越来越分散、异构、高度动态的现代IT环境，不仅没有降低监控和管理的难度，而且随着云计算、容器和云计算的普及，给各个组织带来了新的挑战。微服务技术。更严峻的运营挑战。面对这一实际问题，IT领导者开始转向AIOps，将人工智能应用到IT运营中，希望解决IT复杂性增加和传统监控工具不足的困境。据MarketsandMarketsResearch估计，目前全球的IT从业者都在大量采购AIOps工具。到2023年，全球AIOps市场将从2018年的25.5亿美元增长到110.2亿美元，复合年增长率为34%。根据《数字企业杂志》(DEJ)于2020年5月发布的一项研究，自2018年以来，已经部署或打算部署AIOps的组织数量增加了83%。“AIOps的增长趋势代表了未来市场的积极发展信号。”EMA研究副总裁DennisDrogseth强调。AIOps确实带来了令人印象深刻的承诺，包括显着提高检测、诊断和解决IT问题的速度和准确性，从而显着降低关键应用程序和数字服务中断的可能性。然而，AIOps本身的采用和部署已经成为一种新的问题。下面，我们就来看看IT决策者在2021年的AIOps战略规划中应该密切关注的六大趋势。趋势1AIOps将带来更多的炒作和麻烦类似各种引起市场热议的技术名词，对AIOps的定义和理解也是五花八门，各不相同。根据DEJ研究，64%的受访者认为AIOps解决方案的前景“令人困惑”。EMA的Drogseth对此表示赞同，认为AIOps仍然笼罩在迷雾之中。专家表示，随着AIOps的普及，每个供应商都有自己的解决方案形态设计和理解。换句话说，IT领导者必须从这场混乱的狂欢中找到真正适合自己需求的AIOps产品。MicroFocus产品经理GaryBrandt表示，在为组织选择合适的AIOps工具时，每个人都必须投入大量精力进行仔细的研究和评估。“客户面临的核心挑战是区分哪些AIOps具有真正的投资回报和价值，哪些只是炒作。”他说。MicroFocusCTOLarsRossen表示，AIOps明年将逐步开始落地，这也意味着一些炒作因素将逐渐幻灭。“有些人错误地认为AIOps具有神奇的力量可以解决他们所有的问题——这显然是不可能的。”要正确思考AIOps的具体做法，我们首先要将其理解为既定IT运维分析技术的延续和扩展。Brandt认为，无论是监控、事件管理、问题隔离还是自动化，AIOps改变的是工作的“方式”。在这方面，AIOps确实可以让企业做得更好。IT领导者还应该了解他们采用AIOps的原因和目标。Brandt提到，“你希望在混合IT环境中实现什么样的改进？一定要指定具体的目标。”GreenlightGroup首席顾问TorreyJones认为，对于正在评估和实施AIOps的组织来说，最重要的是弄清供应商一方如何理解AIOps的核心思想。与AIOps相比，EMA的Drogseth更喜欢使用“高级IT分析”这个术语，因为这里的参考范围不再局限于IT运营，还涵盖了DevOps、IT服务管理、安全运营和业务利益相关者。在他看来，AIOps还不是传统意义上的市场，更多的是一种“预测”，厂商代表着各种实现。哪种方法更好无疑取决于组织的实际需求。在其最近发布的《AIOps：创新投资指南》中，EMA概述了AIOps产品和服务应遵循的一系列核心标准，包括：?从跨域来源摄取大量数据?访问关键数据类型，例如事件、日志和配置数据?提供预测性、规范性和可操作性见解的自学能力?支持广泛的高级启发式?叠加和集成多种监控工具?支持私有云和公共云以及混合/传统环境?支持多种用例趋势IIAIOps将加强安全工作多年来，AIOps已经证明了增强网络安全的潜力，而2021年很可能是潜力成为现实的一年。德勤咨询首席云战略官DavidLinthicum表示，通过缩小IT运营和安全运营之间的差距，AIOps将进一步提高系统正常运行时间和可靠性。例如，通过安全数据可见性，AIOps可以确定某些应用程序性能问题不是由IT故障引起的，而是由对底层服务器的网络攻击引起的。Linthicum强调，“我们应该有安全流程来抵御这些独特的情况。但就传统工具而言，这些情况通常仍被视为正常的性能问题，很少与安全威胁相关联。”Linthicum补充说，此功能将把操作变成第一道防线，确保管理员可以关闭受到攻击的服务器或已被破坏的存储系统。趋势3工具供应商将掀起兼并潮。随着AIOps市场的发展，会有更多厂商涌入，淘汰阶段也随之而来。目前，很多传统监控工具供应商都计划在现有产品中加入AIOps功能，而实现这一点的方式自然是直接收购一些规模较小的AIOps厂商。Linthicum认为，“这将为客户带来更好的AIOps技术。”AIOps作为一个概念和技术范畴，代表着运维工具的全面成熟。近年来，传统运营和CloudOps领域的大多数供应商已经开始“将AI引擎集成到他们的工具中，无论是否实际使用，其结果都将称为AIOps”。面向初创公司的AIOps工具将紧随其后。这些工具的设计考虑到了人工智能技术的应用。哪种工具更合适还取决于组织的实际需求。此类创业工具往往更具创新性，更有效地利用人工智能技术，并能够支持云平台等现代系统。相比之下，原来经历过AIOps的传统工具更倾向于支持遗留系统，主要服务于希望通过单一工具同时管理传统系统和云系统的IT运维人员。“当然，两者是相辅相成的，许多企业都在使用这两种类型来覆盖所有运营基础设施。”大卫·林西库姆说。趋势4DevOps专业人士将广泛接受AIOpsAIOps主要针对IT运维团队，但它的吸引力逐渐扩展到DevOps团队，帮助他们通过高级工具监控复杂的环境，并相应地生成原始的、细粒度的和广泛的可观察性数据，包括日志、指标和痕迹等等。通过将人工智能和机器学习(ML)算法应用于可观察和监控的数据，AIOps将成为DevOps工具链的一部分，专注于监控和管理测试、性能和安全等问题。根据Linthicum的说法，这种方法还可以“通过自动化向集成工具和DevOps工程师提供实时反馈。”S&PGlobalMarketIntelligence451Research高级分析师NancyGohring表示，在该公司最近对DevOps从业者的调查中，42%的受访者将AIOps定义为使用AI和ML技术来分析日志、痕迹和指标的工具。“这符合人们对可观察性的定义。因此，在DevOps从业者中，AIOps和可观察性之间往往存在一个有趣的交集。》趋势五：自动化能力将得到扩展AIOps产品在诞生之初一直将自动化作为核心要素，但自动化的具体实现可以通过多种不同的形式来实现。虽然AIOps产品目前还没有完全消除需要人为干预，但预计这将在2021年显着改善。今天，越来越多的产品正在结合解决用例或工作流相关问题的自动化。MicroFocus的Brandt认为，“现在，我们已经意识到分析如何触发或推动这个过程，所以我认为自动化会成为AIOps的一大发展趋势，MicroFocus的Rossen认为，AIOps在技术本体和企业应用层面有望迎来四个具体的自动化升级：?“典型”类AIOps自动化，即大量摄取日志，然后使用ML算法进行分析，以检测和基线不匹配的异常.?机器人流程自动化无需人工干预即可触发修复。?分析和关联拓扑数据以查看系统内的连接方式，然后使用此信息发现问题的根本原因。?自动化，帮助最终用户直观地解决问题智能虚拟代理（如自动化服务台），显着提高客户支持的准确性和实用性。德勤的Linthicum也强调了自我修复能力的进步。他强调，一些AIOps已经可以“解决管理或监控系统检测到的问题。”AIOps系统发现问题后，会启动相应的流程来尝试解决，比如重启服务器或网络集线器。当前的主要趋势是朝着主动或自我修复AIOps工具的方向发展。”DavidLinthicum总结道。趋势六集体智慧的应用将不断深化451Research的Gohring认为，AIOps另一个值得关注的重要趋势是“集体智慧”，即AIOps提供者将来自客户的所有监控数据聚合起来，整理出可以比较的信息与各方共享的其他总体趋势。根据Gohring的说法，“他们分析整个客户群的数据，进行基准测试并在此基础上提供见解。”例如，供应商可以查看特定领域客户的开发绩效指标，并根据集体知识预测他们的问题所在。此外，她认为供应商还可以针对具体问题分析和分享客户的解决方案，帮助其他客户在处理类似问题时获得宝贵的启发。总结：2021年AIOps大放异彩随着2021年的到来，IT领导者有必要使用AIOps来应对越来越难以监控的复杂环境。是的，AIOps目前被严重夸大了，可能无法满足供应商做出的过高承诺。但事实证明，这项技术确实可以为现实世界中的IT运营带来自动化和精简支持。此外，从以上几大趋势来看，AIOps技术也在不断发展和完善，其覆盖面已经开始扩展到DevOps和SecOps等领域。最终，AIOps将有能力帮助IT团队完成最重要和最紧迫的任务，例如与业务绩效密切相关的应用程序和数字服务的可靠性、稳定性和正常运行时间。
