IT系統（硬件和(hé)軟件）正在變得更加高(gāo)效和(hé)完善。同時，它們變得越來越複雜。虛拟化和(hé)容器化是至關重要的(de)技術，但是它們的(de)複雜性給IT Ops部門帶來了挑戰。

雇用更多的(de)員工或使用自(zì)動化工具來應對這種日益增長(cháng)的(de)複雜性并不是解決之道(dào)-有限的(de)能力和(hé)資源使得難以簡化複雜的(de)IT系統。

所以答案是什麽？

人工智能

近年(nián)來，人工智能（AI）已進入IT Ops部門。現在，提供了用于IT運營的(de)人工智能（AIOps），作為(wèi)管理(lǐ)不斷增長(cháng)的(de)IT複雜性的(de)解決方案。

AIOps通過結合機器學(xué)習，大數據和(hé)自(zì)動化決策來完成IT任務。它可(kě)以在無需大量人工幹預的(de)情況下實現過程自(zì)動化，從而使其獨立于人工資源。

AIOps的(de)演變

人工智能，機器學(xué)習，數據分析和(hé)IT運營（Ops）已經分開存在多年(nián)了。使AIOps具有創新性的(de)是将來自(zì)Analytics（分析）的(de)數據驅動的(de)見解與IT Ops的(de)實用性結合在一(yī)起。

AIOps的(de)好處

AIOps提供了兩個使IT Ops團隊受益的(de)重要功能：

它為(wèi)IT Ops團隊提供了訪問工具的(de)權限，這些工具可(kě)以通過收集和(hé)分析數據來制定高(gāo)級決策并執行自(zì)動化操作。

它可(kě)以幫助傳統的(de)IT Ops管理(lǐ)員轉變為(wèi)站點可(kě)靠性工程師（SRE）角色，并支持更可(kě)擴展的(de)工作流，以滿足業務需求。

現在我們知道(dào)了什麽是AIOps，并且我們進一(yī)步了解了它的(de)發展和(hé)好處。但是啓用AIOps需要什麽？

AIOps組件

為(wèi)了使AIOps工作，您需要實現四個組件。

數據采集。這是啓用AIOps的(de)第一(yī)步。

您可(kě)能需要從不同來源收集數據。必須将這些數據轉換并聚合為(wèi)具有足夠質量的(de)可(kě)用數據，以驅動數據分析和(hé)機器學(xué)習。

數據分析。正确收集和(hé)轉換數據後，将執行統計分析以從數據中得出見解。

機器學(xué)習。這是使用從數據分析中得出的(de)見解來通過算法實現自(zì)動決策的(de)過程。

人工智能（AI）。這指的(de)是更廣泛的(de)自(zì)動化決策類别，其中機器學(xué)習隻是其中的(de)一(yī)個組成部分。

AIOps用例

如(rú)果正确實現了四個組件，則可(kě)以在以下用例中使用AIOps：

異常檢測因果分析預測警報管理(lǐ)智能修複AIOps的(de)現狀

當前尚未實現AIOps的(de)采用率，但Gartner在2017年(nián)估計，到2019年(nián)，“全球25％的(de)企業将戰略性地(dì)實現支持兩個或多個主要IT運營功能的(de)AIOps平台”。此外，據TechValidate稱，其中有97％接受調查的(de)IT組織一(yī)緻認為(wèi)，支持AIOps的(de)解決方案可(kě)提供可(kě)行的(de)見解，有助于自(zì)動化和(hé)增強整體IT運營功能。

盡管大多數企業可(kě)能需要一(yī)段時間才能部署AIOps平台，但AIOps已經被企業采用。

AIOps的(de)障礙

由于企業無法确定AIOps是真正的(de)創新還是單純的(de)炒作，因此目前很難更廣泛地(dì)采用AIOps。企業還發現收集高(gāo)質量數據具有挑戰性，并且缺乏實施AIOps支持的(de)解決方案的(de)最佳實踐。但是，通過充分的(de)研究和(hé)計劃可(kě)以克服這些障礙。

結論

AIOps是用于管理(lǐ)IT系統複雜性的(de)解決方案，它結合了數據驅動的(de)Analytics（分析）洞察力和(hé)IT Ops的(de)實用性。然而，盡管AIOps前景廣闊，并且已經在企業中早日采用，但大多數企業可(kě)能需要一(yī)段時間才能部署AIOps平台。變革正在進行中，但不會一(yī)而就。