《Splunk:戳穿关于AIOps的6个神话(11页).pdf》由会员分享,可在线阅读,更多相关《Splunk:戳穿关于AIOps的6个神话(11页).pdf(11页珍藏版)》请在三个皮匠报告上搜索。
1、拨开各种宣传的迷雾,通过机器学习、自动化和预测性分析实现真正的商业价值 戳穿关于 AIOps 的 6 个神话目录简介.5谎言 1 AIOps 将取代 IT 专业人员.9谎言 2 IT AIOps 其实就是人工智能.11谎言 3 AIOps 是一种即插即用型平台.13谎言 4 AIOps 意味着您可以高枕无忧并信任机器.15谎言 5 AIOps 需要数据科学家来实施.17谎言 6 AIOps 只能用于运维任务.19结论.21戳穿关于 AIOps 的 6 个神话|Splunk 5AIOps 可以实现前所未有的功能,帮助你更好地完成工作,同时还可以提高工作满意度。但如果想走上一条正确的道路,就必须擦
2、亮双眼,明辨是非。一切都与数据有关。你可能听说过这样的说法。你每天都会接触数据。从来没有这么多的数据,而且它的增长速度比以往任何时候都快。数据爆炸很容易理 解,但要知道如何应对就没那么 容易了。AIOps 是一个切实可行、功能全面的强大工具,可以对 IT 运维中需要处理的大量数据进行 管理,从而开始让数字化转型的好处逐渐显现。随着移动电话和高速互联网的广泛应用,消费者对应用程序的需求呈现出指数级增长。为满足这一需求而设计的大量应用程序催生了更大你并不孤单。世界各地的 IT 专业人员都在负责越来越多的服务器和来自不同来源的数据,他们会使用非常多的监控工具,来完成所有的这些任务。Ponemon I
3、nstitute 发布的 2018 年报告 降低 IT 基础设施监控的复杂性:全球组织研究 详细说明了故障排除和监控云环境和本地环境的各种挑战。Ponemon Institute 对来自美国、英国、德国、法国、澳大利亚、新加坡和日本的 2497 名 IT 和 IT 安全从业人员进行了调查,以便了解他们在基础设施监控领域面临的各种挑战。规模和更复杂的应用程序部署模型,同时也为通常使用传统(而且过时)的方法和工具对这些系统进行管理和维护的 IT 部门带来了更大的困扰。现有工具的设计并不适合处理数据量激增和数据类型复杂性增加的情况。我们遇到了瓶颈。AIOps 到底是什么?AIOps 可应用数据、分析
4、和机器学习实现 IT 运维的自动化。这些新的学习系统可以对大量的网络和机器数据进行分析,以发现有时人工操作我们不妨将自己想象成被迫将一块巨石推上山顶的神话人物西西弗斯。巨石接近山顶时,总是会往下滚,所以你必须一遍又一遍地重复同样徒劳的做法。如果您是负责复杂、混合环境的 IT 专业人员,那么这种场景可能听起来很熟悉。你没有帮助你的组织向前发展,相反,你花了大量的时间不断试图找出并解决一个又一个问题(不断将巨石推上山顶)。除了自身的压力,你还要负责维护系统可用性和性能,以使公司领导和客户满意,这些都是你要面临的压力。戳穿关于 AIOps 的 6 个神话|Splunk 7 AIOps 将增强现有 I
5、T 系统,使 IT 专业人员能够更好地应对增长和复杂性问题。员无法识别的模式。这些模式既可以识别现有问题的原因,又可以预测未来的影响。AIOps 的最终目标是实现常规操作的自动化,以提高问 题识别的准确性和速度,进而使 IT 人员能够更有效地满足不断增长的需求。Gartner 创造了 AIOps 这个词汇,以便将人工智能(AI)和机器学习的概念与 IT 运维工作结合起来。AIOps 依赖三个主要因素:每个人(网络规划人员、IT 主管、最终用户、供应商、分析师)都在寻求一种可以实现这些目标的终极利器:一种可以将大量数据转化为可操作分析数据并实现日常任务自动化的解决方案。IT 组织正在寻求通过 A
6、IOps 减少警报噪声,预测服务中断,并针对影响客户的问题实现全方位的可视性。这一方案影响如此重大,因此我们看到一些疯狂的说法和不着边际的鼓吹论调就不足为奇了。当供应商试图 数据。从最广泛的各种来源的大量数据开始,从 IT 基础设施到它支持的业务结果。计算和分析。机器学习和 AI 根植于最初主要应用于制造领域的数学算法。现在,它们被应用到业务转型用例中,以发现隐藏在所有数据背后的隐藏价值。自动化。通过更多的数据和适当的分析,我们可以从快速变化的业务环境获得更好的结论。最终的目标是根据这些结论触发正确的自动响应,也就是如果你手下的得力干将被要求参与到这种情况中时,他们将采取的措施。使他们的解决方
7、案听起来比竞争对手的产品更智能、更强大和更有价值时,就难免出现各种大肆渲染的宣传噱头。在 Splunk,我们相信 AIOps 的强大功能。事实上,从一开始,我们提供的平台就以机器学习为核心。我们也相信我们的客户和业内人士独具慧眼,他们可以看穿这些炒作。关于 AIOps 的各种说法,千奇百怪,真假难辨。鉴于此,让我们来看看关于AI 运维的六种最常见的说法。戳穿关于 AIOps 的 6 个神话|Splunk 901AIOps 将取代 IT 专业人员关于 AIOps 的一个误解是,这些平台的目的是用智能软件系统取代组织中的相关人员。无论是现在还是在可预见的未来,真人操作员和工程师的知识和适应能力都是
8、不可替代的。虽然可能会有一些员工流失,但 AIOps 平台的实施将增强现有 IT 部门的能力,承担重复性的或很容易理解的任务,进而将 IT 专业人员解放出来,去解决更复杂的问题,参与规划性和创新性任务。换句话参数,提供正确的数据流,并根据需要的结果对系统进行指导。随着 AIOps 平台的不断学习,它们将能够识别并解决越来越多的常见问题。通过消除日常任务和处理常规系统警报,AIOps 解决方案将提高现有 IT 专业人员的专注度和工作能力,以便他们可以使用新一代技术来推动客户价值和业务增长。略它。在大多数复杂系统中,警报是相当普遍的问题。然而,传统 IT 工具的问题在于,它们无法提供对问题的深入分
9、析,只是会出现警报风暴。AIOps 会自动根据相似性对重要事件进行分组。对类似事件进行分组可以减少不必要的事件流量和噪声,从而减轻 IT 团队的负担。这些系统,特别是在部署早期,将严重依赖 IT 操作员来定义适当的真相:AIOps 将增强现有 IT 系统,使 IT 专业人员能够更好地应对增长和复杂性问题。谎言说,AIOps 可为系统带来难得的“回旋余地”,可为团队提供宝贵的时间,以便参与那些平时似乎永远也没有时间去处理的长远项目。AIOps 可以缓解警报疲劳(也称为警报风暴)的问题,出现这种情况时,当团队看到一个特定的警报时,因为这种警报平时都是无关痛痒的小问题,所以,虽然某一次出现这种问题可
10、能非常重要,但他们依然会忽戳穿关于 AIOps 的 6 个神话|Splunk 1102AIOps 其实就是 人工智能有关“真正人工智能”的定义及其界定标准的争论已经接近白热化。这种争论不需要成为 AIOps 平台讨论的一部分。AIOps 平台必须具备以下功能:1.摄取不同的数据集2.应用丰富的算法来识别数据中的关键指标3.发现这些指标时,就这些指标发出通知并做出响应我们以服务器为例,在高容量期间,由于已知问题的日志记录,服务器往往每隔几周就会耗尽磁盘空间。一般情况下,IT 管理员的任务就是登录、检查系统行为是否正常、清理过多的日志、释放磁盘空间并确认系统是否恢复了正常的性能。这些步骤可以自动执
11、行,这样就可以创建一个事件,并且只有在已经尝试正常响应方式并且无法对情况进行补救的情况下才会通知响应人员。这些平台可能采取的操作范围很广,从简单的重新启动服务或将服务器从负载均衡器池中退出,到取消最近更改或重新构建服务器(容器或其他)等更复杂的操作。AIOps 真正的长期价值在于平台如何将学习到的问题识别和补救措施应用于最初不在原始范围内的系统。确定场景并实现补救自动化之后,AIOps 平台就可以通过同样的方式对新的系统进行监控,而无需花时间进行管理。真相:AIOps 使用机器学习和自动化相结合的方法来交付更有效的运维任务。谎言在整个过程中,平台应该继续学习,变得更加熟练,不仅要能够识别问题,
12、而且能够在问题发生之前预测问题。随着平台收集的具体问题数据和正确响应方式越来越多,它就能够对越来越多的问题进行自动响应,无需人工参与。随着越来越多类似于真正人工智能的智能机器学习系统的发展,模型将继续学习,并能够独立执行更复杂的功能。戳穿关于 AIOps 的 6 个神话|Splunk 1303AIOps 是一种 即插即用型平台低的系统进行脱机操作前自动决定添加新的容量,以维持服务级别目标。IT 专业人员将概述这些初始响应,以便为 AIOps 平台提供基础知识,并凭借这些基础知识构建系统,随着时间的推移,系统将变得越来越独立。随着系统摄取并分析更多数据,它最终将能够推荐效率更高,效果更好的应对方
13、式。例如,如果三台机器中的一台服务器在正常加载期间遇到问题,人们可能就会认为整体服务的风险较低,而且可以在不对用户产生任何影响的情况下对服务器进行脱机操作。相反,如果在高负载期间发生相同的事件,则可以在对任何性能过最终,AIOps 平台的真正价值在于它能够做出与真人质量相当的决策,但又不需要人类的直接参与。这样的系统需要由专业人员编写、训练并改进的智能算法。随着 AIOps 系统变得越来越普遍,它们也将变得更加独立,因为它们在不同的环境中获得了关于应用程序和系统行为的更大的集体知识池。真相:虽然许多 AIOps 解决方案可以快速提供价值,但仍需要人工接入,以便让平台适应环境。谎言AIOps 平
14、台可以和实施这一方案的 IT 专业人员一样好。您需要工程师监控输入平台的数据,了解应用程序和系统的重要性,并确保自动化工作流程有效。很明显,您无法在将产品从包装箱中取出时就获得那种水平的经验。戳穿关于 AIOps 的 6 个神话|Splunk 1504AIOps 意味着 您可以 高枕无忧并信任机器我们需要在训练过程的开始阶段投入艰辛的工作,确保摄取高质量的数据,及时发现不准确的结论,并检查自动响应工作流程。在可以充分利用 AIOps 的功能之前,让组织中的每个人都看到您付出了巨大努力,以确保结果是值得信任的,而且平 台可以实现更大的自治性。AIOps 系统仍然需要 IT 专业人员对系统进行训练
15、,然后在它们学习的过程中验证结论和学习的效果。需要再次重申,AIOps 的好坏取决于训练它的人以及运行它的算法。尽管 AIOps 具备极大提升 IT 运维水平的潜力,但它仍然是一个需要编程和监控的工具。对于您实现直接影响客户体验和业务运营状况的任务关键型功能所需的任何工具而言,构建一个整个组织都可以信赖的 AIOps 系统至关重要。真相:在完全实现响应和报告的自动化之前,IT 从业者和领导者需要建立一个强大的基础。谎言AIOps 系统可以完成一些人类操作员无法完成的任务。它们可以根据噪声发现模式。它们解析和关联海量数据、删除重复日志和大规模通知以及执行自动响应的能力远远超出人力之所及。这并不意
16、味着它们绝对可靠并可以无人看管。戳穿关于 AIOps 的 6 个神话|Splunk 1705AIOps 需要 数据科学家来实施AIOps 系统最初主要关注用于部署应用程序和管理其运行状况,易于理解的系统和框架。它们最大的价值在于管理系统的复杂性和规模,如分布式应用程序、容器或虚拟化堆栈和复杂网络。AIOps 系统可以将这些系统中的事件集合在一起,以识别事件并确定事件的优先级。随着时间的推移,这些系统能够将学到的知识应用到其他系统,而无需管理员的额外输入。最终,平台将能够识别人类操作员可能不会注意到的异常行为。真相:目前,大多数 AIOps 平台都支持多种多样的通用技术和流程,而这些技术和流程并
17、不要求掌握较高水平的数据科学。谎言在 AIOps 采用团队中包括数据科学家有助于让您的实施更加成熟,还有助于将平台应用到更复杂的应用程序或系统。数据科学家还可以与 IT 专业人员展开协作,验证系统的输出。也就是说,在 AIOps 软件中实施的算法将帮助 IT 从业者实现机器学习,而不需要他们了解数据科学专业的所有细微差别,这是这些系统具有如此价值的很大一个因素。戳穿关于 AIOps 的 6 个神话|Splunk 1906AIOps 只能 用于运维任务AIOps 的主要受益者确实是 IT 运维团队。部署这些平台的资金也可能来自 IT 组织。但这些平台的价值远远超出 IT 运维的范畴。行业中发生的
18、重要变化之一就是向为所有 IT 使用者交付共享服务并为其提供支持的转变。AIOps 平台不仅会成为 IT 部门使用的重要工具,而且还会成为 IT 部门提供的一项关键服务。组织对 AIOps 平台使用越多,平台所拥有的系统知识就越多,这使它能够更快地学习,并承担更多系统可用性和运行状况相关的任务,从而解放公司最有价值的员工,让他们从事更有价值的活动。负责服务和应用程序任务的人员可以使用 AIOps 更快地实施新的功能和修复,进而更快地为客户提供价值。AIOps 平台,开发团队就可以对这个过程进行总体把控,而无需向 IT 运维团队寻求支持。有了这一能力,他们可以应用他们的应用程序和系统知识来帮助平
19、台识别常见问题,制定警报和修复过程,并在开发过程中更早地发现错误,最终以更快的速度向客户交付新的功能。真相:AIOps 是为参与应用程序开发或支持的所有人提供的新一代共享服务。谎言换句话说,在应用程序生命周期的早期阶段,AIOps 的各项功能和优势就可以得以体现,进而允许团队在代码到达生产环境之前就对潜在问题进行响应和补救。例如,开发新应用程序的开发团队需要不断发现可能导致资源利用出现问题的潜在错误或问题。使用 Splunk、Splunk、Data-to-Everything、D2E 和 Turn Data Into Doing 是 Splunk Inc.在美国和其他国家/地区的商标和注册商标
20、。所有其他品牌名称、产品名称或商标均属于其各自所有者。2020 Splunk Inc.版权所有。6 Myths of AIOps Debunked_Listicle_109AIOps 值得我们付出努力AIOps 不仅是 IT 部门非常重要的工具,也是 IT 运维的未来发展方向。与大多数重要的技术进步一样,AIOps 的实施也需要准备和计划。有远见的 IT 公司应该将其视为实现全新运维方式的完美催化剂;而老旧过时的 IT 工具根本无法处理这些类型的用例。数据量将继续增长,并会以越来越快的速度增长。对 IT 专业人员的需求也会随之增长和加速。不管 AIOps 平台目前是否采用了真正的 AI 技术,这肯定是未来发展的一种趋势。不要让围绕 AI 或 AIOps 的大肆炒作阻止您利用这一变革性技术的步伐。有关 AIOps 的更多信息IT 运维人工智能(AIOps)AIOps 平台市场指南