vlambda博客
学习文章列表

AIOps究竟如何影响DevOps?

Gartner 于2016年提出AIOps,至今已经是第4年了。AIOps被认为是是运维的发展必然,自动化运维的下一个发展阶段,被很多人所推崇,究竟在未来,它将如何影响DevOps?

 
我们先来看看GartnerAIOps的定义:
 
定义一:

智能运维(AIOps)平台是将大数据与机器学习功能相结合的软件系统,主要对IT系统不断产生的数据量、类型和速度进行拓展性的采集和分析,以支撑IT运维的主要功能。
 
定义二:

智能运维(AIOps)平台能够同时使用多个数据源、数据采集方法、数据分析(实时和深入)及可视化技术。

AIOps究竟如何影响DevOps?


2020年,DevOps团队将面临对更高速度和更高频率代码交付的更高期望,这意味着他们的IT环境将变得更加模块化,临时性和动态性更强,监控起来将更加复杂。

因此,AIOps将进一步巩固其作为最有效技术的地位,DevOps团队可使用该技术来查看和控制其应用程序及其底层基础架构的运行状况,从而防止中断。

在未来,AIOps将如何影响DevOps? 以下5个趋势值得注意。

DevOps团队之间更好的协作



过去,DevOps团队可以自由控制独立运作。实际上,这种自由甚至可以扩展到单个DevOps团队中的个人。2020年,许多企业将着手解决这一问题。

AIOps将通过提供应用程序的整体性能,及其基础结构状态的整体视图和跨团队意识来帮助这一工作。

AIOps从所有DevOps监控工具中提取数据,过滤出整个事件的噪声,并关联重要警报,在持续集成和持续交付流程中查明根本原因。这样,消除了DevOps团队之间的孤岛,增强了跨团队的协作,并及早发现并迅速解决了应用程序问题。

DevOps自动化



DevOps中,有很多自动化措施集中于将代码从一个阶段转移到下一个阶段,并将其注入到生产环境中。在2020年,我们将看到代码编写许多方面的自动化。这与复制现有代码行无关。相反,它涉及到决策流程和要应用的操作,从而有效地使编码人员的任务自动化。

鉴于自动化的紧迫性,DevOps团队别无选择,只能越来越信任AI,因为“对速度的需求”推动了对自动化的需求。DevOps团队将认识到,基于AI和机器技术实现以可观察性为中心的IT管理专注于指标,日志和跟踪以及实时对这些数据类型的分析,因为这些数据集异常复杂,动态,易变且吵。

为了处理这些数据集,开发和运营团队都需要使用分析和诊断工具来预测正在发生的事情。在这种情况下,就必须使用AIOps技术,如果没有智能过滤器,DevOps就会失去控制权,开发周期也将减慢。

DevOps员工get新技能



随着DevOps团队进一步拥抱AIOps,而AIOps又吸收并自动化了许多以前的手动任务,DevOps团队成员将需要新技能,并且将出现新工作。例如,AIOps Architect 这样的新工作,它是用于控制AIOps平台的元算法的开发人员。为了应对这种转变,DevOps专业人员需要考虑如何扩展和更新技能,并且组织必须提供适当的培训。例如,数据科学将成为一项关键技能,以及对现代IT系统的全面理解。


推动DevOps发展



DevOps的下一个发展涉及将安全性划分到其流程中,以便在持续集成和持续交付流程中合并并自动执行安全性检查。AIOps将加深这种集成,并提高DevOps团队通过单一视角处理开发,运营和安全相关问题的能力。

提高AIOps算法的透明度



AI系统可能会出错,让人们对有效审核AIOps系统功能的担忧。在当今非常流行的某些类型的算法中,有些难以理解。实际上,人类无法理解它们是如何得出结论的。随着AIOps的部署越来越广泛,我们将看到摆脱这些黑盒算法(您永远无法真正理解它们如何得出结果)的趋势,而转向对任何人都更加透明的其他类型的AI算法-甚至到另一个试图审核其结果的IT系统。

2020年,人工智能将绝对在测试中发挥重要作用。但是,监视流量并将其转换为有意义,稳定的测试以消除测试人员需求的能力仍需要数年的时间。

听云的AIOps能力



听云大数据架构 :为听云APM及业务智能运维大数据量身打造的Lambda架构,高效融合实时和离线分析场景,为听云APM及业务智能运维提供全量采集、存储、分析的能力,灵活支持指标预聚合、事件明细检索、调用链、实时ADHOC(即多维分析)等多种查询及分析场景,海量数据查询秒级或亚秒级呈现。

AIOps数据处理引擎 :不依赖人为指定规则,由机器学习算法配以神经网络模型从海量数据(性能指标、业务指标、日志等)中进行深度学习,并能够基于场景自我进化算法模型。同时通过自主策略指挥采集端数据输入,完成智能的数据分析,用于输出可视化视图或指导自动化工具进行执行层操作。最终构建以AI为核心的中枢调度管理平台,实现质量、成本、效率三者兼顾的智能化运维。
 
听云全量数据采集引擎 :业务数据采集及分析引擎,全量采集与分析用户端与后端的业务数据,主动监控业务表现,并实现管理可视化,可一站式追踪定位业务问题与性能及用户体验问题的关联关系。

听云可视化大屏 :听云可视化大屏基于听云自研大数据引擎开发,数据通过SDK和第三方API采集接入,经过听云大数据运算处理中心进行计算建模和数据处理。最终以灵活(自由布局)、开放(组件数据可接入)、易操作的可视化界面呈现给用户。图表支持Echasrt/Higharts图表库接入,支持3D酷炫组件展示、上百种组件丰富多样,多种场景模板、用户选择更多元化。为用户数据可视化展示呈现视觉盛宴。

 
文章资料来源:APMdigest,Gartner
 




关于听云



听云专注数字化监控13年,拥有国内领先的数据获取能力,为各行业企业提供完整覆盖用户端、网络、服务器端全栈实时的监控与大数据智能分析平台,帮助企业提升系统性能表现,改善用户体验,加速业务创新。

听云业务现已覆盖政府、金融、运营商、互联网、航空、能源电力、工业制造、教育等各大行业,为超过80000+知名企业提供服务,赢得广泛信赖与认可。经过13年技术深耕和市场培育,听云已成为中国应用性能管理(APM)行业领军企业,并多次作为亚太区唯一企业,入选全球权威研究机构Gartner APM 魔力象限。