[[380114]]

【51CTO.com快譯】隨著全球的企業持續將日常業務轉換為數字化運營的方式，許多公司的內部數據正在以井噴的方式不斷增長。根據Gartner的一項調查，全球各大公司每年所創建的數據量均比上一個年度增加2-3倍。

不過，數據在以指數級增長的同時，會造成所謂的“虛擬海嘯”。它不但體現在數據會變得越來越難以管理和分析，也會讓企業的IT運營人員持續增加時間、精力和資金的投入。

為了讓它們不會對主營業務產生喧賓奪主的影響，我們需要通過恰當的處理，讓企業數據不僅可以協助創建更好的模型，而且能夠從長遠的角度發揮其潛在的價值。據此，業界提出了將傳統的IT運營轉換為AIOps，從而為企業提供更好的預測、分析和統計信息。可以說，通過面向未來的、可靠的、可擴展的、且易于安裝的AIOps，企業IT運營將會得到大幅簡化。

下面，我將和您具體討論什么是AIOps?它能夠為業務解決什么問題?市場上有哪些流行的AIOps解決方案?以及在購置AIOps產品時應當考慮哪些方面?

什么是AIOps?

AIOps，即：針對IT運營的人工智能，是人工智能技術在改善公司IT運營方面的應用。有時，它也稱為IT運營分析(ITOA)。作為一種超現代的IT解決方案，AIOps是由Gartner于2016年提出的。

AIOps可以使您的企業減少花費在執行那些冗余的、重復性的IT運營上的時間和精力，進而讓您能夠專注于核心業務與產品。通過大數據、機器學習和智能分析，AIOps不但可以自動化并增強您的IT運營，還能夠在執行大數據分析的基礎上，為業務提供高度準確的預測和統計數據。那些傳統的IT運營可能需要花費數月的時間，才能發現業務流程中的模式。而AIOps則能夠在幾秒鐘內，創建有價值的分析，并達到可觀的準確度。

AIOps能為您的業務解決什么問題?

隨著業務的擴展，企業數據不但在體量和類型上迅速增加，而且數據本身也會變得異常動態、且難以處理。顯然，受到傳統的人工IT運營方式的限制，他們往往無法持續、高效、準確地掃描數百萬個數據字段，確定正確數據的模式，以及進行數據質量的預測。而通過使用AIOps，企業可以受益于如下方面：

• AIOps可以為您的大部分IT工作流程實現自動化，進而減少人工和時間上的開銷。
• 在CI/CD基礎架構上，AIOps能夠獨自地完成大部分重復性的工作，進而為運維人員減負。
• 通過將機器學習、智能化分析、以及人工智能融合到一起，AIOps可以保證您的業務報告和預測是準確且有意義的。
• 手動的異常檢測和錯誤點的跟蹤，往往會花費大量的時間，而且容易導致產品質量的下降和業務損失的增多。而AIOps能夠快速識別異常，預先提供警告，并通過跟蹤錯誤以查明核心問題。

此外，通過與AIOps的集成，企業可以將重要的業務部門實現自動化，提高日常IT運營的績效和精準度。

企業如何使用AIOps?

如前文所說，AIOps可以在非常短的時間內，利用盡量少的資源，針對大量的數據和復雜的數據類型，采用機器學習與智能分析相結合的方式，為業務提供更好、更可靠的預測和分析。下面，我們來討論幾個在實際應用中，AIOps簡化IT運營的實例。

異常檢測

機器學習在識別數據異常等方面表現十分出色。它通過使用復雜的、經過調優的算法，將過往與當前的被監控關鍵指標(KPI)予以比較。通過識別非常規的業務模式的相關事件和活動，AIOps可以快速檢測出異常，進而確定其來源。

有統計表明，那些實施了AIOps的公司在事件調查的用時方面，平均減少了70%至90%。可以說，異常檢測的效率和準確性，不但能夠為質量控制節省巨額的資金，還能夠確保為客戶帶來出色的產品質量。

事件關聯

AIOps具有查找各個事件之間相關性的獨特能力。通過協助分清某個因素是如何導致另一個因素產生的，AIOps能夠讓企業準確地跟蹤各種錯誤的根源。此外，AIOps還可以將相關事件進行分組，并將他們放入“權重列表(hit list)”中。

IT服務管理(ITSM)

AIOps可以管理包括產品設計、構建、交付、質量控制等方面的IT服務。同時，作為ITSM人員的得力助手，AIOps可以為他們提供更好的行動計劃和洞見，進而提高公司的IT運營水平和服務效率。

自動化

傳統的IT運營需要完全依賴IT人員手動進行數據的測試分析。如果參與處理的人員在技能上參差不齊，那么他們的分析結果則會產生差異。而AIOps無需任何人工干預，即可協調統一，并提供高品質的輸出。

使用AIOps的好處

總的說來，得益于機器學習、大數據智能分析、以及人工智能的優勢，AIOps能夠為企業業務帶來如下好處：

• 減少停機時間：AIOps能夠通過自動檢測和錯誤修復，來最大程度地減少停機時間。
• 完整的分析和見解：AIOps結合了廣泛的數據源，其中包括那些傳統IT Ops曾經忽略的數據源，進而創建更全面、更準確的分析，并提供更深入的見解。
• 節省時間、資金和資源：AIOps可以輕松自動地為企業擴展數據的管控規模。
• 改進的服務交付：AIOps能夠通過特定的監控方式，來提高產品的交付速度和質量。
• 更好地預防錯誤：AIOps能夠檢測并發現到錯誤的模式與規律，使用主動預測技術，來預防錯誤的發生與惡化。
• 提高生產力：AIOps既可以大幅減輕人員的工作量，又能夠創造出一個更具生產效率的環境。

適用于企業的AIOps解決方案

盡管AIOps是一個相對較新的解決方案，但市場上已經出現了不少大公司的成熟產品與方案，可供企業挑選與實現。其中包括：

• Splunk，是業界領先的AIOps供應商。通過將人工智能和機器學習相結合，它提供了一致性的數據聚類、分析、預測、事件管理、以及異常檢測等服務。Splunk通過一個完整的軟件包，讓用戶企業更快地實現并交付IT運營。
• PagerDuty，是另一種實用的AIOps產品。為了讓用戶企業可以輕松地提取各種警報數據，它使用機器學習來減少噪聲，對可操作的數據進行分類，以及利用自動化來解決各類事件。此外，它還提供了特定的監控、關聯和分析等解決方案。
• 該領域的知名公司與出色方案產品還包括：BigPanda、Moogsoft、AppDynamics、Micro Focus、Centerity、Zenoss和Kentik等。

購置AIOps產品之前應考慮什么?

在選擇AIOps供應商，并購置其產品之前，我們應考慮如下因素：

• 適應性：AIOps解決方案不但應具有處理多種數據類型的能力，而且應該具有適應數據結構變化，并具有面向未來擴展的能力。
• 數據改進：AIOps解決方案應當能夠協助用戶企業改進其現有的數據。也就是說，當企業收集到大量數據時，AIOps應該可以將過往數據與實時數據相結合，以創建準確的預測。
• 自我學習：AIOps系統應當能夠了解其目標數據，并具有跟蹤模式的能力。例如，它可以發現并記錄各種危險模式，并在將來警告用戶團隊。
• 易用性：憑借著其易用的界面，以及平緩的學習曲線，用戶企業的IT人員應當能夠輕松地全面操控AIOps系統。

小結

綜上所述，在日益數字化的浪潮中，AIOps可以為企業降低成本，提高預測的準確性，提供有價值的數據洞見，減少IT日常運營的各項成本與開銷，以及為業務創建各種可持續使用的數據模型。最后，希望本文能對您了解AIOps提供幫助。

原文標題：A Beginner’s Guide toAIOps，作者: Mir Ali

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】