有人懷疑在IT運營中應用機器學習是否可以帶來業務和IT價值。有這種疑問是正常的，但是不要為此感到驚訝。AIops是在2021年可能得到提升的Devops功能之一。

 

在過去十年中，IT環境變得更加復雜，其中包括公共云和私有云的應用，支持物聯網(IoT)的邊緣計算基礎設施、大規模數據庫上的機器學習實驗、新集成、應用程序的頻繁部署、關鍵任務遺留系統以及大量微服務。在IT控制之外還存在許多變量，例如安全事件、不同的最終用戶計算配置以及易變的應用程序使用模式。

 

如果組織的工作是響應事件、解決應用程序問題、執行根本原因分析、診斷復雜的用戶問題、驗證操作風險、識別安全弱點或預測計算成本，那么這將面臨一個具有挑戰性的環境。

 

這就是AIops解決方案可以提供幫助的地方。以下介紹不同的解決方案如何實現數據清理、分析、機器學習和自動化，以簡化IT運營并促進業務開展。

 

六家AIops解決方案提供商對AIops為業務和IT部門解決的問題，他們的解決方案中使用了哪些類型的機器學習算法，以及他們的產品如何支持自動化進行了闡述和分析。

 

 

Devo公司IT運營和可發現性高級總監Paco Huerta表示，AIops可以幫助IT團隊解決最終用戶問題。Devo公司的人工智能系統在大規模的混合環境中提供了自動的、全面的場景見解，使運營人員能夠在最終用戶受到影響之前查明問題的確切原因。

 

IT部門承受著不斷的壓力，Devo公司幫助他們迅速找到問題的根本原因并評估風險。Devo公司采用了多種開源工具和專有機器學習算法，其中包括時間序列異常檢測和用于開發和部署模型的機器學習工作臺。Devo公司的模型可以不斷學習并快速適應。

 

 

Micro Focus公司AIops產品營銷經理Michael Procopio表示，“全棧AIops可以幫助IT部門篩選龐大的數據集，以發現并解決問題。當今的IT環境所產生的數據量超出了人類的處理能力，而機器學習可以將數百個警報或數百萬個日志文件精簡到運營人員能夠輕松處理的幾個問題，而自動化是更快地解決這些問題的關鍵。我們稱之為全棧AIOP，因為將兩者結合起來可以提供一個解決問題的解決方案，幾乎不需要人工干預。”

 

Micro Focus公司的AIops解決方案包括Operations Bridge，它收集所有事件、度量和日志，包括來自200多個第三方工具和技術的系統補丁和合規性數據。然后，它將服務映射、拓撲和依賴關系數據關聯起來，以構建準確的業務服務模型。

 

該平臺利用無監督的機器學習，其中包括聚類、回歸、推斷統計、自定義邏輯和季節性算法。它還利用運營人員反饋來提高系統精度和指導未來的行動。

 

 

Moogsoft公司首席技術官Will Cappelli強調說，“IT運營需要采用人工智能技術跟上由開發人員驅動變更的快速步伐?，F代IT系統表現出復雜的行為，并且在持續集成(CI)/持續交付(CD)頻繁部署的變化壓力下，其組件和連接拓撲結構不斷變化。需要人工智能來理解自我描述性數據，其中包括日志、事件記錄和現代IT系統生成的指標;預測問題和中斷;并支持對人工智能技術所解釋的信號所揭示問題的響應的執行。”

 

Moogsoft公司的人工智能系統依次執行多項功能。它從日志文件和其他操作系統聚集的噪聲背景中提取高信息數據集。然后在那些高信息數據集中發現相關模式，并確定哪些相關是因果關系。最后，它有助于自動執行響應。

 

Cappelli指出，AIops將直接影響組織的收入和品牌聲譽。當智能響應是機器人時，它會縮短影響客戶和員工的事件的平均恢復時間(MTTR)。

 

 

OpsRamp公司事件管理和自動化的首席產品經理Neil Pearson指出，AIops中的自動化可以幫助IT部門更好地執行工作，這有利于組織開展業務。他說，“AIOps是包括機器學習、深度學習和機器人流程自動化(RPA)在內的各種人工智能技術的應用，可以自動執行復雜、人工密集的重復性任務。它通常涉及從不同來源和不同格式提取大量數據。我們專注于檢測異常、預測和防止從最初發現資源到解決問題的重復警報和事件。這使人們的工作水平明顯提高，并幫助組織的業務發展得更好。”

 

OpsRamp公司從多個數據源(如指標、日志、網絡數據包和跟蹤)中提取并處理大量數據集，以確定問題的根本原因。它使用深度學習和自然語言處理算法來消除噪音，通過提出解決問題的建議確保其不再重復來協助操作。OpsRamp公司可幫助IT設計自動響應策略，從而減少人工干預，并根據業務影響對問題進行優先排序。

 

 

Resolve公司首席執行官Vijay Kurkal認為，使用人工智能和自動化來消除問題和解決方案之間的循環，“自我修復IT”可以成為現實。他說，“AIops工具可以快速識別現有或潛在的性能問題，發現異常情況，找出問題的根本原因，甚至可以預測未來出現的問題，從而在業務受到影響之前觸發主動修復。通過將人工智能的見解與自動化結合起來，組織可以最大限度地發揮這些技術的價值和潛力，并創建一個發現、分析、檢測、預測和自動化的閉環，從而使組織更接近于自我修復的IT。”

 

Resolve Insights可以自動發現應用程序和基礎設施，生成豐富的拓撲圖，并確定業務關鍵型應用程序和基礎設施之間的依賴關系。了解這些關系可以使故障排除更容易，并有助于全面的IT管理，為復雜的跨域環境提供了一個單一的視角。該數據可以在近實時地被自動推送到配置管理數據庫(CMDB)，確保準確的庫存信息，并創建一個強大的IT服務管理(ITSM)基礎。

 

Resolve Insights利用許多機器學習算法，其中包括異常檢測、事件模式識別和預測算法。其目標是通過改進關鍵應用程序和基礎設施的性能、最大限度地延長正常運行時間以及提供有助于優化工作的見解，來增強客戶和員工體驗。

 

 

Splunk公司首席技術官Andi Mann建議，IT人員必須超越傳統的運營模型，應側重于數據驅動、擁抱自動化以及致力于服務交付實踐的模型。

 

他說，“隨著現代方法加速技術在全球電子市場中的采用和參與，現代系統的復雜性太高，人們無法有效地進行管理，而傳統IT運營技術也無法保持滿足需求。只有采用數據驅動的方法，并應用高級算法處理、機器學習、人工智能、響應自動化和工作流程編排，服務交付團隊才能應對這些新的復雜性。Splunk公司通過采用AIops解決了這些挑戰，為ITops、可觀察性和安全性提供了一種數據驅動的方法，以確保其業務和客戶所需的性能、可用性、功能性、穩定性和影響。”

 

Splunk采用“白盒”方法進行機器學習，并預先填充了30種算法，用于異常檢測、分類、聚類、交叉驗證、特征提取、預處理、回歸和時間序列分析。它還具有來自scikit-learn、pandas、statsmodels、NumPy和SciPy庫的300多種開源Python算法。

 

 

當客戶和員工將問題上報時，人們知道必須讓系統和應用程序監控器就位。當出現重復事件類型時，組織制定了行動手冊和標準操作程序來解決這些問題。在可能的情況下，可以構建腳本來重新啟動Web服務器、清理數據庫空間，并從主存儲系統歸檔原有文件。

 

如今的規模、復雜性和服務期望都要求IT加速這些規程，而這正是AIops解決方案所要解決的問題。AIops平臺集中和清理操作數據，利用機器學習查明不同的問題，并提供一個自動化解決方案的框架。其最終目標是提供更好的體驗，減少工作量，并釋放IT部門的精力來開展更具價值的業務。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。