山东定制网页建站,贵阳企业自助建站系统,十大网站排行榜,wordpress增加购物车随着越来越多企业愿意在运营中采用AIOps的模式#xff0c;他们所要面对的问题是#xff1a;如何以与业务需求相适应的方式来接受它。我们为您准备的一些有关AIOps落地关键点指南。
作者#xff1a;陈峻 【51CTO.com快译】随着系统效率和复杂程度的日益提高#xff0c;我们…随着越来越多企业愿意在运营中采用AIOps的模式他们所要面对的问题是如何以与业务需求相适应的方式来接受它。我们为您准备的一些有关AIOps落地关键点指南。
作者陈峻 【51CTO.com快译】随着系统效率和复杂程度的日益提高我们用于承载服务的IT环境也变得异常复杂。许多企业在向微服务和容器化的迈进的过程中给已有的应用进一步增加了大量的服务组件。那么如何管理和协调好各个组件之间的功能与关系显然是我们需要面对和处理的巨大挑战。
对于大多数企业而言他们的IT运营(IT Ops)团队往往只能疲于应付上述复杂局面且很难获取到更多的实用信息与管理资源。而这恰恰是人工智能化IT运营(AIOps)一显身手的地方。通过由大数据、数据分析和机器学习等技术所提供高水准的定制服务AIOps能够为当下流行的基础架构提供的全面、且深入的宝贵支持。
下面我们来一起了解一下那些涉及到AIOps落地实践方面的关键知识点。
了解AIOps
如今虽说已经出现了大量的自动化工具但是IT Ops团队却无法收益于效率的提升。由于这些工具尚无法基于数据进行自动化的决策因此人工运维的工作量仍旧十分庞大。
而AIOps提供了一种将数据分析集成到IT Ops中的更为精细的方法。它能够根据组织的目标来更好地支持可扩展性的工作流。
AIOps平台的各种技术组件 AIOps的各种用例
异常检测 – 作为一种最基本的检测方法只有在检测到数据中的异常之时才会触发某个补救措施。
因果分析 - 为了快速有效地解决问题AIOps能够按需进行根本原因的分析。
预测 — AIOps可以利用所支持的工具对未来进行自动化的预测。例如它可以了解用户流量的变更方式与时间并籍此做出反应进而解决问题。
警报管理 – 它可以自动实施智能化的补救、以及闭环补救而无需任何人工干预。
在AIOps和DevOps之间制造平衡
众所周知DevOps已经给许多企业带来了文化上的转变而AIOps也有着异曲同工之妙。通过帮助企业从各种相互连接的、却又分散的数据中发现潜在的洞见AIOps让企业的决策自动化变得更敏捷且准确。
对于企业而言摆脱长期以来的信息孤岛状态是非常重要的他们希望由自己系统所生成的数据能够具有全局化的可观察性(observability)而不仅限于单个部门或业务。
另外通过AIOpsIT Ops管理人员的传统职能也会逐渐转化为系统现场可靠性工程师的(Site Reliability Engineer)这一角色。籍此他们能够利用手头上收集到的信息、并以更加有效的方式解决碰到的各种问题。
尽管AIOps和DevOps的落地目标都是为了改进组织的服务、并提高总体生产力但是AIOps还能够通过减少妨碍生产力的干扰因素来提高DevOps的各项实践效率。例如AIOps就能有效地减少来自各种平台的误报和通知的数量由此DevOps工程师们便可以更加轻松地将有限的精力集中到真正的故障问题之上。可以肯定地说AIOps能够对DevOps工程师、及其企业目标起到事半功倍的效果。
AIOps与时间管理
无论企业开发团队的规模是大还是小他们总是会遇到“时间紧、任务急”之类的常见问题。幸运的是无论是在创建机器学习模型、还是在处理数据方面AIOps都能够通过灵活地获取数据以及处理大量新的信息来帮助您在有限的时间内完成海量的任务。
过去企业虽然深知高质量数据的重要性但是面对其复杂性时往往无法通过常规的数据分析来进行解读、验证甚至为自己所用。正如一份毕马威会计师事务所的调查所显示的那样由于与自己的想法或经验并不相符67%的CEO会不得不选择性地忽略那些计算机驱动的模型、或由数据分析所提供的洞见与判断。
如今AIOps则能够利用那些训练有素的机器学习算法“实时”地捕获并维护那些高质量的数据进而采用大量既有的用例来实现快速准确的处理。例如对于那些能够检测服务异常状态的用例而言快速识别错误代码与信息往往是至关重要的。特别是在防范系统安全漏洞的场景中AIOps能够让自动化且精准的方式为运营团队以最快的方式找到解决问题各种备选方案。
AIOps的日益普及
当然拥有数据是一回事而真正能够有效地使用数据则是另一回事了。在实际应用中企业往往需要利用机器学习的相关技术来自动化地扩展目标应用及其对应的平台。
根据MarketsandMarkets(https://www.marketsandmarkets.com/PressReleases/aiops-platform.asp)的预测明年企业采用AIOps平台的增长率将达到34%而目前的转化率需求也正在持续增长。在不增加资源负担的情况下AIOps让企业变得更加灵活他们的响应能力也会更强。可以说AIOps即将成为高度数字化时代的必备工具。
AIOps的落地
随着越来越多的企业愿意在运营中采用AIOps模式他们所要面对的问题是如何以与业务需求相适应的方式来接受它。以下是我们为您准备的一些有关AIOps落地关键点指南
l实施团队通过了解人工智能和机器学习的基础知识以便更好地运用相关技术。通过调查发现运营人员日常工作中最耗时的任务。尤其是那些需要有效地转化为自动化的重复性任务往往最需要通过AIOps的干预来减轻作业的负担。避免一次性涉及太多的方面。我们可以从小处做起从高优先级的任务开始。一旦获得了良好的反馈则可以通过及时的评估将该技术用例推行其他领域和任务的解决任务之中。针对不同的数据采用AIOps。毫无疑问此举可能需要比您想象更长的时间才能实现不过您将会收获更多有关当前系统的洞悉。此外通过成功地定义各项参数并及时地评估各项指标您需要确保AIOps的各项工作能够与组织的目标完美契合。
从应用成熟度来看
对于大多数组织特别是IT部门的领导者而言他们更热衷于通过对于复杂事件与任务的自动化执行来减少各类警报的数量降低服务中断和停机所带来的成本。而在AIOps的采用和落地时不同组织的目标可能会有所不同。不过他们通常会希望获得目标系统更全面的可见性以及对于生产环境更有效的运营处理能力。
下图展示的是一个五步走的成熟度模型。该模型能够帮助组织确定自身在监视和自动化过程中所处的位置。 资料来源ScienceLogic
其实AIOps主要适用于那些有着长期目标、并将其运用到以微服务为驱动应用程序的领域。也就是说AIOps旨在确保组织内部信息的流动以满足整体架构和业务目标而不仅仅是改善当前的运营流程。运营团队需要从当前应用的角度出发协同架构团队、甚至是云端支持团队重新考虑如何去感知整个堆栈。而且这对于那些使用微服务所构建的应用程序尤为重要。同时企业需要通过重新设计各种运营功能来深入了解应用层的架构特点进而让恰当的数据自动流向应用开发人员并提供各种必要的见解。
总结
如今已有不少的企业尝鲜式地采用了AIOps的运营模式但是他们也碰到了不少实际落地方面的问题。希望上述建议能够帮助您更平滑地实现向AIOps的转化并充分释放AIOps的潜能。
原文标题The Most Important Elements of AIOps作者Rahul Singh
阅读目录置顶)(长期更新计算机领域知识
阅读目录置顶)(长期更新计算机领域知识
阅读目录置顶)(长期科技领域知识
歌谣带你看java面试题
