本文首先提出一個(gè)必要且可行的“路線圖”妖滔，然后詳細(xì)闡述在 AIOps 實(shí)施過(guò)程中可采用的具體步驟隧哮，以構(gòu)建出一套 AIOps 的最佳實(shí)踐。

我在與客戶交流 AIOps 的時(shí)候座舍，他們時(shí)常覺得 AIOps 不夠成熟沮翔，以至于無(wú)法實(shí)施各種分析。

也有人認(rèn)為：AIOps 的各項(xiàng)能力是線性發(fā)展的曲秉，他們必須事先評(píng)估和補(bǔ)足當(dāng)前在“處理大量的事件和警報(bào)采蚀，以及統(tǒng)一化分散監(jiān)控”方面的能力成熟度，才能考慮切入 AIOps承二。

我非常理解他們的關(guān)注點(diǎn)榆鼠，畢竟數(shù)十年來(lái)，分析師和供應(yīng)商灌輸了僵化的 ITIL 思想和嚴(yán)格的流程亥鸠，使大家都不愿為那些長(zhǎng)期存在的問(wèn)題妆够，找到替代的解決方案。

誠(chéng)然读虏，AIOps 并未直接受到 ITIL 的約束责静，并能夠被分步驟地予以實(shí)施和改進(jìn)，但是業(yè)界至今仍缺乏實(shí)際的行動(dòng)指導(dǎo)盖桥。

本文通過(guò)早灾螃、中、后期九個(gè)步驟來(lái)給出 AIOps 所必要的最佳實(shí)踐揩徊。

AIOps的快速回顧

Gartner 判斷的 IT 新興市場(chǎng)趨勢(shì)為：傳統(tǒng)的 IT 流程與工具已不再適合處理那些由現(xiàn)代數(shù)字業(yè)務(wù)所帶來(lái)的挑戰(zhàn)腰鬼。這不但與數(shù)據(jù)的傳輸速度嵌赠、種類、以及體量有關(guān)熄赡，還與從線下的歷史分析轉(zhuǎn)為線上的實(shí)時(shí)分析有關(guān)姜挺。

Gartner 對(duì)于這種趨勢(shì)所給出的答案是：AIOps。它整合了 IT 服務(wù)管理（ITSM）彼硫、IT 運(yùn)營(yíng)管理（ITOM）和數(shù)據(jù)層面上的 IT 自動(dòng)化炊豪。

AIOps 使得數(shù)據(jù)能夠駐留在支持實(shí)時(shí)應(yīng)用分析和深度歷史查詢的大數(shù)據(jù)平臺(tái)之中。這些分析可以由那些支持對(duì)數(shù)據(jù)流進(jìn)行無(wú)人值守式處理的機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)拧篮。

因此 AIOps 的基本思想是：傳統(tǒng)的 IT 工具仍然發(fā)揮效用词渤，例如服務(wù)管理仍然處理各種請(qǐng)求和事件；而性能管理仍然監(jiān)視各種指標(biāo)串绩、事件和日志缺虐。

但是它們的數(shù)據(jù)被關(guān)聯(lián)、并通過(guò)機(jī)器學(xué)習(xí)的分析,從而實(shí)現(xiàn)更好礁凡、更快的決策和任務(wù)過(guò)程的自動(dòng)化高氮。

最終狀態(tài)

AIOps 的最終狀態(tài)是：要保證數(shù)據(jù)能夠順暢地從多個(gè)數(shù)據(jù)源流入一個(gè)大的數(shù)據(jù)平臺(tái)中。

該平臺(tái)能夠?qū)?lái)自其他來(lái)源和類型的數(shù)據(jù)予以吸收顷牌、分析和后期處理剪芍；通過(guò)機(jī)器學(xué)習(xí)來(lái)管理和修改分析算法。

它能夠自動(dòng)觸發(fā)工作流韧掩，其輸出結(jié)果會(huì)作為二次數(shù)據(jù)源被再次反饋到系統(tǒng)之中紊浩，使得系統(tǒng)實(shí)現(xiàn)自適應(yīng)，并且通過(guò)響應(yīng)各種數(shù)據(jù)卷疗锐、數(shù)據(jù)類型和數(shù)據(jù)源的變化坊谁，進(jìn)而自動(dòng)調(diào)整和按需通知相應(yīng)的管理員。

基于上述概念滑臊，我將首先提出一個(gè)必要且可行的“路線圖”口芍，然后詳細(xì)闡述在 AIOps 實(shí)施過(guò)程中可采用的具體步驟，以構(gòu)建出一套 AIOps 的最佳實(shí)踐雇卷。

該 AIOps 路線圖共分為 9 步鬓椭，他們分別是：

識(shí)別當(dāng)前用例

就系統(tǒng)記錄達(dá)成一致

確定成功的標(biāo)準(zhǔn)、并著手跟蹤它們

評(píng)估當(dāng)前和未來(lái)狀態(tài)的數(shù)據(jù)模型

分析現(xiàn)有工作流

開始自動(dòng)化實(shí)施

開發(fā)新的分析工作流

使組織適應(yīng)新的技能集

定制各種分析技術(shù)

早期階段

識(shí)別當(dāng)前用例

鑒于各種變數(shù)情況关划，您最好先從自己所熟悉的方面開始小染。對(duì)于大多數(shù)用戶來(lái)說(shuō)，他們當(dāng)前的各種用例方案無(wú)法應(yīng)對(duì)那些新技術(shù)的發(fā)展贮折。因此裤翩，您可以列舉出自己當(dāng)前正在處理、或準(zhǔn)備解決的用例列表调榄。

如下給出的切入點(diǎn)可方便您發(fā)現(xiàn)當(dāng)前的“目標(biāo)”狀態(tài)：

列出如何實(shí)現(xiàn)各種預(yù)期的結(jié)果

評(píng)估特定用例的優(yōu)先級(jí)

突出當(dāng)前能力踊赠、工具呵扛、技能或過(guò)程中與目標(biāo)所存在的差距

同時(shí)，這也是制定一個(gè)成功 AIOps 戰(zhàn)略的良好開端筐带。通過(guò)強(qiáng)調(diào)這種“開啟”方式今穿，我們會(huì)發(fā)現(xiàn)許多新的用例。

各種新的預(yù)期結(jié)果也會(huì)涌現(xiàn)出來(lái)伦籍，而它們的優(yōu)先級(jí)將隨著您的業(yè)務(wù)和技術(shù)的變化而相應(yīng)地調(diào)整蓝晒。可見新的 AIOps 方法會(huì)給我們帶來(lái)各種新的可能性與挑戰(zhàn)鸽斟。

所以說(shuō)拔创，重要的是要在一開始就能找到從當(dāng)前您所處的位置前往目標(biāo)的橋梁讼载。只有找到了您面臨的問(wèn)題和需要改變的地方鼻吮，才能選擇正確的道路去實(shí)現(xiàn)眷蚓，反之則注定失敗。

評(píng)估數(shù)據(jù)的自由度

AIOps 的首要基本元素是：來(lái)自不同工具的數(shù)據(jù)流能夠自由地匯聚到大數(shù)據(jù)存儲(chǔ)區(qū)中立倍。

因此，您必須評(píng)估自己IT系統(tǒng)中獲取到的各類數(shù)據(jù)的易用性和頻率侣滩。我們理想的最優(yōu)模型為：實(shí)時(shí)地發(fā)送數(shù)據(jù)流口注。

然而，目前很少有 IT 監(jiān)控或服務(wù)臺(tái)（service desk）工具能夠支持向外流出數(shù)據(jù)君珠。當(dāng)然寝志，它們迭代出的最新版本應(yīng)該能以 REST API 方式提供編程上的交互與支持。

但是策添，如果使用的是基于諸如 Oracle 或 SQL 之類的傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)材部，由于它們?cè)谧畛踉O(shè)計(jì)時(shí)并非為了支持?jǐn)?shù)據(jù)的連續(xù)流出，那么即使具有可編程接口唯竹，也會(huì)對(duì)生產(chǎn)系統(tǒng)的性能產(chǎn)生巨大的影響乐导，因此，我們可以斷言它們并不能支持?jǐn)?shù)據(jù)流浸颓。

可見物臂，在制定 AIOps 策略的早期，重要的步驟之一就是要明確自己系統(tǒng)對(duì)于數(shù)據(jù)流的支持能力产上，并為如下問(wèn)題給出相應(yīng)的答案：

我如何能從當(dāng)前的 IT 工具中獲取數(shù)據(jù)棵磷？

我能得到什么樣的數(shù)據(jù)？

我能夠通過(guò)編程的方式來(lái)實(shí)現(xiàn)嗎晋涣？

我獲取這些數(shù)據(jù)的頻率是怎樣的仪媒？

通過(guò)發(fā)現(xiàn)這些約束條件，您可以考慮去更改當(dāng)前的數(shù)據(jù)整合策略（例如姻僧，將批處理上傳模式轉(zhuǎn)化為流式）规丽，甚至考慮將現(xiàn)有的IT工具替換為那些支持實(shí)時(shí)數(shù)據(jù)流的軟件蒲牧。

就系統(tǒng)記錄達(dá)成一致

AIOps 的第二個(gè)基本要素是：組織的協(xié)同和溝通。我建議 IT 運(yùn)營(yíng)和 IT 服務(wù)管理人員協(xié)作審查各種數(shù)據(jù)的需求赌莺，同時(shí)就各自的角色和責(zé)任達(dá)成共識(shí)冰抢。在此，我們主要著眼于基于共享數(shù)據(jù)上的協(xié)同決策艘狭。

這里所說(shuō)的數(shù)據(jù)并不是那些已經(jīng)流入 AIOps 大數(shù)據(jù)存儲(chǔ)區(qū)挎扰，以待分析的數(shù)據(jù)。而是 IT 人員可以從自己環(huán)境中獲悉的巢音、用于采取行動(dòng)和做出決斷遵倦、并最終能夠跟蹤效果的那些數(shù)據(jù)。因此官撼，整個(gè)團(tuán)隊(duì)需要針對(duì)數(shù)據(jù)達(dá)成如下共識(shí)：

為了突破系統(tǒng)當(dāng)前限制所需要的最小數(shù)據(jù)集

數(shù)據(jù)所在的位置

團(tuán)隊(duì)所能共享的聯(lián)合視圖與訪問(wèn)權(quán)限

根據(jù)傳統(tǒng)的 ITIL 模型梧躺，在許多成熟的組織中，滿足上述條件的系統(tǒng)是他們的服務(wù)臺(tái)傲绣。各種服務(wù)請(qǐng)求掠哥、事件和變更性的數(shù)據(jù)都被存放于此。

但是當(dāng) DevOps 團(tuán)隊(duì)開始使用 Jira（譯者注：一種項(xiàng)目與事務(wù)跟蹤的工具）秃诵，來(lái)記錄缺陷和功能性的改進(jìn)時(shí)续搀，該模型會(huì)受到了一定的挑戰(zhàn)。

因?yàn)樵谑褂?APM（譯者注：一種監(jiān)控和管理應(yīng)用軟件性能和可用性的工具）時(shí)菠净，IT 運(yùn)營(yíng)與安全團(tuán)隊(duì)是無(wú)法通過(guò)各種本地或遠(yuǎn)程事件禁舷，來(lái)捕獲或識(shí)別多種威脅的。

因此準(zhǔn)備實(shí)施 AIOps 就意味著：您需要在應(yīng)用程序毅往、服務(wù)或業(yè)務(wù)的價(jià)值鏈中確定所有有效的結(jié)果性指標(biāo)牵咙，并制定出一個(gè)方案來(lái)匯集這些數(shù)據(jù)。

您可以在大數(shù)據(jù)平臺(tái)上構(gòu)建各種“儀表板”煞抬，來(lái)篩選出具有特定用途的大數(shù)據(jù)集霜大，即：對(duì)不同數(shù)據(jù)源產(chǎn)生不同的視圖。

當(dāng)然革答，您可以從“在當(dāng)前環(huán)境中選擇數(shù)據(jù)子集战坤，并將其反饋（如 Jira 工單和 APM 事件等）到已建成的記錄系統(tǒng)中”開始。

制定成功標(biāo)準(zhǔn)并開始跟蹤它們

任何成功的業(yè)務(wù)與 IT 管理都起源于了解各種關(guān)鍵性能指標(biāo)（KPI）和度量標(biāo)準(zhǔn)残拐。因此途茫，具有可操作性的方面包括：

了解對(duì)哪些方面進(jìn)行測(cè)量

實(shí)現(xiàn)一致且完備的措施

定期報(bào)告或提供性能衡量的可視化

能夠?qū)ω?zé)任方問(wèn)責(zé)

一般大多數(shù) IT 工具都自帶有幾種衡量工具和模板，它們往往能夠?yàn)槟峁└鞣N參數(shù)溪食。而我們都知道：數(shù)量是無(wú)法真正反映背后因果關(guān)系的囊卜。

如果我們只是簡(jiǎn)單地將它們放到報(bào)表上的話，并不能給企業(yè)帶來(lái)業(yè)務(wù)上的提升。

中期階段

評(píng)估當(dāng)前和未來(lái)狀態(tài)下的數(shù)據(jù)模型

數(shù)據(jù)模型評(píng)估是一個(gè)關(guān)鍵方面栅组，但很少有人真正理解或愿意這么做雀瓢。本質(zhì)上說(shuō)，您必須為即將上馬的 AIOps 方案厘清各個(gè)數(shù)據(jù)源的數(shù)據(jù)模型玉掸，以保證這些模型能夠被 AIOps 的用例所識(shí)別刃麸，進(jìn)而評(píng)估出不同模型間的直接交互和預(yù)期結(jié)果。

我們之所以說(shuō)它具有一定的挑戰(zhàn)性司浪，是因?yàn)榇蠖鄶?shù) IT 工具的數(shù)據(jù)模型對(duì)于用戶都是不可見的泊业。

很少有組織、甚至包括一些數(shù)據(jù)分析人員或?qū)＜野∫祝苷嬲来髷?shù)據(jù)平臺(tái)（使用的是 NoSQL）與傳統(tǒng)數(shù)據(jù)庫(kù)（使用的是 SQL）的不同之處吁伺。

AIOps 實(shí)際上是在一個(gè)大數(shù)據(jù)存儲(chǔ)庫(kù)中關(guān)聯(lián)了來(lái)自不同 IT（和非 IT）源的數(shù)據(jù)，使得它們能夠互聯(lián)互通租谈，從而實(shí)現(xiàn)分析和趨勢(shì)判斷篮奄。

AIOps 系統(tǒng)可以處理許多種共享的數(shù)據(jù)結(jié)構(gòu)（如下所示），而不需要額外地進(jìn)行二次開發(fā)或改進(jìn)：

時(shí)間戳： 各種事件割去、日志和度量中帶有時(shí)間點(diǎn)特征的數(shù)據(jù)宦搬，可以被聚集在一起用于關(guān)聯(lián)事件，并按照時(shí)序進(jìn)行因果分析劫拗。

屬性： 某個(gè)事件、日志或度量所關(guān)聯(lián)的信息鍵值對(duì)（key:value）, 如“狀態(tài)”矾克、“源”页慷、“提交者”等，可用于在不同數(shù)據(jù)集之間創(chuàng)建關(guān)系模型胁附。

歷史性：時(shí)間序列或事件活動(dòng)的過(guò)往數(shù)據(jù)酒繁，可用來(lái)預(yù)測(cè)將來(lái)的表現(xiàn)或門限值，如飽和度（saturation）和退化度（degradation）控妻。

效應(yīng)：一天州袒、一周、一個(gè)月等時(shí)序數(shù)據(jù)所呈現(xiàn)的趨勢(shì)或規(guī)律性弓候，可用于關(guān)聯(lián)多個(gè)數(shù)據(jù)集郎哭、或預(yù)測(cè)可伸縮性的資源需求。

應(yīng)用程序菇存、服務(wù)和業(yè)務(wù)模型：如果您能夠定期進(jìn)行發(fā)現(xiàn)與配置管理上的實(shí)踐夸研，就可以用它們來(lái)通知 AIOps 平臺(tái)各種資產(chǎn)的分組、關(guān)聯(lián)依鸥、依存關(guān)系亥至、以及做到數(shù)據(jù)的去重。

總之，通過(guò)構(gòu)建良好的時(shí)序數(shù)據(jù)姐扮，AIOps 能夠運(yùn)用各種運(yùn)營(yíng)監(jiān)控與管理工具來(lái)關(guān)聯(lián)絮供、分析和預(yù)測(cè)各種時(shí)序數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)：

將 IT 和非 IT 類數(shù)據(jù)相集合茶敏，例如：用戶數(shù)量+性能表現(xiàn)壤靶、延遲時(shí)間+轉(zhuǎn)換率；

并能增加數(shù)據(jù)的“粒度”睡榆，例如：從 5 分鐘的頻率上到 1 分鐘萍肆；

對(duì)數(shù)據(jù)流進(jìn)行應(yīng)用級(jí)的分析，例如：做到“實(shí)時(shí)”或?qū)μ囟v史時(shí)間段的查詢胀屿。

人工捕獲的事件往往是非結(jié)構(gòu)化的塘揣；而大多數(shù)設(shè)備獲取的 IT 事件 blob（譯者注：binary large object，二進(jìn)制大對(duì)象）也只能達(dá)到半結(jié)構(gòu)化宿崭。

它們都存在著：格式不一致亲铡、不夠完整、大量重復(fù)等特點(diǎn)葡兑。因此奖蔓，AIOps 應(yīng)當(dāng)對(duì)這些 IT 事件屬性提供范式轉(zhuǎn)換，為進(jìn)一步分析做好準(zhǔn)備讹堤。

如今吆鹤，許多 AIOps 都能聚焦事件的管理、分析和關(guān)聯(lián)洲守。一旦數(shù)據(jù)流入 AIOps 平臺(tái)疑务，我們就必須考慮其數(shù)據(jù)結(jié)構(gòu)和完整性是否支持機(jī)器分析。

常用的一種方法是：對(duì)傳入的數(shù)據(jù)執(zhí)行“ETL”（Extract 提取梗醇、Transform 轉(zhuǎn)換知允、Load 加載），也就是在數(shù)據(jù)流中進(jìn)行規(guī)范化和集中式轉(zhuǎn)換叙谨，以便實(shí)現(xiàn)對(duì)數(shù)據(jù)的關(guān)聯(lián)和分析温鸽。

當(dāng)然，在采用 AIOps 方案之前手负，企業(yè)可能會(huì)面臨兩方面的壓力：

大量有待轉(zhuǎn)換涤垫、處理和分析的數(shù)據(jù)可能會(huì)使得當(dāng)前的系統(tǒng)無(wú)法實(shí)現(xiàn)實(shí)時(shí)性、或升級(jí)成本高昂虫溜。

需要人工去管理和維護(hù)各種數(shù)據(jù)的結(jié)構(gòu)與標(biāo)準(zhǔn)雹姊，否則系統(tǒng)只能對(duì)已知模型進(jìn)行處理，而無(wú)法適用于新的數(shù)據(jù)類型衡楞。

另外吱雏，大多數(shù)云服務(wù)系統(tǒng)也會(huì)使用“標(biāo)簽”策略作為最佳實(shí)踐敦姻。它們通過(guò)對(duì)不同類型對(duì)象的屬性變量進(jìn)行哈希，然后獨(dú)立于對(duì)象本身歧杏，僅使用標(biāo)簽來(lái)進(jìn)行引用镰惦、排序、關(guān)聯(lián)和分析犬绒。

不同于那些帶有固定公共值的預(yù)定義映射關(guān)系旺入，標(biāo)簽是能夠跟隨數(shù)據(jù)一同變化的。

NoSQL 數(shù)據(jù)庫(kù)和諸如 Elasticsearch 之類的大規(guī)模分析工具凯力，能夠通過(guò)標(biāo)簽來(lái)處理各種屬性關(guān)系茵瘾。

此外，系統(tǒng)還能在數(shù)據(jù)流入時(shí)就實(shí)時(shí)地打上標(biāo)簽咐鹤，以避免任何具有未知特性的“盲數(shù)據(jù)”產(chǎn)生拗秘。

可見，企業(yè)需要通過(guò)具有 ETL 或標(biāo)簽?zāi)芰Φ?AIOps 大數(shù)據(jù)平臺(tái)祈惶，來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)模型的實(shí)時(shí)評(píng)估與管控雕旨。

分析現(xiàn)有工作流

至此，我想您對(duì) AIOps 方案的分析已經(jīng)準(zhǔn)備就緒了捧请。此處的分析并非來(lái)自于 IT 工具凡涩，而是您定期或不定期進(jìn)行的，旨在改進(jìn)流程疹蛉、降低成本和提高性能的離線式手動(dòng)分析活箕。

您可以通過(guò)手動(dòng)分析 AIOps 方案，以不斷迭代的方式解決自動(dòng)化過(guò)程中出現(xiàn)的問(wèn)題可款，進(jìn)而減少花費(fèi)在分析上的手動(dòng)工作量讹蘑，并提高分析的頻率和范圍。

可見筑舅，AIOps 的目的就是：減少您在手動(dòng)上花費(fèi)的時(shí)間和精力，通過(guò)提高速度與頻率陨舱，以實(shí)現(xiàn)對(duì)數(shù)據(jù)集的自動(dòng)化實(shí)時(shí)分析翠拣。

開始實(shí)施自動(dòng)化

誠(chéng)然，每個(gè)人都知道自動(dòng)化的價(jià)值游盲，但是不同團(tuán)隊(duì)對(duì)此有著不同的理解误墓。隨著 DevOps 所帶來(lái)的持續(xù)集成與交付（CI/CD），IT 運(yùn)營(yíng)的自動(dòng)化道路也發(fā)生了相應(yīng)的影響益缎。

IT 運(yùn)營(yíng)（IT Ops）：著眼于自動(dòng)化任務(wù)和協(xié)調(diào)各項(xiàng)步驟谜慌。其中包括：實(shí)現(xiàn)服務(wù)臺(tái)的工作自動(dòng)化、自動(dòng)給服務(wù)器打補(bǔ)丁莺奔、通過(guò)監(jiān)控工具來(lái)自動(dòng)修正系統(tǒng)錯(cuò)誤欣范。難點(diǎn)在于橫跨各種工具間的步驟配合與相互聯(lián)動(dòng)。

DevOps：著眼于自動(dòng)化自己的開發(fā)任務(wù)和業(yè)務(wù)流程，以消除瀑布式開發(fā)所帶來(lái)的分段式審查過(guò)程恼琼、隔離式測(cè)試妨蛹、行為合規(guī)、以及運(yùn)營(yíng)與上線聯(lián)動(dòng)等所造成的瓶頸與滯后晴竞。

可見蛙卤，DevOps 的應(yīng)用團(tuán)隊(duì)旨在通過(guò)開創(chuàng)新的服務(wù)（如云端應(yīng)用），加快集成與交付的速度與頻率噩死。

而IT運(yùn)營(yíng)團(tuán)隊(duì)颤难，則需要“自動(dòng)化所有”，他們需要協(xié)調(diào)的不只是 CI/CD已维，而是整個(gè)“鏈條”行嗤。

如果他們不知道服務(wù)何時(shí)從測(cè)試轉(zhuǎn)移到了生產(chǎn)環(huán)境，不知道誰(shuí)手中的源代碼會(huì)對(duì)產(chǎn)生環(huán)境造成何種影響衣摩，不知道如何識(shí)別與度量業(yè)務(wù)開發(fā)人員積壓的工作昂验，那么就無(wú)法真正有效地去管理好自己的自動(dòng)化環(huán)境。

因此艾扮，IT 運(yùn)營(yíng)需要跟上 DevOps 團(tuán)隊(duì)的速度和敏捷性既琴，綜合運(yùn)用工具來(lái)發(fā)現(xiàn)信息、共享信息泡嘴，并通過(guò)與 DevOps 的溝通來(lái)“刷出自己的存在感”甫恩。

后期階段

開發(fā)新的分析工作流

通過(guò)中期階段對(duì)于現(xiàn)有工作流的分析，您應(yīng)當(dāng)能夠自動(dòng)化并擴(kuò)展了自己的 AIOps 方案酌予，同時(shí)實(shí)現(xiàn)了如下方面：

評(píng)估現(xiàn)有工作流的價(jià)值

修改和改進(jìn)現(xiàn)有工作流

基于現(xiàn)有差距開發(fā)新的工作流

一旦在 AIOps 平臺(tái)中實(shí)現(xiàn)了對(duì)現(xiàn)有流程的自動(dòng)化磺箕，我們就可以進(jìn)一步評(píng)估：正在分析的信息是否真正有用？其趨勢(shì)判斷的結(jié)果是否可行抛虫？以及如需更改的影響會(huì)有多大松靡？

我們可以利用現(xiàn)有工作流的分析結(jié)果形成“正反饋”，從而開發(fā)出新的分析工作流建椰。

使組織適應(yīng)新的技能集

在角色上雕欺，IT 運(yùn)營(yíng)人員將從一般“從業(yè)者”轉(zhuǎn)換為“審計(jì)者”。他們應(yīng)當(dāng)跳出固守了十多年的對(duì)于設(shè)備完全掌控的觀念棉姐，將目光投到業(yè)務(wù)數(shù)據(jù)的分析上屠列。

雖然不需要具有數(shù)據(jù)科學(xué)方面深度的機(jī)器分析水平，但是他們確實(shí)需要了解系統(tǒng)是如何處理數(shù)據(jù)伞矩、以及是否能夠?qū)崿F(xiàn)業(yè)務(wù)的目標(biāo)笛洛。這也是 AIOps 將給 IT 運(yùn)營(yíng)人員帶來(lái)的最大變化。

縱然整個(gè)市場(chǎng)目前尚未完全成熟乃坤，但是各個(gè)企業(yè)仍值得去培養(yǎng)具有 AIOps 能力的人才苛让。假以時(shí)日沟蔑，他們必將為組織帶來(lái)結(jié)構(gòu)化的科學(xué)轉(zhuǎn)變，并讓組織從中受益蝌诡。

定制各種分析技術(shù)

最后在運(yùn)用 AIOps 進(jìn)行 IT 運(yùn)營(yíng)方面溉贿，組織還需要開發(fā)出一些數(shù)據(jù)科學(xué)方面的實(shí)踐。通過(guò)數(shù)據(jù)科學(xué)家浦旱、開發(fā)者與分析師的協(xié)作宇色，他們會(huì)開發(fā)出能在大數(shù)據(jù)集上運(yùn)行的算法，并在代碼上使用 Python 或 R 語(yǔ)言來(lái)實(shí)現(xiàn)各種數(shù)據(jù)科學(xué)的模型颁湖。

當(dāng)然宣蠕，IT 運(yùn)營(yíng)人員不必了解過(guò)多有關(guān)數(shù)學(xué)和編程方面的知識(shí)，他們只需要能夠管理一個(gè)具有半智能甥捺、半自治能力的系統(tǒng)架構(gòu)抢蚀。

他們應(yīng)當(dāng)能夠根據(jù) AIOps 供應(yīng)商所提供的多個(gè)備選分析系統(tǒng)，選擇最適合于自己環(huán)境的組合镰禾。

在日常運(yùn)營(yíng)中皿曲，AIOps 平臺(tái)也將能夠提供實(shí)時(shí)的、定制的回歸分析吴侦，以輔助做出各種決策屋休。

本文來(lái)自：http://developer.51cto.com/art/201808/580245.htm