能更快地找到问题的根源。例如,用户体验监视可能会在性能问题以明显的方式出现在其他地方之前发出信号。当AI拥有这些数据时,它便能够查看其他信息去寻找问题的根源所在。因此,在开始时,将所有企业资产合并到一个AIOps程序中是非常必要的。

  1. 整合域名忽视AI。在企业对IT运营数据进行了全面整合之后,IT专业人士应该考虑将领域无关的AI作为合适的下一步。如今,许多领域工具都提供了人工智能功能,但它们都是各自独立的。尽管领域工具提供了一些好处,但它们通常无法提供理想的解决方案。当服务器监控工具的AI标记出错误时,有一个好处,但对于大多数问题,都存在一个带有多个症状事件的根本原因事件。一个领域的人工智能将无法关联其领域之外的事件,因此操作员被迫调查症状警报,直到他们找到正确的警报,这可能是耗时和低效的。
    相反,企业应通过使用一个系统来寻求第一次修复,该系统指向第一个警报IT共享的正确问题。这是许多前沿的巨大时间节省者,因为该问题被确定了更快的需要更少的员工干预,并且提出了较少的门票。

  1. 集中数据湖。当企业静坐AI时,它们无法全面的视图,因为每个数据集都处于自己的工具中。通常,下一步是创建一个集中式数据湖,以更好地集成AIOPS。使用中央数据湖,保留所有数据的所有数据提供多个优点 - 例如,ML可以从多个域处理数据以及从非基线的域工具中的基线数据的能力。构建显示跨域数据的显示更容易。此外,当AI在一个地方拥有所有数据时,分析师都可以检查它以确定可能导致更有知情决策的模式和问题,这些决策将受益于业务。

  1. 走向连接的AI自动化。实现AIOps解决方案的目标是更快地发现和修复问题。一个用户从采访团队开始,寻找他们经常重复出现的问题。一旦他们有了这个列表,他们就使用来自ML的根本原因,并将其连接到他们发现或构建的可以解决问题的工作流。第一年他们节省了100万美元,第三年他们节省了400万美元。将ML问题分析与能够解决问题的自动化工作流连接起来应该是任何AIOps程序的重要元素。

2021年是新的一年

毫无疑问,2021年企业应该把重点放在AIOps的发展上,将其作为更好的IT应用和基础设施管理的关键组成部分。对于不同的业务来说,AIOps的起点是不同的,步骤的顺序也可能不同,但最重要的是,前面提到的过程是最终取得成功的必要条件。