基礎設施和網絡問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題之前。越來越多的經濟和社會領域的數(shù)字化加速，使事件管理變得更加緊迫和相關。

然而，即使現(xiàn)代應用程序更能響應客戶的需求，它們也需要快速部署更新，這會給基礎設施的可靠性帶來壓力，引發(fā)性能問題，甚至導致數(shù)字服務中斷。

擁有正確的工具來處理事件響應是管理基礎設施可靠性的關鍵。對于站點可靠性工程師（SREs）和其他人來說，許多云本地方法過于復雜，無法完全理解。他們當然需要更大的知名度，但也需要有能力判斷優(yōu)先事項，并迅速確定和解決問題。

這就是AIOPs正在成為一種常見方法的地方，特別是當必須管理的軟件和基礎設施產業(yè)增長如此迅速和廣泛的時候。AIOps為團隊提供了所需的額外安全性，在他們將自己轉變?yōu)楦?、更難克服的問題之前，自動檢測他們環(huán)境中的異常情況。

值得注意的是，AIOPs作為一種站點可靠性工程工具更為有效，因為應用程序和基礎設施正在迅速發(fā)展。當有大量的、不斷擴展的性能數(shù)據可供使用時，它會以最佳狀態(tài)運行。這些數(shù)據可以包括觀察數(shù)據和參與數(shù)據，以及來自第三方工具的數(shù)據。為了幫助團隊識別和診斷問題，算法和機器學習工具隨后應用于整個數(shù)據，以增加關于正在發(fā)生的事情的智能，并幫助更有效地自動化如何管理事件。

在現(xiàn)實世界中，AIOP至少有五種應用方式：

1.檢測事件

這是AIOps擴展工具箱的主要用例，這樣團隊就可以更快地發(fā)現(xiàn)問題。人工智能和機器學習自動地開始顯現(xiàn)并理解異常，然后將這種學習應用于系統(tǒng)和基礎設施的觀察。這里學到的知識可以推動一種主動的方法，發(fā)現(xiàn)早期預警信號，從而幫助團隊在客戶發(fā)現(xiàn)任何問題之前就意識到問題。

2.降低和切斷噪音

警覺疲勞是事故反應中的一個主要問題。一連串的警報使團隊對所有警報都變得麻木，即使它們是關鍵的。理想情況下，需要抑制低優(yōu)先級警報和相互關聯(lián)的組警報。AIOps可以關聯(lián)、抑制和優(yōu)先處理警報，結束警報疲勞的痛苦，使團隊能夠加倍處理對可靠性最具威脅的問題。

3.把它放到上下文中去

事件是混亂的，快速移動的野獸。信息過載會讓團隊迷失方向。他們需要一個指南來提供背景，從而為他們指明正確的方向。AIOps可以自動映射正在發(fā)生的事情，并且可以提供對事件的全面理解。語境不僅對理解事件，而且對解決事件都是非常寶貴的。

4.變得越來越聰明

AIOps是一個不斷發(fā)展的工具，它總是在不斷改進。過去的經驗、當前的使用情況和用戶反饋創(chuàng)造了優(yōu)秀的數(shù)據，AIOps可以在這些數(shù)據上進行培訓，幫助識別和防止類似于歷史問題的問題。隨著信息的不斷豐富，模型變得更加智能，并提供定制的關聯(lián)、見解和建議。

5.整合數(shù)據，整合團隊

任何來源的事件數(shù)據都會與當前的事件管理工具和工作流集成。你得到的數(shù)據越多，你的機器學習模型就越訓練有素，產生的結果就越有針對性和實用性。AIOps解決方案接收數(shù)據，用上下文豐富數(shù)據，并向相關團隊或響應者發(fā)送通知，所有這些都是團隊已經在使用的事件管理工具。這樣，團隊就不會浪費在工具之間切換的關鍵時間。

對于那些還沒有開始應用AIOP的組織來說，這聽起來可能是一項非常艱難的工作，老實說，還有一條學習曲線需要提升。然而，啟動AIOps有一些行之有效的步驟。

首先，考慮什么是最適合的用例。這樣就可以從中學習、測試和成長。

第二，對正在做的事情保持透明。人們抗拒改變，需要花點精力去揭開AIOps的神秘面紗。

最后，準備好讓人工智能和機器學習影響IT操作。依賴AIOps的組織越來越多，這項技術將很快成為主流。
編輯：lyn