По мере того, как услуги и операции ИТ-инфраструктуры расширяли свои горизонты в центрах обработки данных, контейнерах, виртуализированных серверах, микросервисах, сетях и т. д., возникла неотъемлемая потребность в универсальном решении.
Решение, которое могло бы ответить на вопросы, возникающие во время крупных отключений, включая несколько команд. Хотя устаревший механизм мониторинга журналов был полезен ранее, его нельзя было масштабировать, чтобы прогнозировать, сопоставлять и предлагать шаги по исправлению. Таким образом, Gartner ввел магический термин под названием AIOPS.
Что такое AIOPS?
AIOPS расшифровывался как «Алгоритмические ИТ-операции» и теперь был переопределен как «Искусственный интеллект для ИТ-операций». Это ответ на любые вопросы «Почему», которые задают ваши группы по эксплуатации корпоративной инфраструктуры.
В двух словах, это применение науки о данных и машинного обучения к проблемам ИТ-операций.
Почему AIOPS?
Новый FAD в пространстве корпоративной инфраструктуры, один только этот термин привлек внимание многих за последние пару лет. Определение жидкости по-прежнему имеет определенную структуру, состоящую из следующих основных элементов:
- Элементы AIOps
2. Машинное обучение
3. Базовый уровень производительности
4. Обнаружение аномалий
5. Автоматический анализ первопричин
6. Прогностическая аналитика
От данных ко всему:
Данные, будучи новой валютой, новой нефтью, от которой зависит успех многих предприятий, по-прежнему обладают неизведанным потенциалом для многих организаций. Первые пользователи (например, Splunk Inc) говорят, что 73 % данных ITOP не используются . Операционные группы работают разрозненно со своими любимыми инструментами мониторинга. Существует неотъемлемая потребность в единой платформе, которая объединяет все распределенные данные и наилучшим образом использует ИИ и машинное обучение для аналитики ИТ-операций.
Будущее:
«Хотя мы не можем предсказать будущее , мы, безусловно, можем его создать». Изменение мышления между командами поможет организациям наилучшим образом использовать AIOP, чтобы принести пользу командам, уменьшить разрозненность и улучшить автоматический анализ основных причин. .
: Абхишек Шукла
