不虛談AIOps，你要的全面可實施方案都在這里了

原標(biāo)題：不虛談AIOps，你要的全面可實施方案都在這里了

一個全球部署的商用云平臺系統(tǒng)使用AIOps系統(tǒng)，對2000多個節(jié)點進行實時監(jiān)控，可以平均提前兩個小時預(yù)警系統(tǒng)異常；而某個電商企業(yè)引入AIOps后，能夠?qū)ξ磥硪欢螘r間內(nèi)的運營數(shù)值進行精準(zhǔn)預(yù)測，生成動態(tài)基線來監(jiān)控和告警，故障發(fā)現(xiàn)的準(zhǔn)確率也可能會提升至80%或更高，極大提升企業(yè)的運營效率。

如果說最初的運維就是發(fā)現(xiàn)問題和解決問題，那么數(shù)字化的出現(xiàn)改變了IT運維的本質(zhì)；它引入了圍繞服務(wù)可用性、性能和敏捷性的新需求；但這些需求也對運維管理提出了更高的要求，否則可能導(dǎo)致服務(wù)質(zhì)量的惡化、對業(yè)務(wù)需求的遲鈍相應(yīng)以及IT運營中的成本增加。

在這種情況下，智能化運維AIOps成為了越來越多企業(yè)的選擇。

下個趨勢將是AIOps

現(xiàn)代IT運營的目標(biāo)之一是深入了解IT系統(tǒng)的歷史狀態(tài)，并通過學(xué)習(xí)和分析，預(yù)判和調(diào)節(jié)整個IT平臺的潛在未來狀態(tài)。如IDC在一份《IT運營分析調(diào)查》的報告中所說，“53%的企業(yè)在今天將采用IT運營分析（ITOA）視為其整體云戰(zhàn)略的關(guān)鍵任務(wù)”。

雖然自動化技術(shù)有助于應(yīng)對一些數(shù)字化運營帶來的新挑戰(zhàn)，但大部分技術(shù)在產(chǎn)生大量數(shù)據(jù)的同時，卻缺乏從大量系統(tǒng)生成的日志中處理、關(guān)聯(lián)和挖掘洞察的能力；但是企業(yè)需要更具有前瞻性、可預(yù)測的智能IT運營，從而有助于建立新的、敏捷的業(yè)務(wù)模型，并支持創(chuàng)新計劃，從而保持企業(yè)的領(lǐng)先地位。

根據(jù)Gartner的分析預(yù)測，到2022年，所有大型企業(yè)中，40％的企業(yè)將使用AIOps工具，將大數(shù)據(jù)和機器學(xué)習(xí)功能結(jié)合起來，支持和部分取代現(xiàn)在5％以上的監(jiān)控，服務(wù)臺和自動化流程和任務(wù)，并且“客戶對使用AIOps功能已經(jīng)表現(xiàn)出越來越多的興趣，應(yīng)用大數(shù)據(jù)和機器學(xué)習(xí)來簡化工單和CMDB流程、促進自動化?！?/span>

離不開的人工智能

典型的AIops落地場景包括異常檢測、動態(tài)基線、根因分析、故障預(yù)測和應(yīng)用性能監(jiān)控等。簡單來說，為了更好地支持業(yè)務(wù)，AIOps將人工智能引入了運維中的監(jiān)控和故障分析領(lǐng)域，探索更有效穩(wěn)定的系統(tǒng)運行效果。

比如面對大量組件構(gòu)成的復(fù)雜系統(tǒng)，以及在系統(tǒng)經(jīng)常面臨變更，從而要求人工對監(jiān)控設(shè)置不斷進行調(diào)整的情況下，就可以通過歷史數(shù)據(jù)的機器學(xué)習(xí)來動態(tài)預(yù)測數(shù)據(jù)的趨勢，并通過大量的歷史數(shù)據(jù)形成每個組件自身的行為模型，從而實現(xiàn)基于動態(tài)畫像的系統(tǒng)異常檢測和基于學(xué)習(xí)組件行為模型的異常主動預(yù)測。

此外，隨著企業(yè)應(yīng)用的大量微服務(wù)化，業(yè)務(wù)之間的調(diào)用以API的形式出現(xiàn)，傳統(tǒng)的應(yīng)用性能監(jiān)控方式很難統(tǒng)一的反應(yīng)出應(yīng)用性能的實時情況；而且目前大量的系統(tǒng)擴縮容策略都是基于閾值（也就是一定的基線）設(shè)置的，很難及時根據(jù)實時狀態(tài)進行調(diào)整；這時，通過AIOps，就可以實現(xiàn)“動態(tài)基線”的效果，基于歷史數(shù)據(jù)，利用智能算法深度學(xué)習(xí)，對未來一段時間內(nèi)每個時間點的數(shù)值進行精準(zhǔn)預(yù)測，將預(yù)測值作為基線來監(jiān)控和告警。

又或者，當(dāng)業(yè)務(wù)運營問題需要轉(zhuǎn)化為技術(shù)問題來解決時，通常面臨系統(tǒng)故障問題定位困難的情況，而且在今天越來越復(fù)雜的分布式系統(tǒng)面前，需要考慮更多的系統(tǒng)關(guān)聯(lián)性，而且往往一個故障的發(fā)生，可能涉及一連串的應(yīng)用API調(diào)用，如果不能實現(xiàn)基于智能的根因分析（RCA），快速完成故障定位及解決將會非常困難。

端到端的全面服務(wù)

想象一下，一個解決方案可以在問題出現(xiàn)之前實時乃至預(yù)先解決；這就是智能化運維所蘊含的價值。

因此，越來越多的企業(yè)和組織開始重視并采用AIOps，通過認知與自動化相結(jié)合的運營平臺，實現(xiàn)企業(yè)混合多云架構(gòu)智能運維的轉(zhuǎn)型目標(biāo)。

比如，某大型商業(yè)銀行數(shù)據(jù)中心系統(tǒng)通過AIOps，能夠檢測包括Unix、Linux以及Windows在內(nèi)的近千臺服務(wù)器節(jié)點，提前14小時檢測出應(yīng)用節(jié)點出現(xiàn)資源消耗異常，并最終導(dǎo)致異常退出的故障；以及某個商業(yè)云平臺能從1000多個節(jié)點中，快速過濾出30多個異常點，并根據(jù)置信度給予優(yōu)先排序，幫助應(yīng)用人員快速定位問題。

雖然AIOps是趨勢，但由于AIOps涉及“歷史數(shù)據(jù)管理”、“流數(shù)據(jù)管理”、“自動模式發(fā)現(xiàn)與預(yù)測”、“根本原因確定”、“內(nèi)部部署交付”等多種功能需求，并需要熟悉不同行業(yè)的特定業(yè)務(wù)流程；迄今為止，很少有供應(yīng)商能提供全面的AIOps平臺。

與其他服務(wù)提供商不同，IBM基于自身在各行業(yè)的最佳實踐經(jīng)驗，提供從設(shè)計、構(gòu)建到管理解決方案的端到端專業(yè)服務(wù)，并以服務(wù)的方式進行快速交付，幫助客戶降低運營成本。

IBM全球信息科技服務(wù)部推出的智能運維使用完全托管的IT分析解決方案，提供AIOps即服務(wù)的交付模式，該方案可提取企業(yè)IT運營數(shù)據(jù)，并采用預(yù)先構(gòu)建的機器學(xué)習(xí)模型進行數(shù)據(jù)的統(tǒng)計、分析，提供深刻洞察及自動化服務(wù)。

獲取IBM AIOPS白皮書，請掃碼：

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。