为什么AIOps工具最终可以为云计算注入新的活力

本篇文章2321字，读完约6分钟

[techweb]aiops工具在it领域有着广阔的应用前景，但是云技术是aiops有望提供最大好处的领域之一。

在这一点上，云计算在it行业已经是一个成熟的领域，有些人甚至说它很无聊。云中的创新已经放缓，很难想象我们会在云中构建或管理应用程序方面采取许多革命性的步骤。话虽如此，如果我必须选择一个可以在不久的将来对云进行重大改变的概念，那么我会在aiops和aiops工具上花钱。

尽管aiops的影响绝不仅限于云，但aiops是破坏我们与云基础设施交互方式的少数力量之一。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aiops

Aiops是gartner在2016年创造的一个术语，指的是人工智能在it运营中的应用。基本的aiops包括使用ai来帮助解释或分析it环境中的数据。更高级的aiops使用案例侧重于使用ai来自动化it管理任务，这些任务传统上必须由员工手动执行(例如，重新启动故障服务器或更新防火墙规则以响应新检测到的威胁)。

aiops的概念在这个术语发明之前就存在了。事实上，如果您在过去20年的任何时候使用机器学习或数据分析工具来帮助应用程序监控或安全测试，那么您就是在使用aiops。

然而，在过去的几年里，aiops和aiops工具迅速普及。这一趋势反映了人工智能的日益成熟以及现代it工作负载的不断增加的规模和复杂性(aiops迎接了使用人工智能来自动化和系统化it工作流的挑战)。

人工智能操作系统和云计算的未来

Aiops在整个it行业有着广阔的应用前景。然而，从许多方面来说，云计算是aiops被期望提供最大好处的领域之一。这是因为aiops可以解决云中一些最复杂的挑战——其他技术还没有完全解决的挑战。以下是四个主要示例:

1.成本优化

在云中运行工作负载很容易。以成本优化的方式运行它们要困难得多。云提供商没有尽力帮助客户减少平台支出。此外，尽管可以使用各种第三方工具来帮助预测和管理云成本，但大多数工具需要it团队进行大量的手动工作来构建和使用它们。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约成本的建议。这些工具中的许多还会根据过去的使用情况提出事后建议，而不是建议您可以实时更改云配置以立即省钱。

Aiops承诺提高自动化水平和对云成本优化的实时洞察。aiops工具不仅可以为公司在云中超支提供建议，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调配的虚拟机实例迁移到成本较低的实例，或将存储在比所需成本更高的对象存储层上的数据迁移到更经济高效的层。马上。

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。虽然与kubernetes平台和anthos类似的multicloud的出现使得集成到一个云中并托管其他正在运行的工作负载变得更加容易，但是公共云在其他方面已经变得更加本地化。如果您使用azure stack或aws前哨等框架来帮助构建您的云工作负载，您最终将严重依赖云提供商，并且您可以将应用程序、数据和配置移动到另一个公共云，而无需简单的方法，也无需从头开始重建一切。

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新构建，从一个云迁移到另一个云，aiops工具可以通过用ai重写新平台的配置来自动化这个过程。换句话说，it团队不必让aiops工具为他们创建繁重的工作，而不是手动重新创建iam策略、api配置等。不同的云。因此，即使不同的云平台在其服务产品中变得更加复杂和独特，云迁移也会变得更加顺畅。

3.云架构规划

it团队在使用云环境时面临的主要挑战之一是有太多的云服务可供选择-每个服务有太多的配置选项-并且为每个工作负载确定最佳服务类型是一项艰巨的任务。

如果给定的应用程序部署到虚拟机、容器或使用无服务器功能，它会以最佳方式(以最具成本效益的方式)执行吗？对于给定的工作负载，哪个或哪些云区域将提供最佳结果？如果您想利用边缘计算，工作负载应该放在哪里:放在云网关上、设备上还是两者的组合上？

这些是it架构师在现代云环境中不断解决的问题。传统上，知道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。

使用aiops，更容易预测哪种架构模式和配置最适合给定的云工作负载。通过使用关于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工具可以提供比it团队手动设计的更强大和更系统的建议。

4.管理各种工作负载

同样，公共云现在提供了一系列不同的服务，这意味着一些管理员很难掌握所有这些服务。这是可以理解的。很难指望一名工程师来指挥和管理windows vm实例、kubernetes集群、基于云的nosql数据库、saas分析平台和无服务器功能所需的专业知识(仅列出组织目前通常运行的各种工作负载)。云)。

面对这一挑战，企业传统上不得不雇佣顶尖的it人才来获得同时涵盖多种不同类型云服务所需的技能，或者依靠大型it团队在其专业领域拥有足够的人才来管理多样化的云服务。

然而，使用aiops，工程师可以更容易地管理各种云服务，即使他们彼此之间没有广泛的专业知识。aiops工具可以分析和帮助管理几乎任何类型的云服务所承载的工作负载，从而减轻人类工程师的负担。

结论

可以肯定的是，aiops不是万灵药。它无法解决云中的所有挑战，而且就其本身而言，它也不会开创云计算的新时代。然而，与许多其他现代技术趋势相比，aiops有望解决云计算中的几个关键挑战。在这方面，预计它将为信息技术生态系统的过时部分注入新的活力。[techweb]

来源：零点娱乐时刊