?用于運(yùn)營(yíng)的AI（或者說(shuō)AIOps平臺(tái)）是向下一代網(wǎng)絡(luò)提供可見(jiàn)性、洞察力和自動(dòng)化的智能方式。由于分布式計(jì)算、遠(yuǎn)程用戶的激增以及大規(guī)模下一代網(wǎng)絡(luò)架構(gòu)中存在的大量軟件抽象層，監(jiān)控和保護(hù)網(wǎng)絡(luò)現(xiàn)在比以往任何時(shí)候都更具挑戰(zhàn)性。

網(wǎng)絡(luò)專業(yè)人員無(wú)法再有效地使用手動(dòng)工具來(lái)監(jiān)控現(xiàn)代網(wǎng)絡(luò)的性能、網(wǎng)絡(luò)安全和其他網(wǎng)絡(luò)管理領(lǐng)域。而應(yīng)該使用預(yù)測(cè)性AIOps工具，這些工具梳理大量網(wǎng)絡(luò)數(shù)據(jù)，確定正常行為并解決可能出現(xiàn)的問(wèn)題。

理解和監(jiān)控“正?！本W(wǎng)絡(luò)行為

網(wǎng)絡(luò)運(yùn)營(yíng) (NetOps) 專業(yè)人員通常會(huì)花很長(zhǎng)時(shí)間來(lái)嘗試了解流經(jīng)企業(yè)網(wǎng)絡(luò)的各種應(yīng)用程序和服務(wù)的網(wǎng)絡(luò)流量，這可能是數(shù)月甚至數(shù)年的時(shí)間。NetOps專業(yè)人員使用這些知識(shí)以及網(wǎng)絡(luò)可觀察性工具來(lái)識(shí)別流量何時(shí)偏離規(guī)范，這表明與性能或網(wǎng)絡(luò)安全相關(guān)的異常，企業(yè)需要特別注意。

在現(xiàn)代網(wǎng)絡(luò)中，這種手動(dòng)基線方法存在很明顯的問(wèn)題。一方面，企業(yè)現(xiàn)在比以往任何時(shí)候都更加依賴技術(shù)?；旌匣A(chǔ)架構(gòu)以更快的速度添加、刪除和分發(fā)新系統(tǒng)，這使得NetOps團(tuán)隊(duì)幾乎無(wú)法跟上。

其次，當(dāng)經(jīng)驗(yàn)豐富的NetOps專業(yè)人員離開(kāi)企業(yè)時(shí)，他們的知識(shí)也會(huì)隨之離開(kāi)。新員工通過(guò)學(xué)習(xí)曲線了解正確與不正確的流量流。失去知識(shí)淵博的員工和等待新員工發(fā)展技能之間的時(shí)間差可能會(huì)使企業(yè)面臨重大風(fēng)險(xiǎn)。

機(jī)器學(xué)習(xí)和人工智能在下一代網(wǎng)絡(luò)管理中的好處在于，與人類員工不同，它們永遠(yuǎn)不會(huì)離開(kāi)。AIOps平臺(tái)以更快的速度學(xué)習(xí)網(wǎng)絡(luò)流量基線行為。此外，這些平臺(tái)會(huì)自動(dòng)檢測(cè)網(wǎng)絡(luò)架構(gòu)的添加或更改，并在很短的時(shí)間內(nèi)重建網(wǎng)絡(luò)流量基線，而這里需要的時(shí)間比使用手動(dòng)流程所花費(fèi)的時(shí)間短得多。

分析網(wǎng)絡(luò)狀況數(shù)據(jù)

手動(dòng)操作的另一個(gè)問(wèn)題是識(shí)別和修復(fù)與性能及安全相關(guān)的問(wèn)題的速度。即使網(wǎng)絡(luò)專業(yè)人員了解關(guān)鍵業(yè)務(wù)應(yīng)用程序的流量，傳統(tǒng)的手動(dòng)工具和流程也太慢。

對(duì)技術(shù)的日益依賴以及由于網(wǎng)絡(luò)安全威脅導(dǎo)致的數(shù)據(jù)被盜、丟失或中斷的風(fēng)險(xiǎn)不斷增加，使得網(wǎng)絡(luò)及其支持的應(yīng)用程序和系統(tǒng)處于不斷變化的狀態(tài)。網(wǎng)絡(luò)專業(yè)人員可以從大型現(xiàn)代網(wǎng)絡(luò)基礎(chǔ)設(shè)施的各個(gè)部分提取流式網(wǎng)絡(luò)遙測(cè)數(shù)據(jù)。但是，面對(duì)這么多需要分析的數(shù)據(jù)，人類現(xiàn)在需要人工智能來(lái)理解這一切。

發(fā)現(xiàn)問(wèn)題并提供建議

由于要分析的網(wǎng)絡(luò)健康數(shù)據(jù)量增加，性能和安全警報(bào)的數(shù)量也在增加。網(wǎng)絡(luò)團(tuán)隊(duì)必須首先對(duì)這些警報(bào)進(jìn)行分類和優(yōu)先級(jí)排序，然后進(jìn)行故障排除以找到根本原因并采取補(bǔ)救措施。

網(wǎng)絡(luò)管理員通常需要幾天或幾周的時(shí)間來(lái)確定根本原因，并手動(dòng)排除單個(gè)性能或安全警報(bào)；找到解決問(wèn)題的可行方法也可能需要大量時(shí)間。這就是AIOps平臺(tái)大放異彩的地方。這些工具對(duì)網(wǎng)絡(luò)問(wèn)題進(jìn)行警報(bào)、分類和優(yōu)先級(jí)排序，以及查明問(wèn)題發(fā)生的位置并推薦解決問(wèn)題的方法。

預(yù)測(cè)分析的力量

AIOps平臺(tái)正在發(fā)展到可以幫助預(yù)測(cè)與性能相關(guān)的問(wèn)題，并建議在問(wèn)題惡化和阻礙業(yè)務(wù)運(yùn)營(yíng)之前解決問(wèn)題的步驟。雖然關(guān)于網(wǎng)絡(luò)團(tuán)隊(duì)?wèi)?yīng)該使用預(yù)測(cè)分析工具的水平存在大量炒作，但在大型復(fù)雜環(huán)境中工作的決策者和網(wǎng)絡(luò)專業(yè)人員應(yīng)該密切關(guān)注AIOps。