Date: 2月 23, 2017
这是在突出显示 AIOps 如何改变它的性能优化的两部分系列的第二个职位。 第 1 部分解释了 AIOps 的基本原则。 这一系列的原始文本出现在信息管理上的一篇文章。 在这里我们看看趋势推向 AIOps 的业务需求。
企业为何需要 AIOps？
IT 专业人员将更多的他们的业务关键型应用程序移动到虚拟化环境。 因此，找到应用程序性能问题的根本原因是比以往更为复杂。 IT 经理们不得不找一个复杂网络的虚拟机应用程序、 存储设备、 网络设备和服务的问题。 它总是不能理解的方式连接这些组件。
通常情况下，组件的 VMware 或其他虚拟环境相互依存，交织在一起。 当 IT 经理移动工作负载，或对一个组件进行了更改时，他们会在不知情的情况下的几个其他组件中造成问题。 如果组件在不同所谓筒仓 （网络、 基础设施、 应用程序、 存储等），IT 专业人员有更多的麻烦，找出问题的真正原因。
找出性能问题的根本原因所需的工具太多
相关 IT 性能问题的根源的过程是困难的如果 IT 领导人不是不可能的。 根据最近处代理处长报告，78%的 IT 专业人员正在使用多个工具来确定 VMware 应用程序性能问题的原因。 例如，他们利用工具，如监视、 报告和基础结构分析中的应用。
通常情况下，当面对一个问题，它组建了一个团队与代表从每个 IT 筒仓或专业领域。 每个团队成员使用他或她自己的诊断工具和自己筒仓特有的视角看问题。 接下来，团队成员比较各自的结果分析识别常见的元素。 通常情况下，这一过程是手动的高度。 他们看着在基础结构中显示在相同的时间框架中的几个分析的变化。 结果，IT 部门在手动工作和效率低下的问题不准确审判错误上浪费越来越多的他们的预算。
为了解决这一问题，减少时间的浪费，他们使用的 AIOPs 方法。 AIOps 适用于人工智能 （即机器学习、 深度学习） 来自动解决问题。 AIOPs 趋势是一个重要的转变，从传统的基于阈值的方法，衡量个人素质 （CPU 利用率、 延迟等） 到更全面的数据驱动的方法。 因此，IT 经理们正在利用分析工具来分析跨的基础设施筒仓的实时数据。 他们使用先进的深度学习和机器学习学习之间相互依赖的组件，随着时间的推移的行为模式的分析工具。 因此，他们可以自动识别可能表明有问题的组件之间的行为。 更重要的是，他们会自动建议解决问题的具体步骤。
AIOps 的下一步是什么？
虚拟 IT 环境都在创造巨大的数据量和复杂性前所未有的水平。 因此，IT 经理们不能管理这些环境有效地与传统的手动方法。 在未来的几年中，IT 行业将迅速移动从传统计算机科学的方法到现代"科学数据"AIOPs 方法。 为 IT 团队，这意味着拥抱机器学习基于分析解决方案，并了解如何使用它来解决问题，切实有效地。 最后，高管需要工作与 IT 部门向适当的 AIOps 平台，为他们的业务标识。
阅读第 1 部分