关于“AIOps”智能运维，这篇最透彻！

正文

请到「今天看啥」查看全文

2. AIOps的层次划分和能力

根据Gartner的定义，AIOps产品或平台应包含下图所示的层级：

• 数据层

• 大数据层
  

• 计算层：

• 分析层：

• 算法层

• 机器学习层

• 可视化层

AIOps应拥有以下能力：

数据提取

AIOps 从各种来源收集各种类型的数据。这可能包括关于错误、日志、性能警报和工单数据。从最不同的数据源摄取数据的能力至关重要。

自动发现

IT环境，尤其是到了云环境，一直是一个动态的过程，企业需要自动发现的能力。 AIOps 能自动收集标识所有基础设施设备、正在运行的应用程序和的业务数据。

相关性关联

AIOps平台应该将数据以关联起来，确定基础设施、应用程序、业务之间的关系。

可视化展现

AIOps 端到端关联过程完成后，需要可视化数据，可视化非常重要，可视化之后IT运维能快速查明问题并采取纠正措施。

自动化

自动化是AIOps的一个关键组成部分，因为它向用户交付了最终的ROI。通过自动化IT运维任务，可以减少运维成本，加速创新，降低MTTR，提高满意度。

预测

找到问题的根源是关键，但确定重复出现的事件及预测未来可能发生的事件更为关键。AIOps使用机器学习来确定时间序列中事件的模式，从而预期行为和阈值检测异常，并预测中断和性能问题。

3. 云使IT环境更复杂，使用AIOps只是时间问题

随着云的普及，IT环境表现出三个特征：

• 规模更大，产生的数据更多。

• 动态，云的弹性决定了IT环境是不断变化的。

• 更复杂，从主机层面有物理机，虚拟机，云主机，容器等，从形态上有私有云、公有云、混合云等。

越来越多的数据，复杂环境频繁的警报，大量重复工作，要求提升自动化水平，AIOps是解决这些问题的利器，使用AIOps只是时间问题。

2

请到「今天看啥」查看全文