1、打破数据乱局并对您的 IT 运维持续进行分析AIOps基本指南目录AIOps 是什么？.3AIOps 如今的发展情况.4关键 AIOps 用例.5AIOps 和向主动 IT 的转变.8如何开始使用 AIOps？.9Splunk 的 AIOps 方案为何与众不同.11总结：AIOps 时代已经来临.13AIOps 是什么？AIOps 是将分析和机器学习应用至大数据，以实现 IT 运营自动化并对其进行改善的做法。这些新的学习系统可以对大量的网络和机器数据进行分析，以发现有时人工操作员无法识别的模式。这些模式既可以识别现有问题的原因，又可以预测未来的影响。AIOps 的最终目标是实现常规操作的自动化

2、，以提高问题识别的准确性和速度，进而使 IT 人员能够更有效地满足不断增长的需求。历史与起源“AIOps”一词由 Gartner 于 2016 年首先提出。在AIOps 平台市场指南 中，Gartner 将 AIOps 平台描述为“AIOps（参见注释 1）平台是一种软件系统，它将大数据和人工指南(AI)或机器学习功能结合起来，以增强和部分取代广泛的 IT 运营流程和任务，包括可用性和性能监控、事件关联和分析、IT 服务管理和自动化。”3 AIOps 如今的发展情况现如今，运维团队需要做更多的工作。旧的工具和系统似乎永远不会消亡，这是一种常见的做法，有时甚至会让人觉得可笑。然而，同样的运维团队

3、一直承受着支持更多新项目和技术的压力，而且往往面临人手不足或减少的窘境。除此之外，系统更改频率增加和更高的吞吐量通常意味着这些监控工具生成的数据几乎无法消化。为了应对这些挑战，AIOps：可将多个来源的数据集合在一起：传统的 IT 运维方法、工具和解决方案通过降低数据保真度的简单方式聚合并平均分配数据（例如，可以考虑被称为“平均数的平均数”的聚合技术）。它们的设计不适用于当今万物互联的复杂 IT 环境生成数据的数量、种类和速度。AIOps 平台的一个基本原则是，它能够捕获任何类型的大型数据集，同时可保持完整的数据保真度，以便进行全面分析。分析师应该始终能够下钻到提供任何聚合结论的源数据。简化数

4、据分析：AIOps 平台的一个重要区别是，它能够对这些大型多样的数据集进行关联。只有拥有最好的数据，才能进行最好的分析。然后，平台对这些数据应用自动分析，通过检查来自许多来源的，看似不相干的流之间的交叉，确定现有问题的原因，并预测未来的问题。实现响应的自动化：识别和预测问题非常重要，但如果可以通知正确的人员、在发现问题后自动纠正问题，或者在理想情况下执行命令，彻底防止问题发生时，AIOps 平台就可以发挥最大的作用。常见的补救措施（如重新启动组件或清理已满磁盘）可以自动处理，这样，只有典型解决方案无法解决问题时，才需要工作人员的介入。AIOps 的主要业务优势AIOps 可以通过实现 IT 运

5、维功能的自动化来增强并改进系统性能，进而为组织提供显著的业务优势。例如：避免停机可以提高客户和员工的满意度和信心。将以前孤立的数据源整合在一起便可以提供更完 整的分析和见解。加快根本原因分析和补救可以节省时间、成本和资源。提升事件响应速度和一致性可以改进服务交付方式。更快地发现并解决复杂问题可以提高 IT 部门支持增长的能力。主动发现并防止错误可以使 IT 团队专注于价值更高的分析和优化。主动响应可以提高对系统和应用程序增长的预见性，以满足未来的需求。通过处理平凡的工作，为不堪重负的系统增加“松弛感”，让人员能够专注于更高层次的问题，产生更高的工作效率和更高的士气。4 数据对 AIOps 至关

6、重要数据是任何成功自动解决方案的基础。您需要历史和实时数据来了解过去，预测未来最有可能发生的事。为了对事件进行全面了解，组织必须访问大量历史和流式数据类型，包括人工和机器生成的数据。来自更多来源的更好的数据将产生分析算法，以便能够更好地发现人类难以隔离的相关性，从而产生可以更好地进行规划的自动化任务。例如，在大多数半现代的监控系统中，实现某种响应的自动化并不困难。但是，如果响应时间使应用程序变慢，AIOps 就会帮助确保适当的自动响应，而不仅仅是静态连接的“膝跳式”响应。如果瓶颈与容量无关，向服务添加更多容量实际上可能会使响应速度更慢。而且它肯定会在云环境中造成意外且不必要的成本。因此，拥有适