为什么AIOps工具最终可以为云计算注入新的活力

作者：佚名 2020-06-23 16:14:37

云计算

人工智能 AIOps与云计算的未来AIOps在整个IT行业中都具有广阔的应用前景。然而，在许多方面，云计算是AIOps有望提供最大收益的领域之一。这是因为AIOps可以解决云中一些最复杂的挑战-其他技术尚未充分解决的挑战。

[[331103]]

AIOps工具在IT领域具有广阔的应用前景，但是云技术是AIOps有望提供最大收益的领域之一。

在这一点上，云计算在IT行业中已经是成熟的领域，甚至有人说这很无聊。云中的创新已经放慢了脚步，很难想象我们在云中构建或管理应用程序方面将采取许多革命性的步骤。话虽这么说，如果我不得不选择一个准备在不久的将来在云中进行重大变革的概念，那么我会把钱花在AIOps和AIOps工具上。

尽管AIOps的影响绝不仅限于云，但AIOps是目前为数不多的破坏我们与云基础架构交互方式的力量之一。您需要了解有关AIOps以及AIOps工具和平台在未来可能扮演的角色。

定义AIOpsAIOps是Gartner在2016年创造的一个术语，是指人工智能在IT运营工作中的应用。基本AIOps涉及使用AI来帮助解释或分析IT环境中的数据。更高级的AIOps用例集中于利用AI 自动执行员工传统上必须手动执行的IT管理任务(例如，重新启动故障服务器或更新防火墙规则以响应新检测到的威胁)。

AIOps概念在该术语发明之前就已经存在。实际上，如果您在过去20年中的任何时候使用机器学习或数据分析工具来辅助应用程序监视或安全测试，则您正在使用AIOps。

但是在过去的几年中，AIOps和AIOps工具迅速普及。这种趋势反映了AI的日益成熟，以及现代IT工作负载的规模和复杂性不断增加(AIOps通过使用AI对IT工作流进行自动化和系统化来应对的挑战)。

AIOps与云计算的未来AIOps在整个IT行业中都具有广阔的应用前景。然而，在许多方面，云计算是AIOps有望提供最大收益的领域之一。这是因为AIOps可以解决云中一些最复杂的挑战-其他技术尚未充分解决的挑战。以下是四个主要示例：

1.成本优化在云中运行工作负载非常容易。以成本优化的方式运行它们要困难得多。云供应商并没有竭尽全力帮助客户减少在平台上的花费。而且，尽管可以使用各种第三方工具来帮助预测和管理云成本，但是大多数工具需要IT团队进行相当多的手动工作才能建立和使用。您必须仔细标记您的云资源，并花时间手动解释这些工具为您提供的节省成本的建议。其中许多工具还会根据过去的使用情况提出事后建议，而不是建议您可以实时进行云配置更改以立即节省资金。

AIOps承诺将对云成本优化提高自动化水平和实时洞察力。AIOps工具不仅可以为公司在云中超支的地方提供建议，而且还可以采取自动重新配置工作负载以节省资金的额外步骤。例如，可以通过AIOps工具将超额配置的虚拟机实例自动迁移到成本较低的实例，或者将存储在比其需要的价格昂贵的对象存储层上的数据迁移到成本效益更高的层上。即刻。

2.云迁移从某种意义上说，云迁移比以往更加困难。虽然兴起multicloud，并出现类似Kubernetes平台和ANTHOS，已使得它更容易集成在一个云与托管在其他正在运行的工作负载，公有云在其他方面变得更加本土。如果您采用Azure Stack或AWS Outposts之类的框架来帮助构建您的云工作负载，则最终将高度依赖您的云提供商，而无需简单的方法即可将应用程序，数据和配置移至另一个公共云而无需重建所有内容从头开始。AIOps可能会成为应对这一挑战的解决方案。如果IT团队原本需要从头进行重建以从一个云迁移到另一个云，则AIOps工具可以通过利用AI重写新平台的配置来实现流程自动化。换句话说，IT团队不必让AIOps工具为它们创建繁重的工作，而不必手动为不同的云重新创建IAM策略，API配置等。结果是，即使不同的云平台在其服务产品中变得更加复杂和独特，云迁移也将变得更加顺畅。

3.云架构规划IT团队在使用云环境时面临的一个主要挑战是，有太多的云服务可供选择-每种服务的配置选项太多-识别每种工作负载的最佳服务类型令人望而生畏至少可以说。

如果将给定的应用程序部署到虚拟机，容器或使用无服务器功能，它会以最佳方式(以最具成本效益的方式)执行吗?对于给定的工作负载，哪个或哪些云区域将提供最佳结果?如果您想利用边缘计算的优势，那么工作负载到底应该放在哪里：在云网关上，在设备上还是在两者的组合上?

这些是IT架构师在现代云环境中不断解决的问题。传统上，了解哪种安排最有效的唯一方法是手动测试不同的选项并分析结果。

借助AIOps，可以更轻松地预测哪种架构模式和配置最适合给定的云工作负载。通过使用有关工作负载需求以及每个潜在体系结构解决方案的性能和成本的数据，AIOps工具可以提供比IT团队可以手动设计的建议更强大，更系统的建议。