AIOps工具在IT领域大有可为，但云技术是AIOps有望带来最大收益的领域之一。在这一点上，云计算在IT行业已经是一个非常成熟的领域，甚至有人会说它很无聊。云中的创新已经放缓，很难想象我们在云中构建或管理应用程序的方式有多少革命性的步骤。话虽这么说，如果我必须选择一个准备在不久的将来在云中做出重大改变的概念，我会把钱花在AIOps和AIOps工具上。虽然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设施交互方式的力量之一。您需要了解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，指的是人工智能在IT运维工作中的应用。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用例侧重于利用AI来自动化员工过去必须手动执行的IT管理任务（例如，重新启动发生故障的服务器或更新防火墙规则以响应新检测到的威胁）。AIOps的概念早在该术语发明之前就存在了。事实上，如果您在过去20年的任何时候都使用过机器学习或数据分析工具来帮助进行应用程序监控或安全测试，那么您就是在使用AIOps。但在过去几年中，AIOps和AIOps工具的流行度呈爆炸式增长。这一趋势反映了AI的日益复杂以及现代IT工作负载的规模和复杂性的增加（AIOps通过使用AI来自动化和系统化IT工作流程来解决这一挑战）。AIOps与云计算的未来AIOps在整个IT行业有着广阔的应用前景。然而，在许多方面，云计算是AIOps有望带来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。以下是四个关键示例：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。云提供商不会竭尽全力帮助客户减少在其平台上的花费。而且，虽然可以使用各种第三方工具来帮助预测和管理云成本，但大多数都需要IT团队进行大量手动工作才能设置和使用。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。其中许多工具还根据过去的使用情况提供事后建议，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承诺提高云成本优化的自动化程度和实时洞察力。AIOps工具不仅可以提供有关公司在云中超支的地方的建议，而且还可以采取额外的步骤自动重新配置工作负载以节省资金。例如，AIOps工具可以自动将过度配置的虚拟机实例迁移到成本较低的实例，或者将存储在对象存储层上的数据比需要移动到更具成本效益的层更昂贵。立即地。2.云迁移从某种意义上说，云迁移比以往任何时候都更加困难。虽然多云的兴起以及Kubernetes和ANTHOS等平台的出现，使得在一个云中运行的工作负载与在另一个云中的托管集成变得更加容易，但公共云在其他方面正变得更加原生。如果您使用AzureStack或AWSOutposts等框架来帮助构建您的云工作负载，您最终会高度依赖您的云提供商，而没有一种简单的方法可以将应用程序、数据和配置移动到另一个公共云，而无需从头开始重建所有内容。AIOps可能是应对这一挑战的解决方案。如果IT团队需要从头开始重建以从一个云迁移到另一个云，AIOps工具可以通过利用AI重写新平台的配置来自动化该过程。换句话说，IT团队不必让AIOps工具为他们创建繁重的工作，而不是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——每个服务的配置选项太多——并且为每个工作负载确定最佳服务类型可能令人望而生畏。至少可以说令人生畏。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，它是否会以最佳方式执行（以最具成本效益的方式）？对于给定的工作负载，哪个或哪些云区域会提供最佳结果？如果你想利用边缘计算，工作负载到底应该放在什么地方：在云网关上、在设备上，还是在两者的组合上？解决了问题。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架构解决方案的性能和成本的数据，AIOps工具可以提出比IT团队手动设计的更强大、更系统的建议。
