Elastic：什么是 AIOps？

AIOps 定义

人工智能运维（Artificial Intelligence for IT Operations - AIOps）通过利用大数据和机器学习来自动化 IT 过程 —— 包括异常检测、事件关联、数据摄取和处理操作数据。

通过 AIOps，团队可以显著减少检测、理解、调查和解决事件所需的时间和精力。能够节省故障排除时间使 IT 团队可以将精力集中在更高价值的任务和项目上。

AIOps 如何工作？

AIOps 整合监控，并添加机器学习和统计分析，以实时识别威胁并解决问题。它通常使用可扩展的数据平台来整合所有类型的 IT 数据。包括：

• 历史数据

• 日志和指标

• 性能和事件数据

• 基础设施和网络数据

• 与事件相关的数据

• 应用数据，如跟踪信息

通过集中这些数据，AIOps 工具应用先进的分析和机器学习，准确并主动地识别需要关注的问题。这些工具对于分析现代组织生成的大量原始可观察数据至关重要。这些数据通常很复杂，因为应用程序、工作负载和部署继续在云（混合云或多云）中分布和分散。

AIOps 平台帮助管理现代环境中的复杂性和快速变化。这些工具可以帮助 IT 团队：

• 识别重要警报：并非所有事件都一样。AIOps 可以将信号（异常）与噪音（其他正在发生的事情）区分开来。

• 启用根本原因分析：AIOps 工具可以识别更大问题的症状，显示相关因素，并建议解决问题的方案。

• 实时监控：在基础层面，AIOps 工具可以监控多个不同系统的异常。然后，发生问题时，相关团队会收到通知。通过自动修复，警报可以触发系统响应，解决问题，在最终用户察觉之前。

• 持续改进：像任何利用机器学习的技术一样，随着时间的推移，它会变得更好。当问题被识别并解决时，模型可以学习并适应，帮助更好地解决未来的问题。

AIOps 能力 — 你的系统需要什么？

为了充分利用你的工具投资，AIOps 解决方案需要具备正确的能力。这包括：

• 集成：为了使 AIOps 工具有效，它需要与你已经使用的工具和系统进行全面集成。这有助于从各种来源摄取数据，识别哪些在你的组织中有效，哪些无效。

• 映射和追踪：能够通过直观的可视化查看你的基础设施、流程、交易流和依赖关系，可以让团队更清楚地了解发生了什么，从全局视角进行观察。因此，团队需要服务依赖映射能力和分布式追踪，以支持对遥测数据的调查。

• 平台方法：利用一个统一的平台来支持 AIOps，支持可观察性、APM 等，可以为你提供一个数据的单一视图，打破传统的数据孤岛。

• 支持云原生技术：AIOps 工具需要能够从容器、微服务和编排工具（如 Kubernetes）中聚合数据。这有助于 AIOps 工具了解应用程序和基础设施层面的状况，支持 DevOps 工作流和可扩展性。

谁在使用 AIOps？

AIOps 被 IT 团队和 DevOps 团队使用，用于从来自不同来源的大量数据中获取洞察。AIOps 通过使用高级分析和机器学习，成为那些拥有复杂数字生态系统、具备前瞻性的企业的重要解决方案。

为什么 AIOps 很重要？

AIOps 很重要，因为它可以帮助 IT 运维减少排查问题的时间，让他们能更专注于实现目标。通过利用 AI 和机器学习，AIOps 可以帮助：

聚合多个数据源
许多 AIOps 解决方案可以监控日志文件、配置数据、指标、事件和告警，包括组织特有的非结构化数据类型。它们可以把这些数据集中在一个地方，创建一个 “单一视图”。一旦数据集中，审查就会高效得多。

调查问题根本原因
AIOps 的一个关键优势是根本原因分析。它可以帮助团队找到系统中出现问题的根源。一旦识别出问题，IT 团队可以直接定位并修复它。

预测潜在问题场景
AIOps 可以使用预测分析和机器学习来捕捉 IT 团队可能忽略的异常，甚至预测未来趋势。它通过比较来自不同来源的实时与历史数据，寻找异常或有问题的模式。即使这些模式不会触发高优先级告警，它们仍可能导致严重问题。在某些情况下，AIOps 可以通过自动修复独立解决这些问题，无需人工干预。

发现并过滤误报
AIOps 的事件关联功能可以识别和过滤出那些 “背景噪音” 事件。这些事件可能触发告警，但并非真正的问题。系统会将它们标记为低优先级事项。这种自动分类可以让 IT 运维团队先处理最重要的任务。

持续从数据流中学习
AIOps 的机器学习任务会在分析数据流的过程中不断优化自身。随着模型的进步，它能更好地识别你业务中面临的异常。监督式机器学习模型还会根据用户反馈，逐步了解业务的优先级。随着业务的发展，AIOps 也在进化，使其对运维团队变得越来越有用。

AIOps 的五大优势

支持你的员工队伍
高技能的 DevOps 和运维团队可能会被繁琐的手动数据分析工作压得喘不过气来。AIOps 可以帮助他们自动化这些任务，减轻部分工作负担。通过把繁琐的分析交给 AIOps 系统处理，团队可以将专业能力集中在更关键的地方。

加速新服务和产品的开发
AIOps 让你的业务运转得更快。在 AI 分析的支持下，团队可以加速推出新的 IT 服务和功能。AIOps 能从大量事件和遥测数据中筛选出最相关的信息，让事件管理流程更加高效。

提供对 IT 环境的全局视图
AIOps 解决方案可以利用数据湖或数据仓库，将不同来源的数据流集中存储和聚合。跨职能的仪表板和分析工具将所有数据整合在一起，使运维团队无需在多个孤立视图之间来回切换。

提升客户满意度
AIOps 还会监控响应时间、使用情况和可用性等性能指标。预测性分析可以防止故障和中断，让你更快、更好地解决问题并推送升级。因此，AIOps 可以为终端用户提供顺畅体验，有助于提升你的品牌形象。

节省成本
AIOps 减少平均修复时间（Mean Time to Resolution - MTTR），并在故障发生前将其阻止。它还能提供关于哪些工作负载正在推高组织成本的洞察。通过更快地修复代价高昂的错误，并更高效地使用团队资源，AIOps 可以为你的预算腾出更多空间。

AIOps 与 DevOps 和 MLOps 有何不同？

AIOps 和 MLOps 是互补的领域，而 DevOps 是可以从两者中受益的一套实践和工具。

AIOps 与 DevOps 的区别

DevOps 是一种组织文化的转变。它通过精简开发与运维之间的流程，实现更高效的软件发布和开发生命周期。AIOps 和 DevOps 都强调自动化的优势 —— 消除耗时的手动任务，让团队更聪明地工作。

DevOps 使用软件来自动化并集成软件开发和 IT 团队的流程，从而提升工作效率。它通过实施持续集成和持续部署（CI/CD）来简化开发工作。

AIOps 则融合了 AI 和机器学习技术，用于监控和管理系统，以更快地解决问题。它可以通过自动化数据分析来补充 DevOps 流程，避免开发和运维团队因数据量过大而不堪重负。这有助于团队节省大量的手动分析时间，做出更明智的决策，并在问题发生前主动发出警报。

AIOps 与 DevOps 结合后，使团队可以从系统整体出发进行思考，而不再局限于特定工具或基础设施层面。

AIOps 与 MLOps 的区别

MLOps（机器学习运维）是 AIOps 的一个互补领域。AIOps 利用机器学习提升 IT 运维效率，而 MLOps 则专注于标准化机器学习模型的部署。MLOps 涉及模型在生产环境中的部署、维护和监控，可能还包括基于反馈进行模型优化和重新部署。

AIOps 在金融服务中的应用

AIOps 可帮助金融机构实现大规模的数据分析自动化和监控。对许多金融机构来说，当他们将传统本地系统迁移到云端时，AIOps 是一种安全保障。这些解决方案可以：

• 提升运营效率：通过整体性理解问题，减少团队手动排查多个系统的负担。
• 满足并超越客户期望：在金融行业，在线客户体验至关重要。借助 AIOps，机构可以快速解决事件，确保客户获得所需的实时访问。
• 实现数据治理：AIOps 解决方案可帮助识别并记录数据源，提供治理所需的可追踪记录。
• 降低成本：AIOps 可自动处理许多重复性支持任务，例如登录问题或密码重置，从而释放 IT 团队的时间，让他们专注于更复杂的挑战。

金融服务客户案例：PSCU

PSCU 使用 Elastic 显著提升了可接入的数据源数量。AIOps 帮助他们更好地应对呼叫中心延迟及自然灾害等可能影响客户体验的事件。

了解更多关于 Elastic 在金融服务领域的应用。

AIOps 在联邦和地方政府中的应用

AIOps 可以自动分析和修复政府机构的运维数据，帮助它们实现数字化转型目标，而无需重新培训员工或增加人手。AIOps 解决方案能够接收和监控大量技术数据和任务数据。团队可以通过 AIOps 发现的异常来检测更大的模式，设置未来预警，并增强网络威胁防御能力。

公共部门客户案例：某美国州政府机构使用 Elastic 实现对其 IT 环境的端到端可见性，并通过自动化原本需人工完成的流程，使效率提升了 80%。

了解更多 Elastic 在公共部门的 AI 与 ML 应用

AIOps 在零售行业中的应用

当今数字化意识强的消费者追求无缝的用户体验。AIOps 能帮助零售商主动发现并解决问题，提升运营效率，并在客户受到影响之前自动应对常见问题。提前解决潜在问题不仅能带来收入增长，还能提升客户忠诚度。

企业还可以分析历史数据预测未来趋势，帮助决策团队制定产品与服务策略。集中式系统还可让团队洞察快速变化的全球库存，更好地判断产品何时应从网站下架。

零售客户案例：Home Depot 当 Home Depot 遭遇一系列网络中断时，Elastic 在负载均衡服务器意识到问题前就已自我修复。这家家居巨头的高级 IT 架构师兼经理表示，Elastic “在服务器失效时处理得非常优雅”。

了解更多 Elastic 在零售行业的应用

使用 Elastic 的 AIOps 解决方案赋能你的组织

Elastic Observability 是一款 AIOps 解决方案，可为复杂的云原生环境提供全栈可见性。Elastic 被评为《Forrester Wave™：2022 年第四季度 AIOps 人工智能运维》报告中的强劲表现者。

Elastic Observability 能够：

• 监控日志，实现 PB 级日志的集中化与搜索

• 使用应用性能监控（APM）加快开发并提升代码质量

• 简化大规模基础设施监控

• 衡量并追踪用户交互和性能

• 主动监控并验证客户体验

了解如何使用 Elastic Observability 在你的组织中应用 AIOps。