本日的这篇文章将谈论AIOps是什么以及推动其发展的缘故原由。

数字化转型和AIOps之路

理解数字转换如何引发Gartner的AIOps平台非常主要。
数字化转型包括云采取、快速变革和新技能的履行。
它还须要把重点转移到运用程序和开拓职员，增加创新和支配的步伐，以及购买新的数字用户，包括机器代理、物联网（IOT）设备、运用程序接口（API）等。
这些组织过去不须要做事。
所有这些新技能和用户正在将传统的性能和做事管理策略和工具引向打破点。

Gartner利用AIOps这个名称来描述处理这些数字转换问题所需的IT运营模式转换。

什么是AIOps？

AIOps代表人工智能的IT操作。
它是指利用剖析和机器学习从各种IT运营工具和设备网络的大数据，实时自动创造问题并对问题做出反应的多层技能平台，可自动化并加强IT运营。

Gartner通过图1阐明了AIOps平台如何事情。
AIOps有两个紧张组件：大数据和机器学习。
为了将大数据平台中的参与数据（常日在票据、事宜和事宜记录中找到）与不雅观测数据（如监控系统和作业日志中的不雅观测数据）结合起来，须要从单独的IT数据中移除。
AIOps针对合并的IT数据履行全面的剖析和机器学习（ML）策略。
期望的结果是持续的洞察力，利用自动化产生持续的改进和修复。
AIOps可以被认为是核心IT功能的持续集成和支配（CI / CD）。

图1:Gartner对AIOPS平台的可视化

AIOps架构了三个不同的IT学科：做事管理、性能管理和自动化，以实现持续洞察和改进的目标。
AIOps是一个认可和一个游戏操持，在我们新的加速IT环境中，必须有一个新的方法，由大数据和机器学习的发展所承载。

什么驱动AIOps？

AIOps是一个足够新的IT平台。
AIOps是Gartner IT运营剖析（ITOA）的下一步发展。
它正在发展出几种影响IT运营的趋势和需求，个中包括：

·IT运营部门在手动管理根本架构方面碰着的困难。
当代IT环境包括托管云、非托管云、第三方做事、SaaS集成、移动等等，这里利用“根本举动步伐”这个术语不足准确。
传统食品管理繁芜性的方法在动态的、弹性的环境中不起浸染。
通过手动跟踪和管理这种繁芜性，人类的监督已经很难实现。
目前的IT Ops技能已经超出了人工管理的范围，而且在未来几年里只会变得更糟。

·IT Ops须要保留的数据量呈指数级增长。
性能监控正在产生指数级的大量事宜和警报，对付手工报告和剖析来说，处理会比较繁芜。

·根本举动步伐问题必须以不断提高的速率对此作出回应。
技能的“消费化”改变了用户对所有行业的期望。
对IT事宜的反应，无论是真实还是感知，都须要一个即时的回应，特殊是当问题真切影响到用户体验时。

·更多的打算能力正在移动到网络的边缘。
云根本架构和第三方做事的易用性已经授予业务线（LOB）功能来构建自己的IT办理方案和运用程序。
掌握和预算已经从IT的核心转移到边缘。
核心IT部门正在增加更多的打算能力（可以利用的）。

·开拓职员拥有更多的权力和影响力，但是核心IT部门仍旧负有任务。
DevOps和Agile正在迫使程序员在运用程序级承担更多的监控任务，但是IT生态系统整体运行状况以及运用程序、做事和根本架构之间的交互仍旧是核心的领域。
就像网络越来越繁芜一样， IT运营正在承担更多的任务，

AIOps的组成元素

AIOps承认，实行IT Ops的旧方法在由上述需求定义的新天下中将不起浸染。
与Gartner将IT运营管理（ITOM）和运用性能管理（APM）定义为魔力象限市场的办法一样，Gartner也可能为AIOps市场建立一个魔力象限。

AIOps平台由以下元素组成，如图2所示：

图2:构成AIOps平台的技能

·广泛而多样的IT数据源，包括当前伶仃的工具和IT规程，如事宜、指标、日志、事情数据、票据、监控等。

·一个大数据平台，汇总了它的历史剖析、实时反应和见地的数据。

·打算（打算）和剖析，使系统能够从现有的IT数据中天生新的数据和元数据。
打算和剖析也可以肃清噪音、识别模式或趋势，隔离可能的缘故原由，戳穿潜在的问题，并实现其他IT特定的目标。

·利用IT领域专业知识的算法能够适当和高效地智能运用打算和剖析，这取决于组织的数据及其预期结果。

·无监督机器学习，可以基于算法剖析和引入系统的新数据的输出自动变动或创建新的算法。

·可视化，以易于花费的办法向IT运营商供应见地和建议，以促进理解和行动。

·自动化，它利用剖析和机器学习产生的结果来自动创建和运用相应或改进识别的问题。

如上所述，AIOps平台应包含性能管理、做事管理、自动化和流程改进等IT技能，以及诸如监控、做事台、容量管理、云打算、SaaS、移动性、物联网等技能。

须要说的是，虽然AIOps代表了IT Ops的一个激进的出发点，但它并不是一个激进的剖析和机器学习的运用。
当股票经纪人从手动交易转移到机器交易时，类似的ML方法被履行。
Analytics和ML被用于社交媒体，例如Google Maps、Waze和Yelp等运用程序，以及Amazon和eBay等在线市场。
这些技能在实时相应动态变革条件和用户定制的环境中是可靠和广泛利用的。

IT Ops职员在适应类似AIOps的环境方面进展缓慢，由于出于必要，我们的事情一贯比较守旧。
IT运营部门的事情便是确保灯光持续亮起，并为组织运用程序的根本架构供应稳定性。
但是，由于上面列出的趋势，更多的IT运营商（特殊是企业中的）将须要在不久的将来履行AIOps计策和技能。