有效利用AIOps解决方案的三大法则

　　据Gartner预测，到2022年，部署AIOps的大型企业将从如今不足5%，迅速提升到40%左右。不久的将来，许多企业将会利用AIOps进行业务运营和IT运维，取代如今的运维工具。你或许已经对“面向IT运营的人工智能”(AIOps)及其作用耳熟能详，但是这并不意味着一定能有效操作。究竟如何利用AIOps解决方案为企业创造价值呢?

　　提取AIOps价值的一个关键方面是数据。拥有一个能够支持各种数据类型并提供分析结果的平台是起步的关键。Gartner的《AIOps平台的市场指南》提供了相关最佳实践，指导企业如何通过AIOps平台轻松获取ROI。

　　1.首先关注数据获取

　　罗马不是一天建成的，有效的AI部署也不例外。AIOps的部署需要各种类型的数据：杂乱的机器数据和指标，以及用于充实分析的关系数据。这些不同类型的数据有助于我们创建涵盖各个数据孤岛的全面视角，制定针对特定情境和数据类型的有效行动方案。

　　但是有效且迅速地消化和分析所有数据并非易事。我们可以首先评估和分析原始历史机器和度量数据，以获得一个基本的了解，然后使用聚类算法和分析来识别趋势和模式。如果你真的希望实现实时监测，那原始数据就是最佳的数据类型。然后你就可以开始分析流动数据，查看其是否符合这些模式特征，利用机器学习所驱动的AI，引进自动化处理，最终引进预测分析。

　　2.尽可能获取和分析更多数据类型

　　正如俗语所说，历史往往会重演。因此，我们必须了解系统的历史状态，并将过往经验与现在关联，从而前瞻性地解决错误，避免停机事件，优化效率，这一点有着至关重要的作用。

　　为了实现这一点，组织必须向大家提供访问广泛历史数据和流动数据的机会。你所选择的数据类型——无论是日志数据、度量数据、文本数据、线数据还是社交媒体数据——都取决于你所需解决的问题。例如，你可以利用来自于基础设施的度量数据来监控容量，或应用程序日志，以确保为客户提供出色的服务体验。

　　以前很多AIOps平台仅关注单一的数据源。如果仅采用单一数据类型，则会限制您对系统行为的洞察——无论这些洞察了来自于IT管理员还是算法。因此，企业应选择能够获取和分析那些来源多样化数据的平台。

　　3. 抵制急于求成、一蹴而就的诱惑

　　在IT运营中应用AI并非易事。您所采取策略的最先侧重点应该是寻找最高优先级问题的根本原因。一旦完成这一环节，发现了问题的根本原因，即可进一步实施数据监控。而只有在完成这一步骤后，才是真正接近AI。但即便在此时，还需要按部就班的逐步推进：

　　首先，启用一个能够奠定有效基础的AIOps平台，以便组织整理大量数据，从而使你能够轻松采取措施，监控能够揭示模式的功能。

　　接下来，探究这些模式在帮助你预测事故并实现更具前瞻性的IT运营(使你不仅降低MTTR，还可减少对业务有负面影响的事件数量)方面究竟能发挥多大的作用。

　　最后，利用以机器学习驱动的根本原因分析，获得预测性决策的能力，在事件影响关键业务服务和客户体验之前，预先确定事件及其影响。

　　还想了解有关AIOps的更多信息吗?请进一步学习如何使用Splunk的AIOps平台，自动生成洞察，提高问题解决的速度。如需了解有关Gartner建议的更多信息，请查看Gartner的《AIOps平台的市场指南》一书。

　　关于作者

　　严立忠

　　Splunk公司中国区总经理

　　严立忠先生现任Splunk公司中国区总经理。在加入Splunk前，严先生成功地带领团队创立了国内第一家在新三板挂牌的移动信息安全公司。

　　严立忠先生在信息技术领域拥有丰富经验，1994年加入中国惠普有限公司，先后从事网络顾问、大客户经理、高级渠道销售经理等职，2002年加入Intel公司任亚太解决方案部战略合作总监，2005年开始任以色列Check Point网络安全软件公司中国区首席代表兼销售总经理，2008年加入Oracle公司，任中国区渠道总监，2013年初出任SAP大中华区平台渠道总经理。

　　严立忠先生在1991年毕业于上海理工大学计算机专业，后获得澳大利亚国立大学管理硕士学位。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。