Date: 23 2 月, 2017
這是在突出顯示 AIOps 如何改變它的性能優化的兩部分系列的第二個職位。 第 1 部分解釋了 AIOps 的基本原則。 這一系列的原始文本出現在資訊管理上的一篇文章。 在這裡我們看看趨勢推向 AIOps 的業務需求。
企業為何需要 AIOps？
IT 專業人員將更多的他們的業務關鍵型應用程式移動到虛擬化環境。 因此，找到應用程式性能問題的根本原因是比以往更為複雜。 IT 經理們不得不找一個複雜網路的虛擬機器應用程式、 存放裝置、 網路設備和服務的問題。 它總是不能理解的方式連接這些元件。
通常情況下，元件的 VMware 或其他虛擬環境相互依存，交織在一起。 當 IT 經理移動工作負載，或對一個元件進行了更改時，他們會在不知情的情況下的幾個其他元件中造成問題。 如果元件在不同所謂筒倉 （網路、 基礎設施、 應用程式、 存儲等），IT 專業人員有更多的麻煩，找出問題的真正原因。
找出性能問題的根本原因所需的工具太多
相關 IT 性能問題的根源的過程是困難的如果 IT 領導人不是不可能的。 根據最近處代理處長報告，78%的 IT 專業人員正在使用多個工具來確定 VMware 應用程式性能問題的原因。 例如，他們利用工具，如監視、 報告和基礎結構分析中的應用。
通常情況下，當面對一個問題，它組建了一個團隊與代表從每個 IT 筒倉或專業領域。 每個團隊成員使用他或她自己的診斷工具和自己筒倉特有的視角看問題。 接下來，團隊成員比較各自的結果分析識別常見的元素。 通常情況下，這一過程是手動的高度。 他們看著在基礎結構中顯示在相同的時間框架中的幾個分析的變化。 結果，IT 部門在手動工作和效率低下的問題不准確審判錯誤上浪費越來越多的他們的預算。
為了解決這一問題，減少時間的浪費，他們使用的 AIOPs 方法。 AIOps 適用于人工智慧 （即機器學習、 深度學習） 來自動解決問題。 AIOPs 趨勢是一個重要的轉變，從傳統的基於閾值的方法，衡量個人素質 （CPU 利用率、 延遲等） 到更全面的資料驅動的方法。 因此，IT 經理們正在利用分析工具來分析跨的基礎設施筒倉的即時資料。 他們使用先進的深度學習和機器學習學習之間相互依賴的元件，隨著時間的推移的行為模式的分析工具。 因此，他們可以自動識別可能表明有問題的元件之間的行為。 更重要的是，他們會自動建議解決問題的具體步驟。
AIOps 的下一步是什麼？
虛擬 IT 環境都在創造巨大的資料量和複雜性前所未有的水準。 因此，IT 經理們不能管理這些環境有效地與傳統的手動方法。 在未來的幾年中，IT 行業將迅速移動從傳統電腦科學的方法到現代"科學資料"AIOPs 方法。 為 IT 團隊，這意味著擁抱機器學習基於分析解決方案，並瞭解如何使用它來解決問題，切實有效地。 最後，高管需要工作與 IT 部門向適當的 AIOps 平臺，為他們的業務標識。
閱讀第 1 部分