[[386146]]

 基礎(chǔ)設(shè)施與網(wǎng)絡(luò)層面發(fā)生的問題，必須以閃電般的速度加以解決，在理想情況下，最好能讓最終用戶或客戶完全感受不到問題的發(fā)生。而隨著全球經(jīng)濟(jì)體系乃至社會結(jié)構(gòu)的數(shù)字化轉(zhuǎn)型，對事件管理能力的需求也變得愈發(fā)緊迫。

但是，盡管現(xiàn)代應(yīng)用程序能夠快速響應(yīng)客戶需求，但其自身的更新與修復(fù)又提出了新的速度要求，同樣對基礎(chǔ)設(shè)施可靠性形成巨大壓力。一旦出現(xiàn)性能問題甚至數(shù)字服務(wù)中斷，對現(xiàn)代應(yīng)用程序造成的影響反而比傳統(tǒng)應(yīng)用更嚴(yán)重。

在管理基礎(chǔ)設(shè)施可靠性方面，選擇正確工具無疑是達(dá)成目標(biāo)的重要前提。對于站點可靠性工程師(SRE)及其他員工而言，相當(dāng)一部分云原生方法確實太過復(fù)雜、難以理解。因此，除了良好的可見性之外，他們還需要建立起判斷問題優(yōu)先級、迅速發(fā)現(xiàn)故障并加以解決的能力。

AIOps的意見也正在于此。隨著軟件與基礎(chǔ)設(shè)施資產(chǎn)的迅猛拓展，AIOps能夠自動檢測到環(huán)境中的異常、為團(tuán)隊提供必要的安全性加持，保證在問題擴(kuò)大化、復(fù)雜化之前及時將其解決。

值得注意的是，隨著應(yīng)用程序與基礎(chǔ)設(shè)施的蓬勃發(fā)展，AIOps也開始成為一種極為重要的站點可靠性工程工具。它能夠高效吸納觀察數(shù)據(jù)、參與數(shù)據(jù)以及來自第三方工具的數(shù)據(jù)，判斷系統(tǒng)運(yùn)行狀態(tài)并保證其處于最佳狀態(tài)。為了幫助團(tuán)隊識別并診斷問題，算法與機(jī)器學(xué)習(xí)工具隨后會被整合至數(shù)據(jù)之內(nèi)，借此充實關(guān)于現(xiàn)狀的情報，甚至有望自動高效地完成事件響應(yīng)。

著眼于現(xiàn)實場景，以下五種AIOps應(yīng)用方法值得關(guān)注：

方法一 檢測事件

這也是AIOps擴(kuò)展工具包的核心用例，幫助團(tuán)隊快速發(fā)現(xiàn)問題。AI與機(jī)器學(xué)習(xí)能夠自動梳理異常跡象，而后將學(xué)習(xí)結(jié)果用于觀察系統(tǒng)及基礎(chǔ)設(shè)施的運(yùn)行態(tài)勢。憑借這種自動性方法，AIOps能夠及時發(fā)現(xiàn)預(yù)警信號，幫助運(yùn)營團(tuán)隊在客戶體驗受到影響之前就及時介入。

方法二 減少及消除噪音

事件響應(yīng)當(dāng)中，警報疲勞一直是個大問題。警報的持續(xù)涌出往往令員工的神經(jīng)變得麻木，難以發(fā)現(xiàn)真正緊急的狀況。理想情況下，我們需要準(zhǔn)確判斷哪些警報優(yōu)先級較低、哪些警報彼此關(guān)聯(lián)。AIOps能夠關(guān)聯(lián)、精簡警報并確定其優(yōu)先級，借此消除警報疲勞問題、幫助團(tuán)隊高效處理對可靠性威脅最大的故障。

方法三 結(jié)合背景

突發(fā)事件往往非?；靵y，而且形勢也瞬息萬變。過多信息會導(dǎo)致團(tuán)隊迷失方向，為此必須為運(yùn)營人員提供背景信息，幫助他們找到正確的方向。AIOps能夠自動對事件做出映射，同時建立起全面了解。除了理解以外，背景信息在事件解決方面同樣有著重要作用。

方法四 提升智能化水平

AIOps是一種不斷發(fā)展的有效工具。過往經(jīng)驗、當(dāng)前使用方式以及用戶反饋等，共同為AIOps提供良好的訓(xùn)練數(shù)據(jù)，進(jìn)而幫助我們識別并預(yù)防以往曾經(jīng)發(fā)生或較為類似的問題。隨著信息的不斷積累，模型智能化程度將持續(xù)提升，最終提供更具針對性的關(guān)聯(lián)、洞見與建議。

方法五 整合數(shù)據(jù)、統(tǒng)一團(tuán)隊

任何來源的事件數(shù)據(jù)，都會與企業(yè)的現(xiàn)有事件管理工具及工作流集成在一處。輸入的數(shù)據(jù)越多，機(jī)器學(xué)習(xí)模型的訓(xùn)練度也就越高，產(chǎn)生有針對性、高實用度結(jié)果的幾率就更高。AIOps解決方案能夠吸納數(shù)據(jù)，通過背景信息豐富數(shù)據(jù)內(nèi)容，并將結(jié)果通報至相關(guān)團(tuán)隊或響應(yīng)人員手中，以供各個事件管理團(tuán)隊加以使用。以此為基礎(chǔ)，各團(tuán)隊將不必把時間浪費(fèi)在不同工具的往來切換當(dāng)中。

對于尚未開始使用AIOps的組織而言，這項工作聽起來似乎繁復(fù)無比。沒錯，AIOps確有一定門檻，但目前已經(jīng)有不少實踐標(biāo)準(zhǔn)能夠幫助我們較為輕松地跨過這些門檻。

首先，考慮最適合自身需求的用例?？s小思考范圍，從小處入手開始學(xué)習(xí)，并在測試中不斷成長。

其次，保證工作流程的透明化。人們天然會抵觸變化，所以大家必須破除迷團(tuán)、讓AIOps呈現(xiàn)出清晰明確的形象。

最后，為囊括AI及ML元素的新型IT運(yùn)營體系做好準(zhǔn)備。如今，采用AIOps技術(shù)支持運(yùn)營體系的組織越來越多，相信它也終將成為顛覆傳統(tǒng)運(yùn)營理念與運(yùn)營思維的主流解決方案。