近日，Constellation Research发布了一份报告，指出了AIOps应该如何来改善IT运营状态，并试图解决多年来存在的意大利面条架构难题。
报告撰写者表示：：“IT领导人在提高效率方面面临着巨大的挑战，因为他们已经添加了太多的工具，但很多工具都是孤岛式的。除了零散的数据外，许多工具对同一事件产生了关键的警报，从而产生了'警报疲劳'。而AIOps是应用AI来增强IT运营，这与其他人认为的使用IT运营来提高AI，正好是想法的。”
作为一个试图提高IT团队生产力的工具，该报告总结了七个使用AIOps来降低IT复杂性的方法：
- 减少IT噪音和警报疲劳：如今，IT团队被虚假警报以及单个事件警报所产生的噪音所淹没，铺天盖地的噪音会造成警报疲劳，而AIOps可以帮助减少80%到90%的噪音。
- 更快的根因分析：在多云或混合环境中，要确定导致事件的根因是非常困难的，需要将整个堆栈中同一时间段内发生的日志、指标和痕迹拼凑起来。而AIOps有助于阐明异常现象的起源，同时显示从事件发生时的事件时间线。
- 加强容量规划和资源利用：通过数据驱动、AI辅助的映射，将工作负载部署在服务器、实例和机器的正确组合上。如果一个特定的组合没有工作，支持实时调整，实时改变，直到它按预期工作，无需人工干预。
- 对事件进行关联的能力：AIOps可以将相关的遥测信息组合在一起，包括日志、指标和追踪。提供在同一仪表板上同时查看来自各种工具的相关遥测信息的能力，帮助运维人员看到系统中发生的事情，并快速确定根因。
- 背景/警报/事件的丰富性： 一旦发生事件，ITOps团队需要做的第一步就是尽快弄清楚事件的背景（发生了什么、什么时候、为什么）。而一个正确实施的AIOps解决方案将为事件或警报添加上下文，而不是只通知相关支持人员。
- 异常情况监测： AIOps应该能够分析所有数据并找出规律。
- 自愈和自动化能力：一个好的AIOps解决方案应该有自动化，或者通过API与自动化供应商集成，以启动补救措施。例如，如果有CPU或内存过度使用，重启或杀死一些进程可能会解决这些问题，而不需要创建一个警报，引发一个事件，并浪费IT资源来调查和补救该事件。
对于规模、时间和预算有限的IT团队来说，如果要对系统所有的报警保持关注是难以实现的，而AIOps的方式可以帮助管理日常问题，让运维人员将注意力更多地集中在业务上。
