關(guān)于AIOps智能運維渔扎,你必須知道這些事志鹃!

人工智能和機器學習技術(shù)的發(fā)展夭问,推動大量依賴人腦決策和手工操作的IT 運維向著AIOps智能運維的方向快速前進泽西。特別是當機器學習算法與基于大數(shù)據(jù)的業(yè)務運維管理平臺整合曹铃,在告警過濾、異常監(jiān)測捧杉、自動修復等環(huán)節(jié)發(fā)揮效用陕见,就能把CIO和IT部門從繁復耗時、容易出錯的基礎運維工作中徹底解放出來味抖,專注于更有價值的業(yè)務運維评甜。

過去需要花費數(shù)個小時、數(shù)天甚至數(shù)周才能完成的故障診斷和修復工作仔涩,AIOps智能運維平臺可能只需要幾秒鐘就能搞定忍坷,而且更加精準、更少誤判熔脂。AIOps的問世不僅得益于人工智能技術(shù)的發(fā)展佩研,同時也是企業(yè)數(shù)字化轉(zhuǎn)型的必然結(jié)果,企業(yè)的數(shù)字化程度越高霞揉,IT規(guī)模越大也越復雜旬薯,就越需要快捷、高效适秩、精準的運維管理平臺作為業(yè)務的有效支撐绊序。

AIOps的來歷

對于傳統(tǒng)企業(yè)來說硕舆,AIOps并不是一個全新的理念,而是IT運營分析和管理(ITOA/ITOM)體系與大數(shù)據(jù)和人工智能技術(shù)結(jié)合的產(chǎn)物骤公。AIOps智能運維以ITOA/ITOM系統(tǒng)所采集的運維大數(shù)據(jù)為基礎抚官,利用人工智能和機器學習算法對運維數(shù)據(jù)進行深入分析,涵蓋IT監(jiān)控淋样,應用性能管理耗式、外網(wǎng)監(jiān)控、日志分析趁猴,系統(tǒng)安全等方面刊咳。

市面上流行的傳統(tǒng)運維管理平臺,其核心組件缺少大數(shù)據(jù)采集儡司、分析和本地機器學習的能力娱挨,需要業(yè)務運維和AIOps平臺予以完善。AIOps智能運維平臺能夠接入不同業(yè)務系統(tǒng)捕犬、監(jiān)控系統(tǒng)跷坝、管理系統(tǒng)的海量IT數(shù)據(jù),并運用各種算法進行高速分析碉碉、學習甚至預測柴钻。立足于AIOps,IT部門可以獲得強大的自動化IT決策和運營管理能力垢粮,并能對業(yè)務質(zhì)量和用戶體驗進行準確檢測和持續(xù)優(yōu)化贴届。

AIOps的價值

“AIOps正在廣泛應用于IT大數(shù)據(jù)和業(yè)務大數(shù)據(jù)分析領(lǐng)域,為企業(yè)提供極具價值的業(yè)務洞察能力”蜡吧。據(jù)Gartner分析師最新預測毫蚓,到了2022年,部署AIOps平臺的大型企業(yè)數(shù)量將從如今的不足5%昔善,迅速提升到40%左右元潘,而這些企業(yè)會把AIOps用于業(yè)務運營和IT運維,以取代如今的運維監(jiān)控君仆、管理工具和自動化運維產(chǎn)品翩概。

當企業(yè)的數(shù)字化程度越來越高, IT系統(tǒng)的復雜度和規(guī)模越來越大返咱,擺在CIO面前的這道雙選題:是不斷增加業(yè)務流程钥庇?還是采用AIO平臺?似乎不難抉擇洛姑!

AIOps的組成結(jié)構(gòu)

Gartner定義的AIOps平臺擁有11項能力上沐,包括歷史數(shù)據(jù)管理(Historical data management)、流數(shù)據(jù)管理(Streaming data management)楞艾、日志數(shù)據(jù)提炔瘟(Log data ingestion)龄广、網(wǎng)絡數(shù)據(jù)提取(Wire data ingestion)蕴侧、算法數(shù)據(jù)提仍裢(Metric data ingestion)、文本和NLP文檔提染幌(Document text ingestion)敲才、自動化模型的發(fā)現(xiàn)和預測(Automated pattern discovery and prediction)、異常檢測(Anomaly detection)择葡、根因分析(Root cause determination)紧武、按需交付(On-premises delivery)和軟件服務交付(Software as a service)等。

云智慧智能業(yè)務運維大數(shù)據(jù)平臺敏储,將前9項能力分別納入數(shù)據(jù)接入層阻星、大數(shù)據(jù)管理層、大數(shù)據(jù)分析層已添、應用模塊層和可視化展現(xiàn)層這五層邏輯架構(gòu)中妥箕,便于企業(yè)和CIO們更好的理解和落地AIOps理念和相關(guān)解決方案。

數(shù)據(jù)接入層:通過開放的API接口更舞,廣泛接入企業(yè)IT系統(tǒng)的歷史數(shù)據(jù)畦幢、流數(shù)據(jù)、日志數(shù)據(jù)缆蝉、網(wǎng)絡數(shù)據(jù)宇葱、算法數(shù)據(jù)、文本和NLP文檔數(shù)據(jù)返奉,以及APP數(shù)據(jù)贝搁、瀏覽器數(shù)據(jù)吗氏、業(yè)務系統(tǒng)運營指標數(shù)據(jù)等不同數(shù)據(jù)源的數(shù)據(jù)芽偏。

大數(shù)據(jù)管理層:對業(yè)務系統(tǒng)和IT支撐系統(tǒng)產(chǎn)生的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行統(tǒng)一、高效的存儲弦讽、管理和調(diào)度污尉。

大數(shù)據(jù)分析層:聚合數(shù)據(jù)建模、大數(shù)據(jù)分析能力往产,實現(xiàn)業(yè)務和IT數(shù)據(jù)的關(guān)聯(lián)分析被碗,通過人工智能對業(yè)務波動、故障判斷仿村、修復操作等依靠人力決策的環(huán)節(jié)進行持續(xù)學習和自動化響應锐朴。

應用模塊層:針對基礎設施、應用和業(yè)務系統(tǒng)之間的邏輯拓撲蔼囊,提供覆蓋全部技術(shù)棧的基礎設施監(jiān)控焚志、應用性能管理衣迷、業(yè)務決策分析以及異常檢測、根因分析和統(tǒng)一告警服務酱酬。

可視化展現(xiàn)層:以可視化大屏或頁面的形式實時展現(xiàn)業(yè)務系統(tǒng)運行狀態(tài)壶谒、IT資源利用率等智能運維的關(guān)鍵指標,第一時間發(fā)現(xiàn)IT對業(yè)務的影響膳沽,輔助商業(yè)決策汗菜。

AIOps是IT走向運營的點金手

未來幾年,數(shù)字化系統(tǒng)的運行效能對企業(yè)核心競爭力的影響越來越大挑社,CIO所領(lǐng)導的IT部門在運營中所扮演的角色也越來越重要陨界。然而,隨著系統(tǒng)規(guī)模和復雜度呈指數(shù)級增長痛阻, IT人員解決問題的能力不會有太大的變化普碎。要讓IT擺脫傳統(tǒng)運維工作的束縛,就需要運用AIOps智能運維平臺來有效承擔基礎運維的種種責任录平。

在AIOps的幫助之下麻车,IT人員可以從繁瑣的常規(guī)工作中得到徹底的釋放,專注于對企業(yè)發(fā)展更有價值的工作 – 業(yè)務和用戶體驗斗这,讓IT真正走向運營动猬。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市表箭,隨后出現(xiàn)的幾起案子赁咙,更是在濱河造成了極大的恐慌,老刑警劉巖免钻,帶你破解...
    沈念sama閱讀 216,692評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件彼水,死亡現(xiàn)場離奇詭異,居然都是意外死亡极舔,警方通過查閱死者的電腦和手機凤覆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,482評論 3 392
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來拆魏,“玉大人盯桦,你說我怎么就攤上這事〔橙校” “怎么了拥峦?”我有些...
    開封第一講書人閱讀 162,995評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長卖子。 經(jīng)常有香客問我略号,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,223評論 1 292
  • 正文 為了忘掉前任玄柠,我火速辦了婚禮氛琢,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘随闪。我一直安慰自己阳似,他們只是感情好,可當我...
    茶點故事閱讀 67,245評論 6 388
  • 文/花漫 我一把揭開白布铐伴。 她就那樣靜靜地躺著撮奏,像睡著了一般。 火紅的嫁衣襯著肌膚如雪当宴。 梳的紋絲不亂的頭發(fā)上畜吊,一...
    開封第一講書人閱讀 51,208評論 1 299
  • 那天,我揣著相機與錄音户矢,去河邊找鬼玲献。 笑死,一個胖子當著我的面吹牛梯浪,可吹牛的內(nèi)容都是我干的捌年。 我是一名探鬼主播,決...
    沈念sama閱讀 40,091評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼挂洛,長吁一口氣:“原來是場噩夢啊……” “哼礼预!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起虏劲,我...
    開封第一講書人閱讀 38,929評論 0 274
  • 序言:老撾萬榮一對情侶失蹤托酸,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后柒巫,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體励堡,經(jīng)...
    沈念sama閱讀 45,346評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,570評論 2 333
  • 正文 我和宋清朗相戀三年堡掏,在試婚紗的時候發(fā)現(xiàn)自己被綠了应结。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,739評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡布疼,死狀恐怖摊趾,靈堂內(nèi)的尸體忽然破棺而出币狠,到底是詐尸還是另有隱情游两,我是刑警寧澤,帶...
    沈念sama閱讀 35,437評論 5 344
  • 正文 年R本政府宣布漩绵,位于F島的核電站贱案,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜宝踪,卻給世界環(huán)境...
    茶點故事閱讀 41,037評論 3 326
  • 文/蒙蒙 一侨糟、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧瘩燥,春花似錦秕重、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,677評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至服鹅,卻和暖如春凳兵,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背企软。 一陣腳步聲響...
    開封第一講書人閱讀 32,833評論 1 269
  • 我被黑心中介騙來泰國打工庐扫, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人仗哨。 一個月前我還...
    沈念sama閱讀 47,760評論 2 369
  • 正文 我出身青樓形庭,卻偏偏與公主長得像,于是被迫代替她去往敵國和親厌漂。 傳聞我的和親對象是個殘疾皇子碘勉,可洞房花燭夜當晚...
    茶點故事閱讀 44,647評論 2 354

推薦閱讀更多精彩內(nèi)容