基礎(chǔ)設(shè)施和網(wǎng)絡(luò)問(wèn)題必須以迅雷不及掩耳的速度得到解決；最理想的情況是在最終用戶或客戶甚至不知道有問(wèn)題之前。越來(lái)越多的經(jīng)濟(jì)和社會(huì)領(lǐng)域的數(shù)字化加速，使事件管理變得更加緊迫和相關(guān)。

然而，即使現(xiàn)代應(yīng)用程序更能響應(yīng)客戶的需求，它們也需要快速部署更新，這會(huì)給基礎(chǔ)設(shè)施的可靠性帶來(lái)壓力，引發(fā)性能問(wèn)題，甚至導(dǎo)致數(shù)字服務(wù)中斷。

擁有正確的工具來(lái)處理事件響應(yīng)是管理基礎(chǔ)設(shè)施可靠性的關(guān)鍵。對(duì)于站點(diǎn)可靠性工程師（SREs）和其他人來(lái)說(shuō)，許多云本地方法過(guò)于復(fù)雜，無(wú)法完全理解。他們當(dāng)然需要更大的知名度，但也需要有能力判斷優(yōu)先事項(xiàng)，并迅速確定和解決問(wèn)題。

這就是AIOPs正在成為一種常見(jiàn)方法的地方，特別是當(dāng)必須管理的軟件和基礎(chǔ)設(shè)施產(chǎn)業(yè)增長(zhǎng)如此迅速和廣泛的時(shí)候。AIOps為團(tuán)隊(duì)提供了所需的額外安全性，在他們將自己轉(zhuǎn)變?yōu)楦?、更難克服的問(wèn)題之前，自動(dòng)檢測(cè)他們環(huán)境中的異常情況。

值得注意的是，AIOPs作為一種站點(diǎn)可靠性工程工具更為有效，因?yàn)閼?yīng)用程序和基礎(chǔ)設(shè)施正在迅速發(fā)展。當(dāng)有大量的、不斷擴(kuò)展的性能數(shù)據(jù)可供使用時(shí)，它會(huì)以最佳狀態(tài)運(yùn)行。這些數(shù)據(jù)可以包括觀察數(shù)據(jù)和參與數(shù)據(jù)，以及來(lái)自第三方工具的數(shù)據(jù)。為了幫助團(tuán)隊(duì)識(shí)別和診斷問(wèn)題，算法和機(jī)器學(xué)習(xí)工具隨后應(yīng)用于整個(gè)數(shù)據(jù)，以增加關(guān)于正在發(fā)生的事情的智能，并幫助更有效地自動(dòng)化如何管理事件。

在現(xiàn)實(shí)世界中，AIOP至少有五種應(yīng)用方式：

1.檢測(cè)事件

這是AIOps擴(kuò)展工具箱的主要用例，這樣團(tuán)隊(duì)就可以更快地發(fā)現(xiàn)問(wèn)題。人工智能和機(jī)器學(xué)習(xí)自動(dòng)地開(kāi)始顯現(xiàn)并理解異常，然后將這種學(xué)習(xí)應(yīng)用于系統(tǒng)和基礎(chǔ)設(shè)施的觀察。這里學(xué)到的知識(shí)可以推動(dòng)一種主動(dòng)的方法，發(fā)現(xiàn)早期預(yù)警信號(hào)，從而幫助團(tuán)隊(duì)在客戶發(fā)現(xiàn)任何問(wèn)題之前就意識(shí)到問(wèn)題。

2.降低和切斷噪音

警覺(jué)疲勞是事故反應(yīng)中的一個(gè)主要問(wèn)題。一連串的警報(bào)使團(tuán)隊(duì)對(duì)所有警報(bào)都變得麻木，即使它們是關(guān)鍵的。理想情況下，需要抑制低優(yōu)先級(jí)警報(bào)和相互關(guān)聯(lián)的組警報(bào)。AIOps可以關(guān)聯(lián)、抑制和優(yōu)先處理警報(bào)，結(jié)束警報(bào)疲勞的痛苦，使團(tuán)隊(duì)能夠加倍處理對(duì)可靠性最具威脅的問(wèn)題。

3.把它放到上下文中去

事件是混亂的，快速移動(dòng)的野獸。信息過(guò)載會(huì)讓團(tuán)隊(duì)迷失方向。他們需要一個(gè)指南來(lái)提供背景，從而為他們指明正確的方向。AIOps可以自動(dòng)映射正在發(fā)生的事情，并且可以提供對(duì)事件的全面理解。語(yǔ)境不僅對(duì)理解事件，而且對(duì)解決事件都是非常寶貴的。

4.變得越來(lái)越聰明

AIOps是一個(gè)不斷發(fā)展的工具，它總是在不斷改進(jìn)。過(guò)去的經(jīng)驗(yàn)、當(dāng)前的使用情況和用戶反饋創(chuàng)造了優(yōu)秀的數(shù)據(jù)，AIOps可以在這些數(shù)據(jù)上進(jìn)行培訓(xùn)，幫助識(shí)別和防止類似于歷史問(wèn)題的問(wèn)題。隨著信息的不斷豐富，模型變得更加智能，并提供定制的關(guān)聯(lián)、見(jiàn)解和建議。

5.整合數(shù)據(jù)，整合團(tuán)隊(duì)

任何來(lái)源的事件數(shù)據(jù)都會(huì)與當(dāng)前的事件管理工具和工作流集成。你得到的數(shù)據(jù)越多，你的機(jī)器學(xué)習(xí)模型就越訓(xùn)練有素，產(chǎn)生的結(jié)果就越有針對(duì)性和實(shí)用性。AIOps解決方案接收數(shù)據(jù)，用上下文豐富數(shù)據(jù)，并向相關(guān)團(tuán)隊(duì)或響應(yīng)者發(fā)送通知，所有這些都是團(tuán)隊(duì)已經(jīng)在使用的事件管理工具。這樣，團(tuán)隊(duì)就不會(huì)浪費(fèi)在工具之間切換的關(guān)鍵時(shí)間。

對(duì)于那些還沒(méi)有開(kāi)始應(yīng)用AIOP的組織來(lái)說(shuō)，這聽(tīng)起來(lái)可能是一項(xiàng)非常艱難的工作，老實(shí)說(shuō)，還有一條學(xué)習(xí)曲線需要提升。然而，啟動(dòng)AIOps有一些行之有效的步驟。

首先，考慮什么是最適合的用例。這樣就可以從中學(xué)習(xí)、測(cè)試和成長(zhǎng)。

第二，對(duì)正在做的事情保持透明。人們抗拒改變，需要花點(diǎn)精力去揭開(kāi)AIOps的神秘面紗。

最后，準(zhǔn)備好讓人工智能和機(jī)器學(xué)習(xí)影響IT操作。依賴AIOps的組織越來(lái)越多，這項(xiàng)技術(shù)將很快成為主流。
編輯：lyn