icon_CloudMgmt icon_DollarSign icon_Globe icon_ITAuto icon_ITOps icon_ITSMgmt icon_Mainframe icon_MyIT icon_Ribbon icon_Star icon_User icon_Users icon_VideoPlay icon_Workload icon_caution icon_close s-chevronLeft s-chevronRight s-chevronThinRight s-chevronThinRight s-chevronThinLeft s-chevronThinLeft s-trophy s-chevronDown
BMC
BMC Contact Options

Select the link below that best matches your interest.

For questions about BMC products, solutions, and services, you can also phone the number below:

1‑855‑834‑7487

AIOps leverages machine learning, analytics, and big data technologies to reduce MTTR and drive the digital enterprise.

AIOps 利用大数据、机器学习和分析来帮助 ITOps 更快地预测、查找和修复问题。

数字转型需要自动化和机器辅助方法

数字业务转型迫使 IT 组织重新考虑如何确保基础设施和应用程序性能。多重云基础设施带来的速度、规模和复杂性以及数字化给基于规则的传统性能监控和管理带来了压力。AIOps 应用机器学习和高级分析技术来确定监控、服务台和自动化数据中的模式,这些模式非常庞大,超出了人工理解的范畴。采用 AIOps 让 IT 运营团队能够:

  • 减少事件噪音并确定最关键业务问题的优先级,以提高性能
  • 支持应用程序体系结构更改和 DevOps 采用的速度
  • 主动发现问题并快速查明根本原因以减少 MTTR
  • 模拟和预测工作负载容量需求,以优化资源使用和成本

“AIOps 平台将大数据和机器学习功能相结合,通过以可扩展方式接收和分析 IT 生成的且数量、种类和速度都日益增加的数据,来支持所有主要的 IT 运营职能。”

来源:Gartner AIOps 平台市场指南,2018 年 11 月 12 日
AIOps_Key-Elements-of-an-AIOps-approach_450x450

AIOps 方法的关键要素

实施 AIOps 方法不仅仅是获得更好的现有数据分析。为获得持续洞察的机器学习系统奠定基础需要:

开放数据访问

在四个关键要素中,最关键的是开放数据访问。核心 IT 将始终拥有来自不同供应商的多种记录技术和系统。这些因素也会因 IT 专业而异。将数据从组织孤岛中释放出来以进行大数据聚合和分析可能是 IT 团队尝试实施 AIOps 时面临的最困难挑战。

有效的 AIOps 平台必须具有可使用来自各种 IT 源的数据的数据架构,并且必须对其进行结构化、标记和组织,以便用于一致和可重复的分析。

大数据扩展和速度

数字转型意味着大量快速变化的 IT 数据。传统的关系数据仓库既不具备足够的可扩展性,也不具备足够的响应能力来支持数字数据的数量和速度。分析需要在数据进入时实时进行 — 不仅在资源可用时离线。

AIOps 大数据平台还必须支持快速响应的临时数据浏览和深入查询。大数据技术最初是为处理数据仓库中的大数据湖而创建的,它已迅速发展为不仅可扩展且响应迅速的数据处理引擎,能够满足 AIOps 的需求。AIOps 将深入数据研究和在线实时分析相结合,以提升 IT 决策水平。

机器学习

AIOps 使 IT 能够从基于规则的分析人力管理转变为机器辅助分析和机器学习系统。这不仅是因为人工座席可以达到的分析数量和复杂性具有限制,而且还可以实现不可能实现的更改调整级别。

IT 分析最终与模式匹配有关。IT 系统、用户和生态系统表现出的行为和关系可以指出根本原因、隔离问题和指出未来的问题。机器学习将机器的计算能力和速度应用于发现和关联 IT 数据中的模式。它比人工座席执行此操作的速度更快,并根据数据的变化动态更改分析使用的算法。

AIOps_AIOPs-and-automation_450x450

AIOps 和自动化

AIOps 在超级复杂的多源云环境中连接和推动自动化。如果结果仍需要人工干预,那么大规模提供大量数字 IT 数据的机器辅助分析就毫无用处。AIOps 可以生成工作流并测量这些流程的影响,将结果作为要分析和从中学习的数据反馈给系统。此外,系统应根据数据自动应用 AIOps,而无需用户干预和决策。

数据的民主

IT 需要专注于实现数字业务转型。不一定要让专职数据专家或科学家来提供和创建分析系统,也不一定要在 IT 人员中寻找或培养数据分析技能。AIOps 利用计算机来完成此工作,而无需专用资源。分析的输出可以由 IT 组织中的任何人使用和自定义,并且可以轻松扩展到整个企业的合作伙伴。

AIOps_The-democracy-of-data-_450x450

AIOps 轻松入门