來源:中國電商物流網 發布時間:2019-9-12 8:31
隨著AI、大數據技術在IT運維領域的落地,AIOps成為傳統運維廠商、新興APM/NPM廠商和云服務商追捧的焦點,越來越多的用戶開始了解、嘗試和應用AIOps。但是,由于不同廠商的AIOps發展路徑和自身產品技術實力的不同,對于AIOps的定義和宣傳有很大的差異,而用戶面對嘈雜的市場聲音往往就像霧里看花,顯得無所適從。
美國著名IT研究機構Enterprise Management Associates(EMA)副總裁Dennis Drogseth在《AIOps IT Analytics at the Crossroads》網絡研討會上,同樣被歐美用戶多次問及AIOps和傳統監控工具之間界限的問題,特別是AIOps和APM產品的功能差異,如:它們到底有何不同?如果已經有了APM,還需要AIOps嗎?企業為什么要同時購買APM和AIOps產品?
根據Gartner在2019年7月發布的IT性能分析技術成熟度曲線顯示,AIOps正在從科技誕生的促動期 (Technology Trigger)進入過高期望的峰值(Peak of Inflated Expectations),而APM/NPM等技術已經進入穩步爬升的光明期 (Slope of Enlightenment),為什么還會出現AIOps和APM/NPM概念混淆?這里既有兩種產品相互交叉造成的誤解的因素,也有市場炒作和競爭的原因。Dennis Drogseth將在本文中為我們理清AIOps和APM的異同。
APM和AIOps的本質區別
APM的本質是監控工具。顧名思義,Application Performance Monitoring(Gartner對APM的定義)主要關注應用程序的性能,包括一些應用程序/基礎架構的相互依賴性(應用拓撲)。誠然,隨著APM逐漸向智能化發展,越來越多的APM產品開始在某種程度上提供故障預測能力,讓APM和AIOps的邊界變得有些模糊,但在更廣泛的IT運維管理與分析場景中,APM的重點仍是監控,同時也是AIOps平臺的最重要數據來源。
AIOps是覆蓋全部7層IT技術棧的平臺解決方案。AIOps作為一種運維策略,可以與企業現有的ITOM工具、基礎設施監控(ITIM)、網絡性能監控(NPM)、應用性能監控(APM)和數字性能監控(DPM)工具進行整合,同時AIOps的數據源還包括了IoT、配置數據、日志文件,甚至電子表格等文檔信息。
此外,從大數據分析到故障預測,AIOps解決方案可利用超過13種不同的分析探索方法,用于規范和if / then風格的機器學習。EMA研究表明,目前市場上流行的AIOps平臺,有超過50%能接入23種以上不同監測系統和ITOM工具。最重要的是,AIOps解決方案能夠支持變更管理、容量預測、安全及SecOps、成本優化、云遷移以及DevOps和終端用戶體驗分析,這些是遠遠超出APM能力范圍的。
因此,我們能夠得出一個基本結論:AIOps是一種涵蓋了APM、網絡管理、系統管理、數據庫管理和多云管理的統一管控技術,能夠關聯整合和主動分析來自不同數據源的數據。AIOps比APM在范圍、用例和價值上更廣泛,本質上與EMA定義的高級自動化分析(AIA)的目標是一致的。
APM和AIOps的幾點相似之處
但是,如果我們把AIOps看做可以替換APM/NPM/DPM的監控工具,同樣有失偏頗。事實上,APM的應用為AIOps能力的完善提供了巨大幫助。Dennis Drogseth總結出以下四個方面:
APM通過基礎設施依賴性進行應用程序管理的價值越來越高,因此APM也就成為自上而下評估服務管理和服務交付有效性的重要依據。
APM的核心能力之一是發現應用/基礎架構拓撲,而應用發現和依賴關系映射(ADTD)提供了更多動態功能,這些功能同樣是AIOps解決方案的基礎,可以直接集成或借助APM的發現功能進行實現。
APM越來越關注終端用戶體驗管理(DEM),這也是追求與業務價值保持一致的AIOps解決方案不斷增強的能力之一。
業務績效指標是選擇APM解決方案的重要依據,這同樣是用戶選擇AIOps解決方案的關鍵參數。當然AIOps平臺擁有更全面的基礎指標數據,可以更加全面的評估業務價值,分析容量、成本、安全/合規性問題和其他指標。
AIOps如何實現IT統一管控
AIOps作為一種覆蓋全部技術棧的統一管控技術,能夠幫助企業內部所有與IT相關部門進行變革,而不僅局限于運維部門。EMA連續兩年的研究顯示,AIOps能夠在所有造成數據孤島的IT工具整合中發揮巨大價值。此外,AIOps與IT服務管理(ITSM)的集成也至關重要,因為這樣才能幫助開發、安全團隊和運營部門更有效地協同工作。
但是,企業內部應該正確認知AIOps并就起目標和價值達成共識,才能實現IT的統一管控。而要發揮統一平臺的最大價值,需要把AIOps的領導力、創造力和靈活性應用在IT思維和工作方式中。與CMDB/CMS計劃并行,AIOps計劃需要各部門主動共享數據,探索新的流程效率水平,同時提高自動化水平。此外,AIOps需要更具凝聚力和更積極主動的心態,去探索遇到的新問題。當然,最佳實踐仍然適用于AIOps,與數字化轉型計劃保持一致,這些計劃為IT轉型提供了額外的砝碼和價值。
雖然我們常常在市場上聽到關于AIOps的錯誤概念,或從字面上把AIOps誤解為Ops專用的運維工具平臺,但希望大家通過本文清楚認識到:AIOps是激發所有IT系統價值的基礎。由于AIOps在產品設計和價值輸出是非常多樣化的,所以它不僅是一個市場概念,更是一個創新的IT環境。因此,我們需要根據現階段的IT成熟度和業務需求,按照優先級選擇適合的場景、用例,逐步推進AIOps的落地。