AIOps 和可观察性如何帮助 IT

AIOps 可观察性可帮助 IT 减少停机时间、提高应用程序性能并让客户满意。

2016 年，Gartner 创造了首字母缩写词 AIOps（用于 IT 运营的人工智能），但在此之前几年，IT 专业人员已经听说并体验了自主计算的元素。这种自动化技术使大型机和服务器能够做出自动和自适应的决策和调整，以便它们能够响应嵌入在其运营中的传感器向它们提供的性能信息。

引入 AIOps 可观察性

无论是 AIOps 还是自主计算，目标始终是协助 IT 监控和调整性能，以便充分利用计算机化资产并为业务提供优化的技术。 IT 看好 AIOps，从现在到 2026 年 AIOps 解决方案的预测复合年增长率为 21.05%。

那么，是什么让 AIOps 成为如此引人注目的价值主张呢？

对于过度劳累的系统程序员、网络管理员和软件开发人员，AIOps 可以从海量日常警报和潜在性能问题中发现最紧迫的问题，这些问题可能需要也可能不需要立即关注和解决。由于企业 IT 部门必须管理的孤立系统的数量，这些警报来自各处。有时，这些改变会产生比帮助更分散注意力的噪音。

AIOps 有助于解决与事件或中断真正相关的关键条件的这种不和谐的警报。它这样做是因为它使用人工智能和机器学习来跟踪组织 IT 基础设施的元素和动态，并了解什么是正常的，什么是存在问题的。有了这些知识，AIOps 可以像早期的系统方法一样识别和发出警报。然而，今天的 AIops 的独特之处在于，运营监控中包含的 AI 现在将 AIOps 带入了基础设施可观察性领域。

可观察性对 IT 来说是一个不同的因素，因为它能够将从 IT 基础设施收集的上下文信息与人工智能和自动化相结合，而不是仅仅从 IT 必须单独评估和排除故障的单个系统组件发出独立警报。借助包括基础架构知识和问题检测在内的更全面的 IT 基础架构评估方法，AIOps 可观察性使用 IT 指标、日志和跟踪，并针对修复提出诊断建议，IT 可以使用这些建议来加快解决问题的时间。

了解可观察性

在实践中，AIOps 可观察性平台可以集成应用程序流经的各种系统、数据和网络。在混合计算环境中，这可能意味着遍历通过云以及本地资源的应用程序工作流。如果性能下降，任何一个或所有这些资源都可能发出警报。如果没有 AIOpsobservability，IT 会发现自己评估来自许多系统模块和元素的大量传入警报，而没有有效的方法将警报“噪音”与问题的根本原因分开。这种鹅追逐延长了系统停机时间和性能问题。它会造成不满意的用户和客户，平均每分钟会给公司带来 5,600 美元的损失。

AIops 可观察性如何解决停机时间和性能问题

例如，如果 AIOps 软件了解您的 IT 基础架构的动态和运营环境，它可以快速从东海岸的现场服务分支机构中发现异常活动，该分支机构通常在周末关闭，但在星期六突然出现活动激增。

AIOps 可以检测您网络上的服务器或路由器是否处于或接近容量状态，以及对于特定情况（例如一天中最繁忙的处理时间或由于电子商务促销导致的高峰不活动），过度的容量利用率是否正常.

在应用程序测试领域，多个虚拟系统被启动进行测试，但在工作完成后可能会被遗忘，可观察性可以识别这些闲置资产，以便将它们释放。

在混合云环境中，AIOps 可观察性可以实时通知应用程序开发人员，如果端到端应用程序工作流中某处出现阻塞导致性能下降。

结果是 IT 运行得更好，应用程序更快地交付给企业，停机时间也减少了。

可观察性状态

也就是说，AIOps 可观察性在许多组织中仍处于部署的早期阶段。

一个挑战是，并非所有 IT 部门都完全理解可观察性（一个有点模糊的词）的含义。相反，如果可观察性被理解为由 AI 和机器学习促进的“知情观察”，那么该技术的吸收速度可能会更快，其价值就会解锁。

担任 CIO 20 多年，我确实知道两件事：

首先，CIO 和 IT 讨厌停机时间，他们在寻找涉及多个系统的复杂应用程序中出了什么问题的同时，还必须安抚用户、客户和管理层的情绪。

其次，如果我们能像1981年那样结束那些在2021年继续发生的马拉松式“作战室”会议，那么相互指责就会减少，员工士气就会提高。 AIOps 可观察性将更好地为所有相关人员（从 DBA 到应用程序开发人员再到系统程序员）提供可操作的单一事实版本。