有关AIOps的6个误解和说明
发布时间：2021-06-10 13:50:19 所属栏目：大数据 来源：互联网
导读：究竟什么是AIOps?IT领导者需要了解有关AIOps的常见误解，特别是了解对于AIOps方法为何符合或不符合目标的解释。 你认为DevOps很难理解吗?可以先了解AIOps。调研机构Gartner公司于5年前首次创造了这个术语，AIOps的含义如今已从Algorithmic IT Operations(基
|
在这样做的同时，就会发现监控设置中的一些盲点，并提高工作的可视性和运营能力。在遇到障碍之后，人工设置警报阈值不再起作用，那么现在是使用新工具的时候了。
了解局限性始终是改进的第一步，因此，AIOps的旅程始于收集数据并理解这些数据。如果人工智能研究人员涉足新领域，那么要做的第一件事就是进行探索性数据分析(EDA)。这包括了解数据特征，例如什么是列名，什么是值以及什么是语义场景。
同样，AIOps工作的第一步将是确保组织可以轻松地收集和访问所有运营数据，并且能够将其可视化。这不仅意味着当前的数据，也意味着历史数据。
只有在这样做之后，才能开始下一步旅程，尝试寻找新的信号和见解，并将其投入自动化的行动中。
3. AIOps是一种文化的转变
有些人将AIOps看作是运营中的一种文化变革，就像DevOps运动因相关的文化变革而闻名一样。DevOps结合了开发和运营团队的两种文化思想，创造出一种以速度和试验为特征的新文化。如今，人们理所当然地认为DevOps专业人员同时使用开发人员和运营工具集中的工具。将会看到诸如统一的基础设施或应用程序开发团队之类的东西为运行其代码提供了服务水平指标(SLI)。
现在，可以将数据科学家角色添加到组合中，将会获得AIOps。换句话说，使用探索性数据分析(EDA)之类的方法或Jupyter Notebooks之类的工具来使组织的卓越运营变得更好，这将推动更多的IT专业人员进入AIOps领域。
人工智能/机器学习的社区实际上也是如此，它仍然与部署模型的运营方面脱节。如果数据科学家变得更像人工智能工程师并且接受和理解DevOps的优势和挑战，那又会怎样?然后随着时间的推移，人们会将注意力转移到IT领域的问题上：很有趣的是，采用人工智能技术，在识别有关猫的图片方面可能比人类还要强大，但识别坏硬盘方面对于人工智能技术来说仍然是一个挑战。
4.整合成为首要事项
因此，如果AIOps不是一种产品，那么将在哪里产生?一旦发现数据集之间存在某种关联，或者多次发生中断，就希望AIOps自动执行某些运行或指导如何解决中断问题。
而这个“魔法”发生在工具之间的结构中。它可以体现在零售价格较小的连接层中，例如聊天机器人为用户提供了到相关系统的链接，从而使从指标仪表板跳转到调试控制台变得更加容易。
但是关联如果不是因果关系，即使使用AIOps工具找到了两组指标之间的相关性，仍然需要对其进行验证，并决定将来是否要对它采取行动。或者，相关性可以帮助确定中断的原因。
一切都是为了更好地理解和管理设置的复杂性，然后集成自动化的帮助程序和操作。
（编辑：惠州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
