Date: Februari 23, 2017
Ini adalah posting kedua dalam dua bagian seri menyoroti bagaimana AIOps berubah itu optimasi kinerja. Bagian 1 menjelaskan prinsip-prinsip dasar dari AIOps. Teks asli dari seri ini muncul dalam sebuah artikel tentang manajemen informasi. Di sini kita melihat persyaratan bisnis mengemudi tren untuk AIOps.
Mengapa bisnis perlu AIOps?
IT Pro bergerak lebih dari aplikasi bisnis penting mereka ke dalam lingkungan virtual. Sebagai akibatnya, menemukan akar penyebab masalah kinerja aplikasi lebih rumit dari sebelumnya. Manajer TI harus menemukan masalah dalam web kompleks VM aplikasi, perangkat penyimpanan, perangkat jaringan dan layanan. Komponen ini yang terhubung dalam cara-cara yang tidak selalu mengerti.
Sering kali, komponen VMware atau lingkungan virtual lain saling bergantung dan terkait. Ketika seorang manajer TI beban kerja yang bergerak atau membuat perubahan ke salah satu komponen, mereka menyebabkan masalah di beberapa komponen lain tanpa sepengetahuan mereka. Jika komponen yang berbeda disebut Silo (jaringan, infrastruktur, aplikasi, Penyimpanan, dll), IT Pro memiliki bahkan lebih kesulitan mencari tahu penyebab sebenarnya dari masalah.
Terlalu banyak alat-alat yang diperlukan untuk menemukan akar penyebab masalah kinerja
Proses mengkorelasikan masalah kinerja TI untuk penyebabnya akar sulit, jika tidak mustahil bagi tokoh TI. Menurut terbaru SIOS laporan, 78 persen dari profesional TI menggunakan beberapa alat untuk mengidentifikasi penyebab masalah kinerja aplikasi di VMware. Sebagai contoh, mereka menggunakan alat seperti aplikasi pemantauan, pelaporan dan infrastruktur analisis.
Sering kali, ketika dihadapkan dengan masalah, itu merakit sebuah tim dengan wakil-wakil dari setiap IT silo atau bidang keahlian. Setiap anggota tim menggunakan nya atau diagnostik sendiri alat dan memandang masalah perspektif silo khusus mereka sendiri. Selanjutnya, anggota tim Bandingkan hasil individu analisis mengidentifikasi elemen umum. Sering, proses ini sangat manual. Mereka melihat perubahan dalam infrastruktur yang muncul dalam beberapa analisis dalam rangka masa yang sama. Sebagai hasilnya, departemen TI adalah membuang lebih dan lebih dari anggaran mereka pada pekerjaan manual dan tidak akurat trial-error dan inefisiensi.
Untuk memecahkan masalah ini dan mengurangi wasted time, mereka menggunakan pendekatan AIOPs. AIOps berlaku kecerdasan buatan (yaitu, pembelajaran mesin, dalam pembelajaran) untuk mengotomatisasi pemecahan masalah. Tren AIOPs adalah perubahan penting jauh dari tradisional pendekatan berbasis ambang batas yang mengukur kualitas individu (pemanfaatan CPU, latency, dll) untuk pendekatan data-driven lebih holistik. Oleh karena itu, manajer TI yang menggunakan perangkat analisis untuk menganalisis data di Silo infrastruktur secara real-time. Mereka menggunakan maju dalam pembelajaran dan mesin belajar perangkat analisis yang belajar pola-pola perilaku antara komponen yang saling bergantung dari waktu ke waktu. Sebagai akibatnya, mereka dapat secara otomatis mengidentifikasi perilaku antara komponen yang mungkin mengindikasikan masalah. Lebih penting lagi, mereka secara otomatis merekomendasikan langkah-langkah khusus untuk mengatasi masalah.
Apa berikutnya untuk AIOps?
IT lingkungan virtual yang menciptakan volume besar data dan tingkat kompleksitas yang belum pernah terjadi sebelumnya. Sebagai akibatnya, manajer TI tidak dapat mengelola lingkungan ini secara efektif dengan metode tradisional, manual. Selama beberapa tahun berikutnya, profesi itu akan dengan cepat bergerak dari pendekatan ilmu komputer tradisional ke modern "data ilmu" pendekatan AIOPs. Untuk tim TI, ini berarti merangkul solusi analisis berbasis pembelajaran mesin, dan memahami bagaimana untuk menggunakannya untuk memecahkan masalah secara efisien dan efektif. Akhirnya, eksekutif harus bekerja dengan Departemen IT mereka untuk mengidentifikasi ke platform AIOps yang tepat untuk bisnis mereka.
Baca bagian 1