Gartner 于2016年提出AIOps，至今已經(jīng)是第4年了。AIOps被認(rèn)為是是運(yùn)維的發(fā)展必然，自動(dòng)化運(yùn)維的下一個(gè)發(fā)展階段，被很多人所推崇，究竟在未來(lái)，它將如何影響DevOps？我們先來(lái)看看Gartner對(duì)AIOps的定義：
智能運(yùn)維（AIOps）平臺(tái)是將大數(shù)據(jù)與機(jī)器學(xué)習(xí)功能相結(jié)合的軟件系統(tǒng)，主要對(duì)IT系統(tǒng)不斷產(chǎn)生的數(shù)據(jù)量、類型和速度進(jìn)行拓展性的采集和分析，以支撐IT運(yùn)維的主要功能。
定義二：
智能運(yùn)維（AIOps）平臺(tái)能夠同時(shí)使用多個(gè)數(shù)據(jù)源、數(shù)據(jù)采集方法、數(shù)據(jù)分析（實(shí)時(shí)和深入）及可視化技術(shù)。在2020年，DevOps團(tuán)隊(duì)將面臨對(duì)更高速度和更高頻率代碼交付的更高期望，這意味著他們的IT環(huán)境將變得更加模塊化，臨時(shí)性和動(dòng)態(tài)性更強(qiáng)，監(jiān)控起來(lái)將更加復(fù)雜。因此，AIOps將進(jìn)一步鞏固其作為最有效技術(shù)的地位，DevOps團(tuán)隊(duì)可使用該技術(shù)來(lái)查看和控制其應(yīng)用程序及其底層基礎(chǔ)架構(gòu)的運(yùn)行狀況，從而防止中斷。在未來(lái)，AIOps將如何影響DevOps？以下5個(gè)趨勢(shì)值得注意。DevOps團(tuán)隊(duì)之間更好的協(xié)作 過(guò)去，DevOps團(tuán)隊(duì)可以自由控制獨(dú)立運(yùn)作。實(shí)際上，這種自由甚至可以擴(kuò)展到單個(gè)DevOps團(tuán)隊(duì)中的個(gè)人。2020年，許多企業(yè)將著手解決這一問題。AIOps將通過(guò)提供應(yīng)用程序的整體性能，及其基礎(chǔ)結(jié)構(gòu)狀態(tài)的整體視圖和跨團(tuán)隊(duì)意識(shí)來(lái)幫助這一工作。AIOps從所有DevOps監(jiān)控工具中提取數(shù)據(jù)，過(guò)濾出整個(gè)事件的噪聲，并關(guān)聯(lián)重要警報(bào)，在持續(xù)集成和持續(xù)交付流程中查明根本原因。這樣，消除了DevOps團(tuán)隊(duì)之間的孤島，增強(qiáng)了跨團(tuán)隊(duì)的協(xié)作，并及早發(fā)現(xiàn)并迅速解決了應(yīng)用程序問題。
在DevOps中，有很多自動(dòng)化措施集中于將代碼從一個(gè)階段轉(zhuǎn)移到下一個(gè)階段，并將其注入到生產(chǎn)環(huán)境中。在2020年，我們將看到代碼編寫許多方面的自動(dòng)化。這與復(fù)制現(xiàn)有代碼行無(wú)關(guān)。相反，它涉及到?jīng)Q策流程和要應(yīng)用的操作，從而有效地使編碼人員的任務(wù)自動(dòng)化。鑒于自動(dòng)化的緊迫性，DevOps團(tuán)隊(duì)別無(wú)選擇，只能越來(lái)越信任AI，因?yàn)椤皩?duì)速度的需求”推動(dòng)了對(duì)自動(dòng)化的需求。DevOps團(tuán)隊(duì)將認(rèn)識(shí)到，基于AI和機(jī)器技術(shù)實(shí)現(xiàn)以可觀察性為中心的IT管理專注于指標(biāo)，日志和跟蹤以及實(shí)時(shí)對(duì)這些數(shù)據(jù)類型的分析，因?yàn)檫@些數(shù)據(jù)集異常復(fù)雜，動(dòng)態(tài)，易變且吵。為了處理這些數(shù)據(jù)集，開發(fā)和運(yùn)營(yíng)團(tuán)隊(duì)都需要使用分析和診斷工具來(lái)預(yù)測(cè)正在發(fā)生的事情。在這種情況下，就必須使用AIOps技術(shù)，如果沒有智能過(guò)濾器，DevOps就會(huì)失去控制權(quán)，開發(fā)周期也將減慢。
隨著DevOps團(tuán)隊(duì)進(jìn)一步擁抱AIOps，而AIOps又吸收并自動(dòng)化了許多以前的手動(dòng)任務(wù)，DevOps團(tuán)隊(duì)成員將需要新技能，并且將出現(xiàn)新工作。例如，AIOps Architect 這樣的新工作，它是用于控制AIOps平臺(tái)的元算法的開發(fā)人員。為了應(yīng)對(duì)這種轉(zhuǎn)變，DevOps專業(yè)人員需要考慮如何擴(kuò)展和更新技能，并且組織必須提供適當(dāng)?shù)呐嘤?xùn)。例如，數(shù)據(jù)科學(xué)將成為一項(xiàng)關(guān)鍵技能，以及對(duì)現(xiàn)代IT系統(tǒng)的全面理解。
DevOps的下一個(gè)發(fā)展涉及將安全性劃分到其流程中，以便在持續(xù)集成和持續(xù)交付流程中合并并自動(dòng)執(zhí)行安全性檢查。AIOps將加深這種集成，并提高DevOps團(tuán)隊(duì)通過(guò)單一視角處理開發(fā)，運(yùn)營(yíng)和安全相關(guān)問題的能力。AI系統(tǒng)可能會(huì)出錯(cuò)，讓人們對(duì)有效審核AIOps系統(tǒng)功能的擔(dān)憂。在當(dāng)今非常流行的某些類型的算法中，有些難以理解。實(shí)際上，人類無(wú)法理解它們是如何得出結(jié)論的。隨著AIOps的部署越來(lái)越廣泛，我們將看到擺脫這些黑盒算法（您永遠(yuǎn)無(wú)法真正理解它們?nèi)绾蔚贸鼋Y(jié)果）的趨勢(shì)，而轉(zhuǎn)向?qū)θ魏稳硕几油该鞯钠渌愋偷腁I算法-甚至到另一個(gè)試圖審核其結(jié)果的IT系統(tǒng)。2020年，人工智能將絕對(duì)在測(cè)試中發(fā)揮重要作用。但是，監(jiān)視流量并將其轉(zhuǎn)換為有意義，穩(wěn)定的測(cè)試以消除測(cè)試人員需求的能力仍需要數(shù)年的時(shí)間。聽云大數(shù)據(jù)架構(gòu)：為聽云APM及業(yè)務(wù)智能運(yùn)維大數(shù)據(jù)量身打造的Lambda架構(gòu)，高效融合實(shí)時(shí)和離線分析場(chǎng)景，為聽云APM及業(yè)務(wù)智能運(yùn)維提供全量采集、存儲(chǔ)、分析的能力，靈活支持指標(biāo)預(yù)聚合、事件明細(xì)檢索、調(diào)用鏈、實(shí)時(shí)ADHOC（即多維分析）等多種查詢及分析場(chǎng)景，海量數(shù)據(jù)查詢秒級(jí)或亞秒級(jí)呈現(xiàn)。AIOps數(shù)據(jù)處理引擎：不依賴人為指定規(guī)則，由機(jī)器學(xué)習(xí)算法配以神經(jīng)網(wǎng)絡(luò)模型從海量數(shù)據(jù)（性能指標(biāo)、業(yè)務(wù)指標(biāo)、日志等）中進(jìn)行深度學(xué)習(xí)，并能夠基于場(chǎng)景自我進(jìn)化算法模型。同時(shí)通過(guò)自主策略指揮采集端數(shù)據(jù)輸入，完成智能的數(shù)據(jù)分析，用于輸出可視化視圖或指導(dǎo)自動(dòng)化工具進(jìn)行執(zhí)行層操作。最終構(gòu)建以AI為核心的中樞調(diào)度管理平臺(tái)，實(shí)現(xiàn)質(zhì)量、成本、效率三者兼顧的智能化運(yùn)維。聽云全量數(shù)據(jù)采集引擎：業(yè)務(wù)數(shù)據(jù)采集及分析引擎，全量采集與分析用戶端與后端的業(yè)務(wù)數(shù)據(jù)，主動(dòng)監(jiān)控業(yè)務(wù)表現(xiàn)，并實(shí)現(xiàn)管理可視化，可一站式追蹤定位業(yè)務(wù)問題與性能及用戶體驗(yàn)問題的關(guān)聯(lián)關(guān)系。聽云可視化大屏：聽云可視化大屏基于聽云自研大數(shù)據(jù)引擎開發(fā)，數(shù)據(jù)通過(guò)SDK和第三方API采集接入，經(jīng)過(guò)聽云大數(shù)據(jù)運(yùn)算處理中心進(jìn)行計(jì)算建模和數(shù)據(jù)處理。最終以靈活（自由布局）、開放（組件數(shù)據(jù)可接入）、易操作的可視化界面呈現(xiàn)給用戶。圖表支持Echasrt/Higharts圖表庫(kù)接入，支持3D酷炫組件展示、上百種組件豐富多樣，多種場(chǎng)景模板、用戶選擇更多元化。為用戶數(shù)據(jù)可視化展示呈現(xiàn)視覺盛宴。文章資料來(lái)源：APMdigest，Gartner
|
