您可以信任AIops吗？

AIops（IT运算的人工智能）是那些很酷的流行语之一，实际上是另一个流行语的一部分：cloudops（云运算），它是所有流行语之母：云计算。 一般而言，AIops的概念和AIops的工具类别确实是成熟的。至少在过去的几年中，传统操作工具领域中的大多数人将AI引擎连接到工具上，并将其称为AIops。 一些专门构建的AIops工具初创公司正在利用AI从一跳就开始。选择AIops工具时都值得一看；但是，没有主流品牌。 目标过去是而且很明显。由于大多数这些工具从一开始就已经是数据收集工具和分析工具，因此添加AI可以使他们从数据中学习，而不仅仅是将管理下的服务问题外部化。在某些情况下，他们可以使用预编程的例程纠正问题，例如重新启动服务器或阻止似乎正在攻击其中一台服务器的IP地址。 现在，我们已经进入了这种范例及其技术产品的几年了，我们开始注意到一些模式-一些不错，有些还不太好。让我们来探索两者。 就工作原理而言，许多情况下的AIops工具都是第四，第五或第六代的ops工具。此外，他们中的大多数人已经考虑了一段时间的公共云管理，并且能够弥合本地遗留系统管理与管理公共云中的应用程序和服务之间的鸿沟。 它们是用于管理和监视云，多云，旧版甚至物联网和基于边缘的系统的强大工具。这种支持复杂系统异构性的能力确实是ops工具的真正价值，以及为什么它们对于实现云或非云系统的人很重要。 不利的一面是，大多数用户没有利用工具中的AI子系统，因此您可能要为未使用的功能付费。我不认为这是工具提供商的错；在大多数情况下，这与传统团队和cloudops团队如何安装，设置和使用工具有关。这是由于在某些情况下缺乏培训，或者在受管理的当前系统集（云而非云）中缺少有效的用例。 显然，AIops将成为大多数基于云的部署的一部分。同样清楚的是，这些部署（如多云）越复杂，它们将带来更多的价值。