在當下這樣一個數字化轉型的時代，領先的企業組織均已經認識到大型主機通過對于企業關鍵數據的高效事務處理和大量訪問來提供高商業價值的重大戰略意義。本文中，我們就將與廣大讀者朋友們共同探討企業組織要如何將連接和創新大型主機作為其現代混合IT環境的一部分，并通過運營智能化和機器學習幫助簡化大型主機的管理，以便跟上日益增長的市場需求。
計算世界正在我們眼前發生著天翻地覆的變化。曾經那些始終具有一致性和可預測的商業模式的行業正在經歷著顛覆。在數字化經濟中，無縫的客戶體驗是至關重要的。無論是正在探索新的創新在線銷售策略的零售商，還是大型的銀行機構，都在積極的探索如何預測客戶對新服務的需求——而這其中，高性能和可擴展的IT系統無疑是推動成功的關鍵。當一天工作結束的時候，作為企業的IT領導者，您需要幫助您所在的企業預測機遇，推動業務增長，并主動防范各種或將威脅到您企業營收的風險。
當下的企業組織紛紛都在積極的以創新的方式利用大型主機作為其現代IT環境的一部分，進而為其客戶提供新的服務和體驗。而為了實現這一點，他們需要將關注重點放在如下三大舉措方面：
現代大型主機與混合云環境之間的連接和管理;
在機器學習的幫助下管理大型主機的操作運營;
在數據源上應用機器學習和分析
連接
在當下這樣一個靈活敏捷性和模塊化應用程序和服務的需求占主導地位的時代，連接大型主機的概念正日漸獲得更多企業組織的青睞。現代化的大型主機已經通過對包括Linux操作系統、Java語言以及分析平臺(如Hadoop和Spark)在內的開源基礎架構的本地化集成進行了充分的改造。另外，新一代的應用程序編程接口(API)則又為大型主機工作負載與混合云和移動環境之間提供了很好的無縫集成。
大型主機朝著更加開放的平臺的方向發展，使其成為了企業混合IT環境的一個重要的組成部分。例如，使用API 管理，您企業可以將大型主機的事務處理與方便用戶使用的移動應用程序實現無縫連接。當您企業將大型主機的可擴展性、可靠性和安全性與新興的DevOps工具、容器和微服務相結合時，您企業環境的變革能力便已經形成。
作為企業的一名IT領導者，您需要認識到：幫助推動業務發展的能力取決于提供高性能，持續可用的環境。而為了獲得業務的成功，這些將大型主機連接到公共云和私有云的混合環境必須以操作復雜性進行管理。新興的機器學習分析正在成為使該復雜的系統變得更加可管理和可預測的工具。
充分利用機器學習簡化操作運營
雖然在大型主機和混合IT基礎架構之間建立一個連接性的系統變得至關重要，但企業必須借助精簡的技術來管理工作負載和功能的組合。現實情況則是，經驗豐富的大型主機操作專家正在退休，而新的IT運營人員們則普遍缺乏管理大型主機方面的經驗，更不用說靈活應付混合IT的復雜性了。
能夠幫助理解大型主機操作完整性的主要技術是操作運營專家們所分析的大量的日志數據。這需要花費大量的時間，并且需要借助許多大型主機子系統的復雜知識來追蹤相關問題。但隨著大多數經驗豐富的大型主機專業人員逐漸退休離職，企業越來越難以找到具有適當技能的新員工。積極應對這種日益擴大的技能差距的最可行的方案是配置一個軟件環境，用于抽象管理大型主機的復雜性，以便管理員們能夠在出現問題之前迅速找到問題的原因，并阻止潛在故障的發生。您企業應該考慮利用新興的機器學習和自動化技術，使缺乏經驗的IT運營管理人員們能夠熟練地監控和管理您企業的大型主機的操作。
基于機器學習和嵌入式智能的操作環境主動從模式分析中學習，并在出現性能問題之前能夠提供自動或手動采取補救措施的能力。
在數據源應用機器學習
大型主機上的機器學習使領先的企業組織能夠利用大量常常未獲得充分利用的大型主機數據。一個重要的因素是，現在可以在數據所在位置的附近執行高級分析。
大型主機交易數據可以提供豐富的情報，用于幫助企業解讀對客戶需求和未來期望的洞察。在這些數據中檢測模式和異常的能力對于那些試圖在競爭中保持領先或簡單地提高運營效率的所有行業的企業組織而言都是一款相當有價值的工具。不遷移數據，而是將分析引入大型主機的交易事務數據更為有效，且更安全。因此，當數據安全性和實時分析很重要時，將機器學習應用于大型主機事務數據的最佳方法是在大型主機平臺本身上執行分析。如果安全性和實時速度不是關鍵因素的話，例如執行簡單的取證歷史分析時，將大型主機數據卸載到分布式資源或云資源是獲得整合洞察分析的另一種方法。
定義機器學習和操作智能
機器學習是一門計算機科學學科，其提供了一套復雜的算法，不斷提高模型的準確性。通過機器學習，可以從海量數據中學習，并提高預測結果的準確性。有多種算法可以根據暴露于數據中的模式而不是通過顯式編程來學習和改進其性能。本質上，機器學習系統是基于系統的最佳實踐方案和預期行為而設計的。
機器學習系統不是簡單地編程一款系統來檢測操作系統中的已知問題，而是從操作數據開始，并且在當工作人員采取操作行為或甚至工作人員未執行推薦的操作行為時，系統將進行學習。在大型主機系統的案例中，機器學習模型理解大型主機的功能及其所創建的數據類型。機器學習系統依靠海量數據的收集。隨著系統收集的數據越多，其能夠更新其數據模型，以創建更準確的結果。機器學習系統與傳統的解決方案形成了對比，在傳統的解決方案中，程序員必須在一開始就做出假設，但系統不會隨之演化發展。
企業IT角色的演變
隨著IT逐漸轉變為企業數字化顛覆性業務的服務部門，不同的IT筒倉發現他們必須協同合作才能生存下去。因此，開始更多的關注于管理復雜的混合計算環境。現在已經認識到大型主機是擴展和保護關鍵數據和事務的重點，從運營IT的角度來看，有一種可預測的方式來管理環境是至關重要的。僅僅假設運營團隊將具有能夠以反應式，手動方式繼續管理這一互聯系統的知識或能力是不現實的。為了取得成功，企業IT的運營領導者正在轉向機器學習工具，以便能夠迅速行動，并確保成功和透明的客戶體驗。
將機器學習應用于企業IT運營所帶來的益處
機器學習算法與大型主機數據相結合的結果是為企業帶來更容易和更有效地管理復雜大型主機環境的機會。另外，機器學習環境的優勢遠遠超出了大型主機操作專家團隊的目前所知。當新應用程序被創建，并且大型主機數據與新興系統集成時，這一點尤為重要。
將機器學習應用于企業IT運營的5個最大重要的益處是：
1. 積極的管理。通過嵌入智能系統能夠檢測到可能導致故障中斷和其他潛在問題的異常模式。
2. 更快地修復。分析師和管理員們可以快速找到問題的根源。機器學習不是篩選大量應用程序和系統數據，而是幫助識別導致問題的觸發器。
3. 提高生產力。機器學習環境從歷史數據和行為模式中學習，以更準確地檢測性能異常，并自動執行常規任務糾正。這有助于提高更多初級團隊成員的熟練程度，使您企業的專家們能夠專注于最關鍵的問題。
4. 高效協作。統一的機器學習環境匯集了來自多個來源的不同分析數據，從而提高了洞察力，幫助您企業的團隊實現更高效地合作，以隔離和解決問題。
5. 提高應用程序的性能。通過將機器學習應用于大型主機操作，您企業可以提高應用程序額性能，并減少延遲和停機時間。
案例分析研究：某金融服務公司利用機器學習解決IT運營和管理挑戰的案例分析
某大型全球保險公司長期一直是大型主機企業客戶。該保險公司使用大型主機來支持跨八個獨立業務線的事務和數據工作負載。該公司的大型主機應用程序已經整合了數十年的有價值的商業邏輯。
該公司有兩個壓力點。首先，隨著公司不斷建立新的服務，大型主機環境變得越來越復雜。其次，由于市場競爭壓力的與日俱增，該公司的IT團隊需要能夠支持各種新的業務計劃。因此其大型主機的需求正在呈現爆炸式增長。例如，業務團隊現在希望將大型主機應用程序和大型主機數據連接到新的基于云的移動化服務。總之，該公司希望能夠利用他們寶貴的大型主機數據資源。
像許多類似的企業一樣，該公司所面臨的壓制成本方面的壓力也越來越大。盡管需求在不斷的增加，但其業務預算并未增加。“我們負擔不起更多的管理運營工作人員來負責我們的系統。”該公司的主機容量、性能和自動化總監解釋說。“監控點太多了，因為我們擴大了大型主機的使用范圍。而且，大型主機停機絕對是不能出現的。”
企業的IT管 理層們都知道，他們唯一的選擇是優化大型主機的管理。其中一個最重要的要求是找到一種方法來關聯來自多個數據來源的數據，以進行實時的預測，并增加對大型主機系統行為的洞察力。利用基于機器學習的解決方案將使運營團隊能夠主動回應潛在的問題，同時確保大型主機可以支持新的舉措。
該保險公司與CA Technologies公司合作，將機器學習和運營情報整合到他們管理大型主機環境的方式中。這種新方法簡化了發現潛在問題的流程，而無需人工干預。該總監指出：“這種方法使我避免了有經驗的員工浪費他們的時間用于監控報告的潛在問題。”該公司曾評估過一系列的運營分析產品。該負責人表示：“CA Technologies公司的方法比其他分析引擎領先，而這些分析引擎不是實時的，也沒有嵌入到企業管理監控系統中。”
機器學習引擎從不同的來源獲取各種系統和日志數據，以辨別其具體的大型主機如何運行。該運營總監表示說：“在我們開始實施后的頭幾個星期內，監控平臺開始認識到什么狀況是正常的，什么不是。系統學習檢測性能異常，因此能夠提醒操作運營人員來解決問題。”
該系統有助于改善正常運行時間，縮短平均維修時間(MTTR)，并幫助運營領導者們更好地利用資源。他說：“因為運營管理人員們沒有被束縛在海量繁雜的數據中，他們可以將他們的專業知識應用于解決方案。”機器學習現在為該團隊中的每個人提供了背景和決策的標準基礎。機器學習平臺了解可變性，并能夠識別和關聯歷史模式，并預測工作負載需要進行管理的方式。
結論
數字化轉型只有在與客戶的需求保持一致，并且滿足可預見的前提下才能獲得成功。而大型主機為企業的關鍵任務應用程序提供了確保運行速度、一致性、可信度和安全性所需的相關企業規模和可靠性。但是，假設大型主機可以孤立管理是不可行的。在高度連接的數字化世界中，大型主機必須被視為混合IT系統的一個組成部分。
大型主機的許多根本性的改變已經地改變了其作為一個真正的數字化推動者的角色。今天，大型主機擁有從操作系統(Linux)到高級分析服務(Spark)和語言(Java)的本地開放源代碼基礎架構。作為一款開放的平臺，大型主機可以與支持數字化轉型的最重要的新興技術一起發揮中心作用。
根據咨詢公司Hurwitz &Associates的采訪調研發現：許多領先公司都在積極的將大型主機的機器學習與這些新興技術相結合，以創建一個互聯企業，并支持其數字化轉型項目：
模塊化的代碼和部署使用微服務和容器。企業IT運營管理團隊可以創建可重用的服務和可移植的代碼，并利用這些代碼快速創建新的應用程序或跨環境移動應用程序。
企業內部和第三方API正在幫助企業組織將大型主機集成到其整體的數字化轉型的策略中。API有助于使大型主機與新的移動化和云應用程序以及數據源實現無縫連接。
移動應用程序是絕大多數企業客戶的首選部署模式。但是，為了有效和安全，這些應用程序必須與大型主機上管理的交易和業務服務相結合。
機器學習和運營智能化可以將大型主機管理轉變為企業戰略成功的武器。機器學習環境將通過自動化來適應，學習和優化您企業的IT操作運營，使您能夠專注于創建解決方案，并解決創新的方法，從而以數字化的方式打造您企業未來的業務。
京公網安備 11010502049343號