Artık birçok teknoloji uzmanı, ürünlerini ve hizmetlerini iyileştirme umuduyla iş sorunlarına yapay zeka (AI) ve makine öğrenimi (ML) uygulamakla görevlendirildi. Ortaya çıkan bir yaklaşım olan AIOps, can sıkıcı bilgisayar sorunlarına yapay zeka uygulamayı vaat ediyor.
Yakın zamanda rapor Constellation Research, AIOps’un BT operasyonlarının durumunu iyileştirmesini ve yıllar içinde ortaya çıkan spagetti mimarilerinin çözülmesine yardımcı olmasını sağlıyor. Raporun yazarı Andy Thurai, “BT yöneticileri, çok fazla araç ekledikleri ve sildikleri için etkili olmak için çok büyük zorluklarla karşılaşıyorlar” diyor. “Veri parçalanmasına ek olarak, birçok araç aynı olay için kritik uyarılar üreterek ‘uyarı yorgunluğu’ yaratıyor. »
“AIOps, BT operasyonlarını iyileştirmek için yapay zekayı uygulamakla ilgilidir” diyor. “Bazı inanışların aksine, yapay zekayı BT operasyonlarıyla geliştirmekle ilgili değil, tam tersi. »
Neden bir AIOps yaklaşımını seçmelisiniz?
AIOps, BT ekiplerinin üretkenliğini potansiyel olarak artırabilecek bir araçtır. Andy Thurai, BT karmaşıklığını yönetmeye yönelik bir AIOps yaklaşımını düşünmek için yedi iyi neden sunar:
- Bilgisayar gürültüsünü ve yorgunluk uyarılarını azaltın. “Bugünün BT ekipleri, yanlış alarmların yarattığı gürültünün yanı sıra tek bir olay için çok fazla uyarının yarattığı gürültüden gerçekten bunalmış durumda” diye yazıyor. “Ezici miktarda gürültü, alarm yorgunluğuna neden olabilir. AIOps, bu gürültünün %80-90 oranında azaltılmasına yardımcı olabileceğini tahmin ediyor.
- Bir anomalinin kaynağını tanımlayın. Günümüzün çoklu bulut veya hibrit ortamlarında, “olaya neden olan temel olayı belirlemek son derece zordur” diye açıklıyor. “Kök neden analizindeki temel sorun, tüm yığın boyunca aynı zaman diliminde meydana gelen günlükleri, ölçümleri ve izleri bir araya getirmektir. AIOps, anomalilerin kökenlerine ışık tutuyor. Bir AIOps çözümü, “olayın meydana geldiği andan itibaren zaman çizelgesini göstermeyi” de mümkün kılar.
- Gelişmiş kapasite planlaması ve kaynak kullanımı. Rapor yazarı, “Yapay zeka destekli, veriye dayalı eşleme ile iş yüklerini doğru sunucu, örnek ve makine karışımına dağıtabilirsiniz” diye açıklıyor. “Belirli bir kombinasyon işe yaramadıysa, gerçek zamanlı olarak ince ayar yapabilir ve manuel müdahale olmadan beklendiği gibi çalışana kadar gerçek zamanlı olarak değişiklik yapmaya devam edebilirsiniz.” »
- Olayları ilişkilendirme yeteneği. AIOps, “ilgili telemetri bilgilerini – günlükleri, ölçümleri ve izleri toplayan” bir rol oynayabilir. “Çeşitli araçlardan ilgili telemetri bilgilerine hep birlikte, aynı gösterge panosunda ve aynı anda bakmanıza olanak tanır, bu da size sistemde neler olduğuna dair net bir görüş sağlar ve nedeni belirlemenize yardımcı olur. Oldukça hızlı bir şekilde prömiyeri” yapar.
- Bağlam zenginleştirme/uyarılar/olaylar. Andy Thurai, “Bir olay meydana geldiğinde, AIOps ekibinin atması gereken ilk adım, olayın bağlamını (ne, ne zaman ve neden) mümkün olduğunca çabuk belirlemektir” diyor. “Doğru şekilde uygulanan bir AIOps çözümü, ilgili destek personelini bilgilendirmek yerine olaya veya uyarıya bağlam katacaktır. »
- Anomali tespiti. “AIOps, tüm verileri analiz edebilmeli ve kalıpları tanımlayabilmelidir. »
- Kendi kendine onarım ve otomasyon yetenekleri. “İyi bir AIOps çözümü, iyileştirme önlemlerini başlatmak için ya otomasyona sahip olmalı ya da API’ler aracılığıyla otomasyon sağlayıcılarıyla entegre olmalıdır. Örneğin, CPU veya belleğin aşırı kullanımı durumunda, belirli işlemlerin yeniden başlatılması veya durdurulması, herhangi bir uyarı oluşturmaya gerek kalmadan sorunları çözebilir, bir olayı tetikleyebilir ve bu olayı araştırmak ve düzeltmek için BT kaynaklarını boşa harcayabilir. »
Boyut, zaman ve bütçe açısından kısıtlı BT ekipleri için günümüzün tüm sistem gereksinimlerine ayak uydurmak bunaltıcı olabilir. AIOps, BT uzmanlarının işlerine odaklanabilmeleri için günlük sorunları yönetmeye yardımcı olmak için akıllı dijital yardım sağlar.
Kaynak: ZDNet.com
