Enhavtabelo[Kaŝi][Montri]
Vi ne povas trakti la dinamikan kaj ĉiam ŝanĝiĝantan IT-mondon de hodiaŭ kun la teknologioj de hieraŭ. Infrastrukturmodelŝanĝo estas kontinua kaj rapida, necesigante la uzon de teknologio kaj dinamikaj administradmetodoj.
Programo-difinita rimeda medio, kiu adaptiĝas kaj reagordas tuj, anstataŭigas la senmovajn kaj antaŭvideblajn fizikajn sistemojn, kiuj karakterizis la kompanian medion dum jardekoj.
Aldone, kiam retarkitekturo ŝanĝoj, malmodernaj model-bazitaj softvarsistemoj iĝas pli kaj pli laborintensaj por konservi sian efikecon dum ankaŭ glitante pli kaj pli malantaŭen.
AIOps multiĝis en la lastaj jaroj. Se vi estas teknikisto, mi certas, ke vi aŭdis pri ĝi, sed vi verŝajne ne scias multon pri ĝi. Vi estas sendube en la ĝusta loko se tio estas la kazo.
En ĉi tiu peco, ni detale rigardos AIOps—kial ni bezonas ilin, kiel ĝi funkcias, iliaj avantaĝoj kaj multe pli.
Enkonduko al AIOps
La uzo de artefarita inteligento (AI) kaj rilataj teknologioj, kiel maŝinlernado kaj naturlingva prilaborado (NLP), en rutinaj IT-operaciaj procezoj kaj agadoj, estas konataj kiel artefarita inteligenteco por IT-operacioj (AIOps).
Ĝi reprezentas la antaŭvideblan estontecon de ITOps (IT-Operacioj). Ĝi miksas algoritman kaj homan inteligentecon por provizi kompletan komprenon pri la funkcieco kaj statuso de la IT-sistemoj, sur kiuj fidas entreprenoj kaj organizoj por ĉiutagaj operacioj.
Ĝi rilatas al altnivelaj plurtavolaj teknologiaj platformoj kiuj plibonigas kaj aŭtomatigas IT-operaciojn uzante maŝinlernado kaj analitiko por ekzameni la grandajn kvantojn da datumoj kolektitaj de diversaj ITOps-iloj kaj aparatoj por rekoni kaj poste respondi aŭtomate en reala tempo al problemoj.
Por uzi AIOps, vi devas transiri de disigitaj IT-datumoj al agregaj observaj datumoj (kiel tiu trovita en taskaj protokoloj kaj monitoradsistemoj) kaj engaĝiĝaj datumoj (kiel tiu trovita en bileto, evento aŭ eldona registrado) ene de granda datuma platformo. .
AIOps tiam aplikas analizojn kaj maŝinlernadon al la kunigitaj datumoj. Kun aŭtomata deplojo, la rezulto estas daŭraj komprenoj, kiuj povas konduki al daŭraj plibonigoj.
Ĝi povas tial esti rigardita kiel CI/KD (Kontinua Integriĝo kaj Kontinua Deplojo) por fundamentaj IT-operacioj.
AIOps ebligas al IT Ops, DevOps, kaj SRE-teamoj labori pli efike kaj rapide por ke ili povu identigi problemojn kun ciferecaj servoj pli frue kaj trakti ilin antaŭ ol havi malfavoran efikon al komercaj operacioj kaj klientoj.
Ĉi tio estas plenumita per algoritma analizo de IT-datenoj kaj Observeblo-telemetrio.
AIOps kombinas la fortojn de tri IT-disciplinoj por atingi siajn celojn de kontinua lernado kaj evoluo: aŭtomatigo, serva administrado kaj agado-administrado..
Estas la ekkompreno, ke en la novaj hiper-skalaj kaj akcelitaj IT-agordoj, nova strategio, kiu povas uzi grandajn datumojn kaj maŝinlernadajn progresojn por preterpasi la limojn de heredaj iloj kaj homoj, estas ebla.
AIOps ebligas al entreprenoj funkcii laŭ la ritmo postulita de nuntempa komerco dum li provizas mirindan uzantsperton kiam IT estas en la centro de iniciatoj por cifereca transformo.
Kial ni bezonas AIOps?
En multaj entreprenoj, la senmovaj, disaj surlokaj sistemoj cedis lokon al pli dinamika miksaĵo de surloka, publika nubo, privata nubo kaj administritaj nubaj medioj kie resursoj estas skalaj kaj reagorditaj senĉese.
IT devas konservi trakon de la kreskanta nombro da aparatoj (plej precipe la Interreto de Aĵoj, aŭ IoT), sistemoj kaj aplikoj. Konsideru la gigabajtojn da datumoj kiujn lokomotivo povas generi en unu kuro.
Big Data estas la frazo uzata en IT por priskribi ĉi tiun fenomenon. La amasa kvanto da datumoj, kiujn IT-Operacioj devas prilabori, ne povas esti prilaborita de persono. IT-kunlaborantaro ne povas prioritati diversajn zorgojn por rapida respondo.
Ili ricevas grandegan nombron da sciigoj, multaj el kiuj estas superfluaj, inundante ilin. Kliento kaj uzanto sperto estas damaĝita kiel rezulto.
Tradiciaj IT-administradteknikoj estas nekapablaj pritrakti ĉi tiun volumenon. Ili ne kapablas efike deĉifri eventojn el la diluvo de datumoj. Ili ne kapablas ligi datumojn de malsimilaj ankoraŭ interrilataj kuntekstoj.
Ili ne kapablas provizi IT-operaciojn per la realtempaj informoj kaj prognoza analizo, kiujn ili postulas por respondi al problemoj rapide. Organizoj turnas sin al AIOps por identigi, ripari kaj eviti alt-efikajn malfunkciojn kaj aliajn IT-operaciajn problemojn pli rapide.
AIOps ebligas al IT-operaciaj teamoj respondi al malfunkcioj kaj malrapidiĝoj rapide kaj iniciateme kun multe malpli da laboro.
Ĝi plenigas la interspacon inter la atendoj de uzantoj pri malmulte aŭ neniu malfunkcio en sistema rendimento kaj havebleco kaj la dinamika, diversigita kaj defia IT-ekosistemo.
Fundamentaj Komponentoj de AIOps
Ni ekzamenu ĝiajn fundamentajn komponantojn por pli bone kompreni la potencon kaj respondecon de AIOps. Inter ili estas la sekvaj:
Grandaj IT-datumoj
Malmunti datumajn silojn estas fundamenta celo de AIOps. Ĝi kombinas plurajn IT-servadministradon kaj IT-operaciajn administraddatumojn por fari tion. Ĉi tio ebligas aŭtomatigi kaj identigi radikajn problemojn pli rapide.
Kolektis grandegajn datumojn
La kerna komponanto de ajna platformo AIOps estas grandaj datumoj. AIOps povas uzi altnivelajn analizojn kun kaj konservitaj datumoj jam kolektitaj kaj datumoj generitaj en reala tempo malkonstruante silojn kaj liberigante la datumojn kiuj jam estas alireblaj.
Maŝinlernado
AIOps dependas de kompleksaj maŝinlernado-kapabloj, kiuj superas manan homan kapaciton pro la vasta kvanto da analizotaj datumoj.
AIOps skalas je rapideco kaj precizeco, kiuj estus alie neimagebla per aŭtomatigo de analizo kaj trovado de rilatoj kaj komprenoj.
observo
La kapablo de la platformo monitori datumojn kaj datenkonduton ludas kritikan rolon en la AIOps-procezo. Datenoj de multaj IT-domajnoj kaj fontoj, kiel heredaĵa infrastrukturo, ujo, nubo aŭ virtualigitaj sistemoj, povas esti kolektitaj de AIOps per datummalkovro.
Por doni la plej aktualan bazon, datumoj devas esti kolektitaj kiel eble plej proksime al reala tempo.
Implikiĝo
En multaj IT-disciplinoj, inkluzive de ITSM, AIOps-solvoj ofertas agordon, kunordigon kaj administradon de komputilsistemoj kaj programaro.
AIOps-analitiko ebligas, ke la datumoj estu pli fidindaj kaj signifaj dum ankaŭ inkluzivante mediajn datumojn kaj ebligante aŭtomatigon.
ago
La finfina celo de AIOps estas konstrui sistemon kun ĉiuj procezoj tute aŭtomatigitaj, forigante ĉiujn kaŝpasejojn kaj liberigante IT-operaciajn dungitojn de ĉiuj devoj.
AIOps ankoraŭ estas en siaj fruaj stadioj, kaj kelkaj teamoj estas malvolontaj plene akcepti ĝian potencialon.
Tamen, AIOps povas administri ambaŭ simplajn taskojn kaj pli komplikajn, kaj multaj entreprenoj kutimas al AIOps-sistemoj plenumantaj pli kaj pli malfacilajn taskojn.
Funkciado de AIOps
Por disponigi centralizitan sistemon de engaĝiĝo, AIOps funkcias plej bone kiam ĝi estas sendepende deplojita por kolekti kaj analizi datenojn de ĉiuj alireblaj IT-monitorfontoj.
Ĝi uzas multe la saman proceduron, kiun faras la homa kogna funkcio por fari tion. La sekvantaroj estas la kvin ĉefaj algoritmoj uzataj:
Elektante datumojn
Surbaze de specifita elekto kaj prioritataj parametroj, AIOps devas povi trovi la plej gravajn "pinglojn" kaŝitajn en terabajt-grandaj datumoj "fojnamasoj" kribrante la grandegan kvanton da alireblaj IT-datumoj, analizante ĝin kaj trovante esencajn datumaĵojn.
La modelo de rekono
AIOps ekzamenas trafajn datenojn, identigante korelaciojn inter datenoj, kaj grupigante ilin kolektive por plia analizo.
intuicio
AIOps-sistemoj povas klare identigi la subajn kaŭzojn de problemoj, okazoj kaj ŝablonoj danke al profunda esplorado, kiu ankaŭ produktas komprenemajn rezultojn, kiuj povas esti uzataj por gvidi estontajn agojn.
Kunlaborado
AIOps ankaŭ devas funkcii kiel platformo por kunlaboro, atentigante la taŭgajn teamojn kaj individuojn, donante al ili trafajn informojn, kaj ebligante efikan kunlaboron malgraŭ la distanco inter funkciigistoj.
aŭtomatigo
Laste sed ne malpli, AIOps estas konstruita por tuj respondi kaj solvi problemojn, vaste plibonigante la efikecon kaj precizecon de IT-operacioj.
profitoj
La ĉefa avantaĝo de AIOps estas, ke ĝi ebligas al IT-operacioj trovi, trakti kaj ripari malrapidiĝojn kaj malfunkciojn pli rapide ol ili povas mane ordigante avertojn de diversaj IT-operaciaj iloj.
Kiel rezulto, estas multaj apartaj avantaĝoj:
Administru vian komercon en iniciatema, iniciatema kaj prognoza maniero
AIOps neniam ĉesas lerni, do ĝi kontinue pliboniĝas ĉe rimarkado de malpli urĝaj avertoj aŭ signaloj, kiuj kongruas kun pli urĝaj cirkonstancoj.
Ĉi tio implicas, ke ĝi povas oferti prognozajn sciigojn por ke IT-profesiuloj povu ripari eblajn problemojn antaŭ ol ili kaŭzas malrapidecon aŭ interrompojn.
Plibonigu mezan tempon al rezolucio (MTTR) rapideco:
AIOps kapablas detekti fundamentajn kaŭzojn kaj provizi kuracilojn pli rapide kaj pli precize ol homoj kapablas fari tratranĉante la bruon en IT-operacioj kaj korelaciante operaciajn datumojn de diversaj IT-medioj.
Pro tio, entreprenoj nun povas establi kaj plenumi MTTR-celojn, kiuj antaŭe estis neimageblaj.
Pli malaltaj Funkciaj Kostoj
AIOps-solvoj povas redukti kostojn en diversaj manieroj, sed unu grava kaj malfacila estas aldoni personaron. Manlibro Administrado de incidentoj estas maloportuna kaj malrapida.
Organizoj provas solvi la problemon dungante pli da homoj dum komplekseco kaj datumkvantoj pliiĝas. AIOps ofertas utilajn informojn pri problemoj, draste reduktas la nombron da atentigoj kaj aŭtomatigas operaciojn.
Ĉi tio ebligas al entreprenoj pliigi produktivecon por konservi konstantan laborforton, malpliigi la nombron da eskaladoj kaj malpliigi malfunkcion.
Aktualigu viajn IT-operaciojn kaj vian IT-operacian teamon:
Operaciaj teamoj de AIOps nur ricevas atentigojn kiam certaj sojloj aŭ parametroj de servonivelo estas plenumitaj, kaj ili faras tion kun la tuta kunteksto necesa por fari la plej bonajn eblajn diagnozojn kaj fari la plej bonan kaj plej rapidan korektan agon.
Ĉi tio reduktas la nombron da atentigoj kiujn operaciaj teamoj ricevas de ĉiuj medioj. Ju pli AIOps lernas kaj aŭtomatigas, des pli ĝi helpas "teni la lumojn" kun malpli homa laboro, liberigante vian IT-operacian personaron por koncentriĝi pri taskoj kiuj havas pli altan strategian valoron al la kompanio.
Kelkaj rimarkindaj avantaĝoj estas donitaj malsupre:
- Plibonigitaj spertoj por dungitoj kaj klientoj
- Pliigita kapacito kaj infrastrukturuzo
- Plibonigita sinkronigo inter IT-servoj kaj komercaj servoj
- Pli rapida livero de novaj IT-servoj
- Forigante la mankon de kapabloj
- Subteno de tradicia infrastrukturo, publika nubo, privata nubo kaj hibrida nubo
- Problemadministrado transiras de reaktiva al proaktiva al prognoza
- Modernigante la IT-operaciajn personaron kaj IT-operaciojn
- Plifortigita sekureco-al-operacia kunlaboro
- Malpli da fajroj por estingi kaj malpli multekostaj interrompoj
- Pliigante Mezan Tempon por Solvi pli rapide (MTTR)
- Pliboniĝo en la rilato inter ŝanĝo kaj rendimento
- Pli granda kapablo administri ŝanĝon efike
- La devo de la personaro de IT Operacioj malpliiĝas ĉar AI helpas kun la analizo
- Uzu anomalian detekton por ĉesigi problemojn antaŭ ol ili influas konsumantojn.
- Malkresko de homa eraro
- Kompreni kiel laborŝarĝoj influas kostojn
malavantaĝoj
Estas ankoraŭ pli da laboro farenda por krei kaj kombini la subestajn AIOps-teknologiojn en maniero kiu igas ilin utilaj, malgraŭ la fakto ke ili estas sufiĉe maturaj. Kelkaj el ĝiaj difektoj estas listigitaj malsupre:
- Realigo, administrado kaj prizorgado de platformo AIOps povas preni multan tempon kaj penon.
- AIOps-sistemoj dependas de pluraj datumfontoj, same kiel datumstokado, sekureco kaj konservado.
- Ĝia agado baziĝas nur sur la algoritmoj kiujn vi instruas al ĝi kaj la datumoj kiujn ĝi estas nutrita. Ĝi ne povas tiel transcendi la limojn de sia programado.
- AIOps postulas fidon al iloj, kiujn iuj entreprenoj povas malŝati. Ĉi tio estas ĉar, por ke AIOps-iloj funkciu aŭtonome, ili devas konvene spuri ŝanĝojn en sia cela medio, akiri kaj protekti esencajn datumojn, eltiri la ĝustajn konkludojn, prioritati agadojn kaj finfine efektivigi taŭgajn aŭtomatigitajn paŝojn.
Kian rolon ludas AIOps en la nuna IT-pejzaĝo?
Vi eble ne tuj rimarkos, kiel AIOps konvenas al la kategorioj de teknologioj, kiujn vi jam uzas, kiam vi unue rigardas ĝin.
La raciaĵo estas, ke ĝi ne anstataŭas la ekzistantajn protokolojn pri administrado, monitorado, instrumentado aŭ servotablaj teknologioj.
Anstataŭe, ĝi interagas kun ĉiu ununura domajno kaj ilo, integrante kaj konsumante datumojn de ĉiu unuopa el ili. Provizi sinkronigitan bildon de ĉiu ilo ankaŭ produktas helpajn rezultojn.
Ĉi tiuj iloj staras laŭ siaj propraj valoroj kiel altvaloraj aĵoj. Esti malkonektita igas ĝin malfacila akiri la taŭgajn informojn en la ĝusta momento.
AIOps ofertas multflankan metodon por kombini la multajn partajn perspektivojn en ĝisfundan komprenon de la larĝa bildo, pri kio viaj ITOps-teamoj devas konscii.
La uzo de grandaj datumoj kaj maŝinlernado ekzistas de kelka tempo, eĉ se AIOps reprezentas draman foriron por ITOps.
Kiam oni ŝanĝas de manlibro al aŭtomatigita komercanta, borsistoj adoptis similajn ML-strategiojn. La uzado de ML kaj analizo en sociaj rimedoj ankaŭ ekzistas de kelka tempo, ĉu ĝi estas en Google Maps, Instagram aŭ interretaj butikoj kiel eBay kaj Amazon.
Ĉi tiuj metodoj konstante kaj vaste pruvis helpemaj en agordoj kie rapidaj reagoj al ŝanĝiĝantaj situacioj kaj uzanta personigo estas necesaj.
AIOps-uzo de AI estas pli promesplena ol maŝinlernado. Ĝuste nun, vi povas trakti urĝajn uzkazojn uzante aŭ simplan aŭtomatigon aŭ aŭtomatigon per maŝinlernado.
Novaj aplikoj por AI estas daŭre disvolvitaj. Ĉiukaze, antaŭ ol komenci bazi homan konduton sur ITOps kiel ĝi nun estas praktikata, solida AIOps-fonduso devas esti establita.
La konservativa naturo de la devoj de ITOps-personaro igas ilin malrapidaj adaptiĝi al AIOps-scenaroj. Ili respondecas pri konservado de la stabileco de la infrastrukturo de la organizo kaj konservado de la lumoj.
Tamen, pli da ITOps-organizoj baldaŭ devos adaptiĝi al la novaj AIOps-teknologioj kaj metodoj pro la tendencoj al ĉieaj AIOps-efektivigoj.
konkludo
Kiel rezulto de plibonigo de komunikado kaj kunlaboro inter IT-operaciaj teamoj kaj aliaj koncernatoj, AIOps jam komencis subteni ciferecan transformon.
La bezono de aŭtomatigo kaj kunlaboro pliiĝos en graveco kiam aplikoj iĝos ĉiam pli komplikaj en la estonteco.
Lasi Respondon