為什么AIOps工具最終可以為云計算注入新的活力

[]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。

在這一點上，云計算在IT行業(yè)中已經(jīng)是成熟的領(lǐng)域，甚至有人說這很無聊。云中的創(chuàng)新已經(jīng)放慢了腳步，很難想象我們在云中構(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，如果我不得不選擇一個準備在不久的將來在云中進行重大變革的概念，那么我會把錢花在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工具和平臺在未來可能扮演的角色。

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

AIOps概念在該術(shù)語發(fā)明之前就已經(jīng)存在。實際上，如果您在過去20年中的任何時候使用機器學(xué)習或數(shù)據(jù)分析工具來輔助應(yīng)用程序監(jiān)視或安全測試，則您正在使用AIOps。

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

AIOps與云計算的未來
AIOps在整個IT行業(yè)中都具有廣闊的應(yīng)用前景。然而，在許多方面，云計算是AIOps有望提供最大收益的領(lǐng)域之一。這是因為AIOps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)。以下是四個主要示例：

1.成本優(yōu)化
在云中運行工作負載非常容易。以成本優(yōu)化的方式運行它們要困難得多。云供應(yīng)商并沒有竭盡全力幫助客戶減少在平臺上的花費。而且，盡管可以使用各種第三方工具來幫助預(yù)測和管理云成本，但是大多數(shù)工具需要IT團隊進行相當多的手動工作才能建立和使用。您必須仔細標記您的云資源，并花時間手動解釋這些工具為您提供的節(jié)省成本的建議。其中許多工具還會根據(jù)過去的使用情況提出事后建議，而不是建議您可以實時進行云配置更改以立即節(jié)省資金。

AIOps承諾將對云成本優(yōu)化提高自動化水平和實時洞察力。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重新配置工作負載以節(jié)省資金的額外步驟。例如，可以通過AIOps工具將超額配置的虛擬機實例自動遷移到成本較低的實例，或者將存儲在比其需要的價格昂貴的對象存儲層上的數(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，云遷移比以往更加困難。雖然興起multicloud，并出現(xiàn)類似Kubernetes平臺和ANTHOS，已使得它更容易集成在一個云與托管在其他正在運行的工作負載，公有云在其他方面變得更加本土。如果您采用Azure Stack或AWS Outposts之類的框架來幫助構(gòu)建您的云工作負載，則最終將高度依賴您的云提供商，而無需簡單的方法即可將應(yīng)用程序，數(shù)據(jù)和配置移至另一個公共云而無需重建所有內(nèi)容從頭開始。
AIOps可能會成為應(yīng)對這一挑戰(zhàn)的解決方案。如果IT團隊原本需要從頭進行重建以從一個云遷移到另一個云，則AIOps工具可以通過利用AI重寫新平臺的配置來實現(xiàn)流程自動化。換句話說，IT團隊不必讓AIOps工具為它們創(chuàng)建繁重的工作，而不必手動為不同的云重新創(chuàng)建IAM策略，API配置等。結(jié)果是，即使不同的云平臺在其服務(wù)產(chǎn)品中變得更加復(fù)雜和獨特，云遷移也將變得更加順暢。

3.云架構(gòu)規(guī)劃
IT團隊在使用云環(huán)境時面臨的一個主要挑戰(zhàn)是，有太多的云服務(wù)可供選擇-每種服務(wù)的配置選項太多-識別每種工作負載的最佳服務(wù)類型令人望而生畏至少可以說。

如果將給定的應(yīng)用程序部署到虛擬機，容器或使用無服務(wù)器功能，它會以最佳方式（以最具成本效益的方式）執(zhí)行嗎？對于給定的工作負載，哪個或哪些云區(qū)域?qū)⑻峁┳罴呀Y(jié)果？如果您想利用邊緣計算的優(yōu)勢，那么工作負載到底應(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)境中不斷解決的問題。傳統(tǒng)上，了解哪種安排最有效的唯一方法是手動測試不同的選項并分析結(jié)果。

借助AIOps，可以更輕松地預(yù)測哪種架構(gòu)模式和配置最適合給定的云工作負載。通過使用有關(guān)工作負載需求以及每個潛在體系結(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團隊可以手動設(shè)計的建議更強大，更系統(tǒng)的建議。

4.管理各種工作負載
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。很難期望有一個工程師能夠指揮管理Windows VM實例，Kubernetes集群，基于云的NoSQL數(shù)據(jù)庫，SaaS分析平臺和無服務(wù)器功能所需的專業(yè)知識（僅列舉組織如今通常在其中運行的各種工作負載中的一些）。云）。

面對這一挑戰(zhàn)，企業(yè)傳統(tǒng)上必須聘請頂尖的IT人才來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團隊在其專業(yè)領(lǐng)域中擁有足夠的人才來進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，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)托管的工作負載，從而減輕了人工工程師的負擔。

結(jié)論

可以肯定的是，AIOps不是萬能藥。它無法解決云中的所有挑戰(zhàn)，而且就其本身而言，它不會迎來全新的云計算時代。盡管如此，與許多其他現(xiàn)代技術(shù)趨勢相比，AIOps有望解決云計算中的幾個關(guān)鍵挑戰(zhàn)。在這方面，它有望為IT生態(tài)系統(tǒng)中已經(jīng)過時的部分注入新的活力。[]