為什么AIOps工具最終可以為云計(jì)算注入新的活力

[]AIOps工具在IT領(lǐng)域具有廣闊的應(yīng)用前景，但是云技術(shù)是AIOps有望提供最大收益的領(lǐng)域之一。

在這一點(diǎn)上，云計(jì)算在IT行業(yè)中已經(jīng)是成熟的領(lǐng)域，甚至有人說(shuō)這很無(wú)聊。云中的創(chuàng)新已經(jīng)放慢了腳步，很難想象我們?cè)谠浦袠?gòu)建或管理應(yīng)用程序方面將采取許多革命性的步驟。話雖這么說(shuō)，如果我不得不選擇一個(gè)準(zhǔn)備在不久的將來(lái)在云中進(jìn)行重大變革的概念，那么我會(huì)把錢花在AIOps和AIOps工具上。

盡管AIOps的影響絕不僅限于云，但AIOps是目前為數(shù)不多的破壞我們與云基礎(chǔ)架構(gòu)交互方式的力量之一。您需要了解有關(guān)AIOps以及AIOps工具和平臺(tái)在未來(lái)可能扮演的角色。

定義AIOps
AIOps是Gartner在2016年創(chuàng)造的一個(gè)術(shù)語(yǔ)，是指人工智能在IT運(yùn)營(yíng)工作中的應(yīng)用?；続IOps涉及使用AI來(lái)幫助解釋或分析IT環(huán)境中的數(shù)據(jù)。更高級(jí)的AIOps用例集中于利用AI 自動(dòng)執(zhí)行員工傳統(tǒng)上必須手動(dòng)執(zhí)行的IT管理任務(wù)（例如，重新啟動(dòng)故障服務(wù)器或更新防火墻規(guī)則以響應(yīng)新檢測(cè)到的威脅）。

AIOps概念在該術(shù)語(yǔ)發(fā)明之前就已經(jīng)存在。實(shí)際上，如果您在過(guò)去20年中的任何時(shí)候使用機(jī)器學(xué)習(xí)或數(shù)據(jù)分析工具來(lái)輔助應(yīng)用程序監(jiān)視或安全測(cè)試，則您正在使用AIOps。

但是在過(guò)去的幾年中，AIOps和AIOps工具迅速普及。這種趨勢(shì)反映了AI的日益成熟，以及現(xiàn)代IT工作負(fù)載的規(guī)模和復(fù)雜性不斷增加（AIOps通過(guò)使用AI對(duì)IT工作流進(jìn)行自動(dòng)化和系統(tǒng)化來(lái)應(yīng)對(duì)的挑戰(zhàn)）。

AIOps與云計(jì)算的未來(lái)
AIOps在整個(gè)IT行業(yè)中都具有廣闊的應(yīng)用前景。然而，在許多方面，云計(jì)算是AIOps有望提供最大收益的領(lǐng)域之一。這是因?yàn)锳IOps可以解決云中一些最復(fù)雜的挑戰(zhàn)-其他技術(shù)尚未充分解決的挑戰(zhàn)。以下是四個(gè)主要示例：

1.成本優(yōu)化
在云中運(yùn)行工作負(fù)載非常容易。以成本優(yōu)化的方式運(yùn)行它們要困難得多。云供應(yīng)商并沒有竭盡全力幫助客戶減少在平臺(tái)上的花費(fèi)。而且，盡管可以使用各種第三方工具來(lái)幫助預(yù)測(cè)和管理云成本，但是大多數(shù)工具需要IT團(tuán)隊(duì)進(jìn)行相當(dāng)多的手動(dòng)工作才能建立和使用。您必須仔細(xì)標(biāo)記您的云資源，并花時(shí)間手動(dòng)解釋這些工具為您提供的節(jié)省成本的建議。其中許多工具還會(huì)根據(jù)過(guò)去的使用情況提出事后建議，而不是建議您可以實(shí)時(shí)進(jìn)行云配置更改以立即節(jié)省資金。

AIOps承諾將對(duì)云成本優(yōu)化提高自動(dòng)化水平和實(shí)時(shí)洞察力。AIOps工具不僅可以為公司在云中超支的地方提供建議，而且還可以采取自動(dòng)重新配置工作負(fù)載以節(jié)省資金的額外步驟。例如，可以通過(guò)AIOps工具將超額配置的虛擬機(jī)實(shí)例自動(dòng)遷移到成本較低的實(shí)例，或者將存儲(chǔ)在比其需要的價(jià)格昂貴的對(duì)象存儲(chǔ)層上的數(shù)據(jù)遷移到成本效益更高的層上。即刻。

2.云遷移
從某種意義上說(shuō)，云遷移比以往更加困難。雖然興起multicloud，并出現(xiàn)類似Kubernetes平臺(tái)和ANTHOS，已使得它更容易集成在一個(gè)云與托管在其他正在運(yùn)行的工作負(fù)載，公有云在其他方面變得更加本土。如果您采用Azure Stack或AWS Outposts之類的框架來(lái)幫助構(gòu)建您的云工作負(fù)載，則最終將高度依賴您的云提供商，而無(wú)需簡(jiǎn)單的方法即可將應(yīng)用程序，數(shù)據(jù)和配置移至另一個(gè)公共云而無(wú)需重建所有內(nèi)容從頭開始。
AIOps可能會(huì)成為應(yīng)對(duì)這一挑戰(zhàn)的解決方案。如果IT團(tuán)隊(duì)原本需要從頭進(jìn)行重建以從一個(gè)云遷移到另一個(gè)云，則AIOps工具可以通過(guò)利用AI重寫新平臺(tái)的配置來(lái)實(shí)現(xiàn)流程自動(dòng)化。換句話說(shuō)，IT團(tuán)隊(duì)不必讓AIOps工具為它們創(chuàng)建繁重的工作，而不必手動(dòng)為不同的云重新創(chuàng)建IAM策略，API配置等。結(jié)果是，即使不同的云平臺(tái)在其服務(wù)產(chǎn)品中變得更加復(fù)雜和獨(dú)特，云遷移也將變得更加順暢。

3.云架構(gòu)規(guī)劃
IT團(tuán)隊(duì)在使用云環(huán)境時(shí)面臨的一個(gè)主要挑戰(zhàn)是，有太多的云服務(wù)可供選擇-每種服務(wù)的配置選項(xiàng)太多-識(shí)別每種工作負(fù)載的最佳服務(wù)類型令人望而生畏至少可以說(shuō)。

如果將給定的應(yīng)用程序部署到虛擬機(jī)，容器或使用無(wú)服務(wù)器功能，它會(huì)以最佳方式（以最具成本效益的方式）執(zhí)行嗎？對(duì)于給定的工作負(fù)載，哪個(gè)或哪些云區(qū)域?qū)⑻峁┳罴呀Y(jié)果？如果您想利用邊緣計(jì)算的優(yōu)勢(shì)，那么工作負(fù)載到底應(yīng)該放在哪里：在云網(wǎng)關(guān)上，在設(shè)備上還是在兩者的組合上？

這些是IT架構(gòu)師在現(xiàn)代云環(huán)境中不斷解決的問(wèn)題。傳統(tǒng)上，了解哪種安排最有效的唯一方法是手動(dòng)測(cè)試不同的選項(xiàng)并分析結(jié)果。

借助AIOps，可以更輕松地預(yù)測(cè)哪種架構(gòu)模式和配置最適合給定的云工作負(fù)載。通過(guò)使用有關(guān)工作負(fù)載需求以及每個(gè)潛在體系結(jié)構(gòu)解決方案的性能和成本的數(shù)據(jù)，AIOps工具可以提供比IT團(tuán)隊(duì)可以手動(dòng)設(shè)計(jì)的建議更強(qiáng)大，更系統(tǒng)的建議。

4.管理各種工作負(fù)載
同樣，公共云現(xiàn)在提供了一系列不同的服務(wù)，這意味著一些管理員很難掌握所有這些服務(wù)。這是可以理解的。很難期望有一個(gè)工程師能夠指揮管理Windows VM實(shí)例，Kubernetes集群，基于云的NoSQL數(shù)據(jù)庫(kù)，SaaS分析平臺(tái)和無(wú)服務(wù)器功能所需的專業(yè)知識(shí)（僅列舉組織如今通常在其中運(yùn)行的各種工作負(fù)載中的一些）。云）。

面對(duì)這一挑戰(zhàn)，企業(yè)傳統(tǒng)上必須聘請(qǐng)頂尖的IT人才來(lái)獲得一次涵蓋多種不同類型的云服務(wù)所需的技能，或者依靠大型IT團(tuán)隊(duì)在其專業(yè)領(lǐng)域中擁有足夠的人才來(lái)進(jìn)行管理多樣化的云服務(wù)。

但是，借助AIOps，即使工程師彼此之間沒有廣泛的專業(yè)知識(shí)，他們也可以更輕松地管理多種云服務(wù)。AIOps工具可以分析和幫助管理幾乎任何類型的云服務(wù)托管的工作負(fù)載，從而減輕了人工工程師的負(fù)擔(dān)。

結(jié)論

可以肯定的是，AIOps不是萬(wàn)能藥。它無(wú)法解決云中的所有挑戰(zhàn)，而且就其本身而言，它不會(huì)迎來(lái)全新的云計(jì)算時(shí)代。盡管如此，與許多其他現(xiàn)代技術(shù)趨勢(shì)相比，AIOps有望解決云計(jì)算中的幾個(gè)關(guān)鍵挑戰(zhàn)。在這方面，它有望為IT生態(tài)系統(tǒng)中已經(jīng)過(guò)時(shí)的部分注入新的活力。[]