傳統(tǒng)的運(yùn)維方式基本都是依賴人工和靜態(tài)規(guī)則，它們無(wú)法適應(yīng)于動(dòng)態(tài)復(fù)雜變化的場(chǎng)景。而人工智能可以讓運(yùn)維具備機(jī)器學(xué)習(xí)和算法的能力，從而在動(dòng)態(tài)變化場(chǎng)景的復(fù)雜條件下，能夠做出高效準(zhǔn)確的決策判斷。我們需要具有從“基于專家經(jīng)驗(yàn)”到“基于機(jī)器學(xué)習(xí)”的觀念轉(zhuǎn)變。
近年來(lái)，機(jī)器學(xué)習(xí)技術(shù)在監(jiān)控工具中的應(yīng)用已經(jīng)成為 IT 運(yùn)維與 DevOps 團(tuán)隊(duì)的一大熱點(diǎn)話題。盡管相關(guān)的使用案例很多，對(duì) IT 團(tuán)隊(duì)而已真正的「殺手級(jí)應(yīng)用」是機(jī)器學(xué)習(xí)如何提高實(shí)時(shí)事件管理能力，從而幫助較大規(guī)模的企業(yè)提高服務(wù)質(zhì)量。對(duì)此，關(guān)鍵在于在用戶發(fā)現(xiàn)問(wèn)題之前提早探測(cè)異常，進(jìn)而減少生產(chǎn)事故與中斷的負(fù)面影響。
在運(yùn)維過(guò)程中，會(huì)產(chǎn)生海量的運(yùn)維數(shù)據(jù)，這其中有些可用于描述應(yīng)用或者系統(tǒng)的運(yùn)行狀態(tài)、有些可用于標(biāo)簽、有些可用于進(jìn)行經(jīng)驗(yàn)反饋。這些巨量的、多維度的數(shù)據(jù)是機(jī)器學(xué)習(xí)建立行為模型的基礎(chǔ)。
具體有哪些優(yōu)勢(shì)呢?首先，機(jī)器學(xué)習(xí)的優(yōu)點(diǎn)在于可以通過(guò)無(wú)監(jiān)督學(xué)習(xí)實(shí)現(xiàn)定制化，從而滿足公司獨(dú)特業(yè)務(wù)環(huán)境的需求。機(jī)器學(xué)習(xí)通過(guò)采用各種算法，識(shí)別數(shù)據(jù)中可實(shí)際應(yīng)用于商業(yè)活動(dòng)、挑戰(zhàn)和機(jī)會(huì)的一致、連貫且循環(huán)的模式，從而實(shí)現(xiàn)這一優(yōu)勢(shì)。
另外，現(xiàn)今的公司往往都掌握了大量的數(shù)據(jù)，但是大多未被利用或者不可用，并且可能還正在迅速變化。這些數(shù)據(jù)太過(guò)龐大，即使是整個(gè)部隊(duì)的分析員也無(wú)法奢望能夠完全掌控。有了機(jī)器學(xué)習(xí)，大數(shù)據(jù)的優(yōu)勢(shì)可以通過(guò)將操作智能嵌入到現(xiàn)有的性能管理工具中得到有效實(shí)現(xiàn)。例如，假設(shè)一家大型百貨商店使用機(jī)器學(xué)習(xí)來(lái)分析銷(xiāo)售交易，就可以輕松地評(píng)估數(shù)十億筆交易及相關(guān)元數(shù)據(jù)并從中獲取有價(jià)值的信息。這些信息可以被納入現(xiàn)有的工具中，以幫助商店改進(jìn)其內(nèi)部運(yùn)營(yíng)，并提升端對(duì)端的客戶體驗(yàn)。
不僅如此，機(jī)器學(xué)習(xí)也可以幫助彌補(bǔ)IT運(yùn)維專家退休或離開(kāi)公司時(shí)留下的空缺。例如，新一代的IT專家未必接受過(guò)大型機(jī)技術(shù)的培訓(xùn)，而許多領(lǐng)先的企業(yè)以及政府都依賴此技術(shù)來(lái)執(zhí)行其最重要的應(yīng)用程序。嵌入智能和應(yīng)用機(jī)器學(xué)習(xí)技術(shù)吸納了大型機(jī)專家的技能和知識(shí)，可以降低風(fēng)險(xiǎn)，確保機(jī)構(gòu)可以實(shí)現(xiàn)持續(xù)和可擴(kuò)展的運(yùn)營(yíng)，從而彌補(bǔ)對(duì)于優(yōu)化大型機(jī)性能和故障排除等專業(yè)能力的缺失。
當(dāng)然，這并不意味著企業(yè)IT運(yùn)維可以直接無(wú)縫向機(jī)器學(xué)習(xí)靠攏。事實(shí)上，機(jī)器學(xué)習(xí)可以分成兩個(gè)階段的應(yīng)用。第一個(gè)階段是鏈接來(lái)自不同IT工具的數(shù)據(jù)，第二個(gè)階段是確定哪里的關(guān)聯(lián)是最有意義的。在處理非結(jié)構(gòu)化數(shù)據(jù)的第一階段，聯(lián)系的過(guò)程是并不明顯的。
機(jī)器學(xué)習(xí)可以推斷出不同數(shù)據(jù)源之間的關(guān)系，并確定如何才能將它們鏈接到有關(guān)的運(yùn)行環(huán)境中去。算法包括模糊的匹配規(guī)則和如何去識(shí)別同時(shí)頻繁出現(xiàn)的事件的關(guān)聯(lián)規(guī)則，自然語(yǔ)言中的數(shù)據(jù)語(yǔ)言分析和根據(jù)預(yù)測(cè)模型建立的估算系統(tǒng)。而在這個(gè)過(guò)程中又產(chǎn)生了一系列的跨數(shù)據(jù)的帶有語(yǔ)義標(biāo)注的數(shù)據(jù)樣本。
IT運(yùn)維的發(fā)展足以使所有的可自動(dòng)化功能變得自動(dòng)，并使用精密的組件工具來(lái)確保一切正常運(yùn)行。IT運(yùn)維分析已經(jīng)進(jìn)入了一個(gè)新的時(shí)代——一個(gè)由算法處理IT運(yùn)維的領(lǐng)域，將學(xué)習(xí)算法的過(guò)程融入在收集的大量數(shù)據(jù)，警報(bào)，票證和測(cè)量中，以提取出其被深深隱藏的洞察力，這種洞察力將能夠提供準(zhǔn)確的警報(bào)，建立情景感知意識(shí)，找到根本原因，甚至能預(yù)測(cè)事件。
it168網(wǎng)站原創(chuàng) 作者: 張存
川公網(wǎng)安備 51010702001250號(hào)