Intellyx公司首席分析師Jason English曾表示過(guò)，混合IT帶來(lái)的復(fù)雜性、超高速交付以及自動(dòng)化等挑戰(zhàn)已經(jīng)卷起一股難以擺脫的事件與警告風(fēng)暴。而目前興起的AIOps平臺(tái)雖然遠(yuǎn)稱(chēng)不上完善，但已經(jīng)能夠?yàn)檎军c(diǎn)可靠性工程師(SRE)、運(yùn)營(yíng)人員以及開(kāi)發(fā)人員提供應(yīng)對(duì)這股風(fēng)暴的重要助力。

[[398573]]

David Lithicum在GIgaOm發(fā)表的《Key Criteria for AIOps》報(bào)告中寫(xiě)道，“這些AIOps工具全部圍繞數(shù)據(jù)展開(kāi)。”Lithicum強(qiáng)調(diào)，在系統(tǒng)監(jiān)控過(guò)程中，真正能夠暴露問(wèn)題的永遠(yuǎn)是數(shù)據(jù)。對(duì)于專(zhuān)門(mén)負(fù)責(zé)預(yù)測(cè)故障或其他潛在問(wèn)題/趨勢(shì)的解決方案，一切AI系統(tǒng)都必然高度依賴(lài)于模型訓(xùn)練階段的數(shù)據(jù)供應(yīng)。

那么，AIOps是如何運(yùn)作起效的?機(jī)器學(xué)習(xí)與人工(或應(yīng)用)智能又怎么使用數(shù)據(jù)幫助忙碌的SRE與DevOps團(tuán)隊(duì)優(yōu)化故障排查、解決實(shí)際問(wèn)題?下面我們就一起說(shuō)道說(shuō)道。

先來(lái)看幾條基本定義。

AI是什么?人工智能(AI)屬于以機(jī)器模擬人類(lèi)智能的技術(shù)的總稱(chēng)，而且絕不像大家想象中那么可怕。AI技術(shù)的目標(biāo)非常簡(jiǎn)單——讓軟件具有學(xué)習(xí)、反應(yīng)、發(fā)展、識(shí)別與自動(dòng)化能力。

機(jī)器學(xué)習(xí)是什么?機(jī)器學(xué)習(xí)(ML)算法是在數(shù)據(jù)集上訓(xùn)練而成的。這些算法能夠通過(guò)經(jīng)驗(yàn)與“學(xué)習(xí)”實(shí)現(xiàn)自我調(diào)整以改善輸出結(jié)果。機(jī)器學(xué)習(xí)算法往往能夠從數(shù)據(jù)當(dāng)中發(fā)現(xiàn)人類(lèi)永遠(yuǎn)意識(shí)不到的未知數(shù)值、模式與連接。例如，在AIOps當(dāng)中，機(jī)器學(xué)習(xí)能夠顯著增強(qiáng)事件響應(yīng)能力。機(jī)器學(xué)習(xí)屬于人工智能定義下的一個(gè)子集。

AIOps如何起效?

要理解AIOps的工作原理，我們先來(lái)看一個(gè)大多數(shù)開(kāi)發(fā)團(tuán)隊(duì)可能都非常熟悉的示例。

在當(dāng)今高度復(fù)雜的系統(tǒng)當(dāng)中，無(wú)數(shù)團(tuán)隊(duì)往往被快速淹沒(méi)在未知變量與警報(bào)噪聲當(dāng)中。開(kāi)發(fā)者與工程師們一次又一次陷入信息泥潭，而且基本不可能逐一排查每一項(xiàng)警報(bào)、每一個(gè)事件。由此引發(fā)的警報(bào)疲勞，也導(dǎo)致真正緊急的警報(bào)遭到埋沒(méi)和忽略。

我們不可能調(diào)遣一位擁有20年經(jīng)驗(yàn)的優(yōu)秀工程師專(zhuān)職篩查警報(bào)內(nèi)容，這實(shí)在是對(duì)人才的嚴(yán)重浪費(fèi)。這時(shí)候，就輪到AIOps出場(chǎng)了。

AIOps是一種新型工具，能夠?qū)I與機(jī)器學(xué)習(xí)的強(qiáng)大能力引入遙測(cè)數(shù)據(jù)，借此幫助團(tuán)隊(duì)快速評(píng)估數(shù)據(jù)內(nèi)容、采取應(yīng)對(duì)行動(dòng)并減少人力勞動(dòng)需求。

簡(jiǎn)而言之，AIOps的主要負(fù)責(zé)在于數(shù)據(jù)智能與數(shù)據(jù)充實(shí)。它無(wú)法取代開(kāi)發(fā)者角色;相反，它是要把寶貴的時(shí)間節(jié)約下來(lái)，提高信息的可觀察性，最終協(xié)助開(kāi)發(fā)者打造出更完美的成品。

AIOps與其他監(jiān)控工具間的區(qū)別

AIOps能夠?yàn)镈evOps及站點(diǎn)可靠性工程團(tuán)隊(duì)提供豐富的洞見(jiàn)與自動(dòng)化支持，幫助他們快速發(fā)現(xiàn)并解決問(wèn)題。

其中智能要素的存在，正是AIOps平臺(tái)與其他監(jiān)控工具間的核心區(qū)別。也正是這一關(guān)鍵因素，讓AIOps得以在現(xiàn)代工作場(chǎng)景下發(fā)揮出重要作用。

大多數(shù)企業(yè)已經(jīng)意識(shí)到自身生產(chǎn)系統(tǒng)復(fù)雜性的快速提升。此外，軟件功能的極大豐富也釋放出新的增長(zhǎng)機(jī)會(huì)，開(kāi)始在增強(qiáng)客戶(hù)體驗(yàn)、壓制競(jìng)爭(zhēng)對(duì)手方面扮演更為重要的角色。為此，開(kāi)發(fā)人員不得不承受起巨大的壓力，在創(chuàng)紀(jì)錄的極短時(shí)間內(nèi)無(wú)差錯(cuò)部署軟件以快速解決未來(lái)事件。

機(jī)器學(xué)習(xí)與AI能夠?yàn)榇鼒F(tuán)隊(duì)提供必要支持，幫助他們?cè)诳旃?jié)奏的環(huán)境中發(fā)現(xiàn)問(wèn)題、確定問(wèn)題優(yōu)先級(jí)并快速實(shí)施故障排查與補(bǔ)救。AIOps平臺(tái)還增強(qiáng)了現(xiàn)有事件管理團(tuán)隊(duì)及工作流程的運(yùn)作方式，縮短了平均解決時(shí)間(MTTR)、降低人力勞動(dòng)量，最終給員工及最終用戶(hù)帶來(lái)更好的體驗(yàn)。

實(shí)踐中的AIOps

AIOps的價(jià)值當(dāng)然不會(huì)僅限于噪聲篩選。下面來(lái)看AIOps工具使用AI、機(jī)器學(xué)習(xí)與自動(dòng)化技術(shù)增強(qiáng)事件響應(yīng)流程的三種可行方式：

• 第一，主動(dòng)異常檢測(cè)：AIOps工具可自動(dòng)檢測(cè)環(huán)境中的異常，并觸發(fā)其他監(jiān)控解決方案及團(tuán)隊(duì)協(xié)作工具，例如Slack，通知以幫助開(kāi)發(fā)者找出未知變量。
• 第二，事件關(guān)聯(lián)與充實(shí)：AIOps工具能夠?qū)⑾嚓P(guān)警報(bào)、事件與對(duì)應(yīng)優(yōu)先級(jí)關(guān)聯(lián)起來(lái)，幫助我們快速關(guān)注最核心的問(wèn)題;此外，AIOps還可利用歷史數(shù)據(jù)或棧內(nèi)其他工具的上下文信息對(duì)警報(bào)、事件進(jìn)行充實(shí)，引導(dǎo)團(tuán)隊(duì)高效發(fā)現(xiàn)根本原因。目前最先進(jìn)的AIOps工具已經(jīng)能夠使用機(jī)器生成，基于時(shí)間的聚類(lèi)、相似性算法及其他機(jī)器學(xué)習(xí)模型與人工生成的決策增強(qiáng)相關(guān)邏輯，幫助用戶(hù)自動(dòng)排除異常噪聲或低優(yōu)先級(jí)警報(bào)。
• 第三，智能警報(bào)與通報(bào)：AIOps工具能夠自動(dòng)將事件數(shù)據(jù)路由至相應(yīng)的事件響應(yīng)個(gè)人或團(tuán)隊(duì)處，借此節(jié)約寶貴時(shí)間。特別是面對(duì)分布較為分散的自助服務(wù)團(tuán)隊(duì)而言，這種方式能夠極大減少成員接收到的噪聲警報(bào)數(shù)量、加快關(guān)鍵事件的數(shù)據(jù)發(fā)送效率，最終降低工作量。

AIOps工具運(yùn)行機(jī)器學(xué)習(xí)以評(píng)估事件管理與監(jiān)控工具中的數(shù)據(jù)，并結(jié)合以往類(lèi)似情況將問(wèn)題移交給相應(yīng)職能個(gè)人/團(tuán)隊(duì)或?qū)ｉT(mén)的技術(shù)專(zhuān)家。

小結(jié)

積極擁抱AIOps，SRE與DevOps團(tuán)隊(duì)有望更深入地了解造成問(wèn)題的根本原因、快速加以緩解、降低警報(bào)疲勞，保證團(tuán)隊(duì)能夠?qū)⒕性谧罹邇r(jià)值的工作——創(chuàng)造性與戰(zhàn)略性思考當(dāng)中。