Table of Contents[Ferstopje][Toanje]
Jo kinne de dynamyske en hieltyd feroarjende IT-wrâld fan hjoed net omgean mei de technologyen fan juster. Feroaring fan ynfrastruktuermodel is kontinu en rap, wêrtroch it gebrûk fan technology en dynamyske behearmetoaden nedich is.
In software-definieare boarneomjouwing dy't direkt oanpast en opnij konfigurearret, ferfangt de statyske en foarsisbere fysike systemen dy't de bedriuwsomjouwing foar tsientallen jierren karakterisearre hawwe.
Dêrneist wannear netwurk arsjitektuer feroarings, ferâldere model-basearre software systemen wurden mear en mear arbeids-yntinsyf te behâlden harren effisjinsje, wylst ek glide fierder en fierder efter.
AIOps is de lêste jierren proliferearre. As do bist in technyk, Ik bin der wis fan dat jo hawwe heard fan it, mar jo nei alle gedachten witte net folle oer it. Jo binne sûnder mis op it goede plak as dat it gefal is.
Yn dit stik sille wy in detaillearre blik nimme op AIOps - wêrom't wy se nedich binne, hoe't it funksjonearret, har foardielen, en folle mear.
Yntroduksje ta AIOps
It gebrûk fan keunstmjittige yntelliginsje (AI) en byhearrende technologyen, lykas masine learen en natuerlike taalferwurking (NLP), yn routine IT-operaasjesprosessen en aktiviteiten, is bekend as keunstmjittige yntelliginsje foar IT-operaasjes (AIOps).
It fertsjintwurdiget de foarseisbere takomst fan ITOps (IT Operations). It kombinearret algoritmyske en minsklike yntelliginsje om folslein ynsjoch te jaan yn 'e funksjonaliteit en status fan' e IT-systemen dy't bedriuwen en organisaasjes fertrouwe op foar deistige operaasjes.
It ferwiist nei high-end multi-layered technologyske platfoarms dy't IT-operaasjes ferbetterje en automatisearje troch te brûken masine learen en analytyk om de grutte hoemannichten gegevens te ûndersiikjen dy't sammele binne fan ferskate ITOps-ark en -apparaten om problemen te herkennen en dan automatysk te reagearjen op problemen.
Om AIOps te brûken, moatte jo oergean fan kompartmentalisearre IT-gegevens nei aggregearre observaasjegegevens (lykas dy fûn yn taaklogs en monitoaringssystemen) en belutsenensgegevens (lykas dy fûn yn in kaartsje, evenemint, of probleemopname) binnen in grut gegevensplatfoarm .
AIOps tapast dan analytiken en masine learen op de gearfoege gegevens. Mei automatisearre ynset is it resultaat oanhâldende ynsjoggen dy't liede kinne ta trochgeande ferbetteringen.
It kin dêrom wurde sjoen as CI / CD (Continuous Integration and Continuous Deployment) foar fûnemintele IT-operaasjes.
AIOps stelt IT Ops-, DevOps- en SRE-teams yn steat om effisjinter en rapper te wurkjen, sadat se problemen mei digitale tsjinsten earder kinne identifisearje en se oanpakke foardat se in negatyf effekt hawwe op saaklike operaasjes en klanten.
Dit wurdt berikt troch algoritmyske analyze fan IT-gegevens en Observability-telemetry.
AIOps kombineart de sterke punten fan trije IT-dissiplines om har doelen fan trochgeande learen en ûntwikkeling te berikken: automatisearring, tsjinstbehear en prestaasjesbehear.
It is it realisearjen dat yn 'e nije hyper-skaalde en fersnelde IT-ynstellingen, in nije strategy dy't gebrûk kin meitsje fan grutte gegevens en masjine-learen foarútgong om boppe de beheiningen te kommen fan legacy ark en minsken is mooglik.
AIOps stelt bedriuwen yn steat om te funksjonearjen yn it tempo dat nedich is troch hjoeddeistich bedriuw, wylst se in fantastyske brûkersûnderfining leverje as IT yn it sintrum is fan inisjativen foar digitale transformaasje.
Wêrom hawwe wy AIOps nedich?
Yn in protte bedriuwen hawwe de statyske, disjointe systemen op it terrein plak makke foar in mear dynamyske miks fan pleatslike, iepenbiere wolk, privee wolk, en beheare wolkomjouwings wêr't boarnen kontinu wurde skalearre en opnij konfigureare.
IT moat it tanimmend oantal apparaten (foaral it Internet of Things, of IoT), systemen en applikaasjes byhâlde. Beskôgje de gigabytes oan gegevens dy't in lokomotyf yn ien run kin generearje.
Big Data is de útdrukking dy't brûkt wurdt yn IT om dit ferskynsel te beskriuwen. De massale hoemannichte gegevens dy't IT Operations moatte ferwurkje kin net troch in persoan ferwurke wurde. IT-meiwurkers binne net by steat om in prioriteit ferskate soargen foar in prompt antwurd.
Se krije in enoarm oantal notifikaasjes, wêrfan in protte oerstallich binne, dy't se oerstreame. Klant- en brûkersûnderfining wurde dêrtroch skealik.
Tradysjonele IT-beheartechniken binne net yn steat om dit folume te behanneljen. Se binne net yn steat om eveneminten te ûntsiferjen út 'e floed fan gegevens effektyf. Se binne net yn steat om gegevens te keppeljen út ferskate, noch inoar relatearre konteksten.
Se binne net yn steat om IT-operaasjes te foarsjen mei de real-time ynformaasje en foarsizzende analyse dy't se nedich binne om fluch te reagearjen op problemen. Organisaasjes wenden har ta AIOps om rapper útbrekken en oare IT-operaasjesproblemen te identifisearjen, te reparearjen en te foarkommen.
AIOps meitsje it mooglik foar IT-operaasjeteams om fluch en proaktyf te reagearjen op ûnderbrekkingen en fertragingen mei in protte minder wurk.
It foltôget it gat tusken de ferwachtingen fan brûkers foar in bytsje oant gjin downtime yn systeemprestaasjes en beskikberens en it dynamyske, ferskaat en útdaagjende IT-ekosysteem.
Fûnemintele komponinten fan AIOps
Litte wy de fûnemintele komponinten ûndersykje om in better begryp te hawwen fan 'e krêft en ferantwurdlikens fan AIOps. Under harren binne de folgjende:
Substantiële IT-gegevens
It ûntmanteljen fan gegevenssilo's is in fûnemintele doel fan AIOps. It kombinearret ferskate gegevenssets foar IT-tsjinstbehear en IT-operaasjebehear om dit te dwaan. Dit makket it mooglik om rootproblemen flugger te automatisearjen en te identifisearjen.
Enoarme gegevens sammele
De kearnkomponint fan elk AIOps-platfoarm is grutte gegevens. AIOps kinne ferfine analytiken brûke mei sawol opsleine gegevens dy't al binne sammele as gegevens dy't yn real-time wurde generearre troch silo's ôf te brekken en de gegevens te befrijen dy't al tagonklik binne.
Masine learen
AIOps fertrout op ferfine masine-learenfeardigens dy't de hânmjittige minsklike kapasiteit oertreffe fanwegen de grutte hoemannichte gegevens dy't moatte wurde analysearre.
AIOps skalen mei in snelheid en presyzje dy't oars ûnfoarstelber wêze soe troch analysearjen te automatisearjen en ferbiningen en ynsjoch te finen.
Observaasje
De kapasiteit fan it platfoarm om gegevens en gegevensgedrach te kontrolearjen spilet in krityske rol yn it AIOps-proses. Gegevens fan in protte IT-domeinen en boarnen, lykas legacy-ynfrastruktuer, kontener, wolk, of virtualisearre systemen, kinne wurde sammele troch AIOps fia gegevensûntdekking.
Om de meast aktuele basis te jaan, moatte gegevens sa ticht by realtime as mooglik wurde sammele.
Belutsenens
Yn tal fan IT-dissiplines, ynklusyf ITSM, biede AIOps-oplossingen konfiguraasje, koördinaasje en administraasje fan kompjûtersystemen en software.
AIOps-analytyk makket it mooglik foar de gegevens mear betrouber en relevant te wêzen, wylst ek miljeugegevens befetsje en automatisearring mooglik makket.
Aksje
It ultime doel fan AIOps is om in systeem te bouwen mei alle prosessen folslein automatisearre, alle slûzen te eliminearjen en IT-operaasjesmeiwurkers frij te litten fan alle plichten.
AIOps is noch yn har iere stadia, en guon teams binne weromhâldend om har potensjeel folslein te omearmjen.
Dochs kinne AIOps sawol rjochtlinige taken as komplisearre taken beheare, en in protte bedriuwen wurde wend oan AIOps-systemen dy't hieltyd dreger taken útfiere.
Funksje fan AIOps
Om in sintralisearre systeem fan belutsenens te leverjen, prestearret AIOps it bêste as it ûnôfhinklik wurdt ynset om gegevens te sammeljen en te analysearjen fan alle tagonklike IT-monitoringboarnen.
It brûkt in protte deselde proseduere dy't de minsklike kognitive funksje docht om dit te dwaan. De folgjende binne de fiif haadalgoritmen yn gebrûk:
Selektearje gegevens
Op grûn fan spesifisearre seleksje en prioritearjende parameters, moatte AIOps de grutte "needles" kinne fine ferburgen yn terabyte-grutte gegevens "haystacks" troch de enoarme hoemannichte tagonklike IT-gegevens te siften, it te analysearjen en essensjele gegevensitems te finen.
Patroan erkenning
AIOps ûndersiket relevante gegevens, identifisearret korrelaasjes tusken gegevensitems, en groepearret se kollektyf foar fierdere analyse.
Intuition
AIOps-systemen kinne de ûnderlizzende oarsaken fan problemen, foarfallen en patroanen dúdlik identifisearje troch yngeand ûndersyk, dat ek ynsjochlike fynsten produseart dy't kinne wurde brûkt om takomstige aksje te begelieden.
Gearwurking
AIOps moatte ek tsjinje as in platfoarm foar gearwurking, warskôgje de passende teams en yndividuen, jouwe se relevante ynformaasje, en it mooglik meitsjen fan effisjinte gearwurking nettsjinsteande de ôfstân tusken operators.
Automatisearring
Last but not least, AIOps is boud om direkt te reagearjen op en problemen op te lossen, en de effisjinsje en krektens fan IT-operaasjes enoarm te ferbetterjen.
foardielen
It wichtichste foardiel fan AIOps is dat it it mooglik makket foar IT-operaasjes om fertragingen en ûnderbrekkingen rapper te finen, oan te pakken en te reparearjen dan se kinne troch warskôgingen manuell te sortearjen fan ferskate IT-operaasjes-ark.
As gefolch binne d'r in protte ûnderskate foardielen:
Behear jo bedriuw op in proaktive, proaktive en foarsizzende manier
AIOps hâldt noait op mei learen, sadat it kontinu ferbetteret by it spotjen fan minder urgente warskôgings as sinjalen dy't oerienkomme mei driuwendere omstannichheden.
Dit ymplisearret dat it foarsizzende notifikaasjes kin biede, sadat IT-professionals mooglike problemen kinne reparearje foardat se traagheid of fersteuringen feroarsaakje.
Ferbetterje gemiddelde tiid oant resolúsje (MTTR) snelheid:
AIOps is yn steat om fûnemintele oarsaken te ûntdekken en remedies rapper en krekter te leverjen dan minsken kinne dwaan troch it lûd yn IT-operaasjes troch te snijen en operaasjegegevens fan ferskate IT-omjouwings te korrelearjen.
Hjirtroch kinne bedriuwen no MTTR-doelen fêststelle en foldwaan dy't earder ûnfoarstelber wiene.
Legere Bedriuwskosten
AIOps-oplossingen kinne op ferskate manieren kosten besunigje, mar ien wichtige en lestige is it tafoegjen fan personiel. Hantlieding incident management is omslachtig en stadich.
Organisaasjes besykje it probleem op te lossen troch mear minsken yn te hieren as kompleksiteit en gegevenshoeveelheden tanimme. AIOps biedt nuttige ynformaasje oangeande problemen, ferminderet it oantal warskôgings drastysk en automatisearret operaasjes.
Dit stelt bedriuwen yn steat om produktiviteit te ferheegjen om in konstante personielsbestân te behâlden, it oantal eskalaasjes te ferleegjen en downtime te ferleegjen.
Bring jo IT-operaasjes en jo IT-operaasjesteam bywurke:
AIOps-operaasjeteams krije allinich warskôgings as bepaalde tsjinstnivo-drompels of parameters foldien wurde, en se dogge dat mei alle kontekst dy't nedich is om de bêste mooglike diagnoaze te meitsjen en de bêste en fluchste korrektyf aksje te nimmen.
Dit ferleget it oantal warskôgings dat operaasjeteams ûntfange fan alle omjouwings. Hoe mear AIOps leare en automatisearje, hoe mear it helpt om "de ljochten oan te hâlden" mei minder minsklik wurk, wêrtroch jo IT-operaasjespersoniel frijkomt om te konsintrearjen op taken dy't in hegere strategyske wearde hawwe foar it bedriuw.
Guon opmerklike foardielen wurde hjirûnder jûn:
- Ferbettere ûnderfiningen foar sawol meiwurkers as kliïnten
- Fergrutte kapasiteit en gebrûk fan ynfrastruktuer
- Ferbettere syngronisaasje tusken IT-tsjinsten en saaklike tsjinstútgongen
- Snellere levering fan nije IT-tsjinsten
- Opheffing fan de feardichheden gap
- Tradysjonele ynfrastruktuer, iepenbiere wolk, privee wolk, en hybride wolkstipe
- Probleembehear giet oer fan reaktyf nei proaktyf nei foarsizzend
- Modernisearjen fan IT-operaasjes en IT-operaasjes
- Ferbettere gearwurking tusken feiligens en operaasjes
- Minder blussen en minder djoere ûnderbrekkings
- Ferheegjen fan gemiddelde tiid om rapper op te lossen (MTTR)
- Ferbettering yn 'e relaasje tusken feroaring en prestaasjes
- In grutter fermogen om feroaring effisjint te behearjen
- De plicht fan it personiel fan IT-operaasjes wurdt fermindere om't AI helpt by de analyse
- Brûk anomaly-deteksje om problemen te stopjen foardat se konsuminten beynfloedzje.
- Fermindering yn minsklike flater
- Begryp hoe't wurkdruk de kosten beynfloedzje
nadelen
D'r is noch mear wurk te dwaan om de ûnderlizzende AIOps-technologyen te meitsjen en te kombinearjen op in manier dy't se nuttich makket, nettsjinsteande it feit dat se ridlik folwoeksen binne. Guon fan syn gebreken wurde hjirûnder neamd:
- AIOps-platfoarm ymplemintaasje, behear en ûnderhâld kin in protte tiid en muoite nimme.
- AIOps-systemen binne ôfhinklik fan ferskate gegevensboarnen, lykas gegevensopslach, feiligens en behâld.
- De prestaasjes dêrfan binne allinich basearre op 'e algoritmen dy't jo it leare en de gegevens dy't it wurdt fied. It kin sadwaande de grinzen fan syn programmearring net oerstjitte.
- AIOps fereasket fertrouwen yn ark, wat guon bedriuwen miskien net leukje. Dit komt om't, om AIOps-ark autonoom te funksjonearjen, se moatte wizigingen yn har doelomjouwing goed folgje, essensjele gegevens krije en beskermje, de juste konklúzjes lûke, aktiviteiten prioritearje, en úteinlik passende automatisearre stappen útfiere.
Hokker rol spylje AIOps yn it hjoeddeistige IT-lânskip?
Jo sille miskien net direkt realisearje hoe't AIOps past yn 'e kategoryen fan technologyen dy't jo al brûke as jo it earst sjogge.
De reden is dat it net it plak ynnimt fan de besteande logboekbehear, tafersjoch, orkestraasje of servicedesktechnologyen.
Ynstee, it ynteraksje mei elk inkeld domein en ark, yntegrearje en konsumearje gegevens fan elk ien fan harren. It leverjen fan in syngronisearre ôfbylding fan elk ark produsearret ek nuttige resultaten.
Dizze ark steane op har eigen fertsjinsten as kostbere items. It loskoppelen makket it útdaagjend om de passende ynformaasje op it juste momint te krijen.
AIOps biedt in alsidige metoade foar it kombinearjen fan de protte dielperspektiven yn in yngeand begryp fan it brede byld, wêrfan jo ITOps-teams bewust moatte wêze.
It gebrûk fan grutte gegevens en masine learen is al in skoft rûn, sels as AIOps in dramatysk fertrek foar ITOps fertsjintwurdiget.
By it wikseljen fan hânmjittich nei Automated trading, Stockbrokers oannommen ferlykbere ML strategyen. It gebrûk fan ML en analytics yn sosjale media hat ek al in skoft west, of it no is yn Google Maps, Instagram, of online winkels lykas eBay en Amazon.
Dizze metoaden hawwe konsekwint en breed bewiisd nuttich yn ynstellingen wêr't rappe reaksjes op ferskowende situaasjes en oanpassing fan brûkers nedich binne.
AIOps-gebrûk fan AI is mear belofte dan masine learen. Op it stuit kinne jo urgente gebrûksgefallen omgean mei of gewoane automatisearring as automatisearring mei masine learen.
Nije applikaasjes foar AI wurde kontinu ûntwikkele. Yn alle gefallen, foardat it begjin fan minsklik gedrach te basearjen op ITOps sa't it no wurdt beoefene, moat in solide AIOps-stifting wurde oprjochte.
It konservative karakter fan 'e taken fan ITOps-personiel makket dat se traach oanpasse oan AIOps-senario's. Se binne ferantwurdlik foar it behâld fan de stabiliteit fan 'e ynfrastruktuer fan' e organisaasje en it hâlden fan 'e ljochten.
Mear ITOps-organisaasjes sille lykwols gau moatte oanpasse oan 'e nije AIOps-technologyen en -metoaden fanwegen de trends nei ubiquitêre AIOps-ymplemintaasjes.
Konklúzje
As gefolch fan it ferbetterjen fan kommunikaasje en gearwurking tusken IT-operaasjeteams en oare belanghawwenden, is AIOps al begon te stypjen fan digitale transformaasje.
De needsaak foar automatisearring en gearwurking sil tanimme yn belang as applikaasjes wurde hieltyd mear yngewikkelder yn 'e takomst.
Leave a Reply