AIOPS (INTELLIGENCE ARTIFICIELLE POUR LES OPÉRATIONS DE TECHNOLOGIE DE L'INFORMATION)
L'intelligence artificielle pour les opérations de technologie de l'information ( AIOP ) est un terme générique désignant l'utilisation de l' analyse des mégadonnées , de l'apprentissage automatique ( ML ) et d'autres techniques d'intelligence artificielle ( IA ) pour automatiser l'identification et la résolution des problèmes informatiques courants. Les systèmes, services et applications des grandes entreprises génèrent d'énormes quantités de données d'enregistrement et de performances. Les AIOps utilisent ces données pour surveiller les actifs et mettre en évidence les dépendances à l'intérieur et à l'extérieur des systèmes informatiques.
La plate-forme AIOps doit fournir trois fonctions pour l'entreprise :
1. Automatisez les pratiques de routine.
Les pratiques de routine incluent les demandes des utilisateurs, ainsi que les alertes non critiques du système informatique. Par exemple, AIOps peut permettre à un système de support de traiter et de répondre à la demande d'un utilisateur pour fournir automatiquement une ressource. L'AIOps peut également évaluer une alerte et déterminer qu'elle ne nécessite aucune action car les mesures pertinentes et les données de support disponibles se situent dans les paramètres normaux.
2. Identifiez les problèmes graves plus rapidement et avec plus de précision que les humains.
Les professionnels de l'informatique peuvent gérer un événement malveillant connu sur un système non critique, mais ils ignorent un téléchargement ou un processus inhabituel qui démarre sur un serveur critique car ils ne surveillent pas cette menace. Les AIOps traitent ce scénario différemment, en donnant la priorité à l'événement sur le système critique en tant qu'attaque ou infection potentielle car le comportement est hors schéma, et en réduisant la priorité de l'événement malveillant connu en implémentant une fonction anti-malware.
3. Simplifiez les interactions entre les groupes et les équipes du centre de données.
Les AIOps fournissent à chaque groupe informatique fonctionnel des données et des informations pertinentes. Sans processus assistés par l'IA, les équipes doivent partager, analyser et traiter les informations en rencontrant ou en transmettant manuellement les données. Les AIOps ont besoin de connaître les données d'analyse et de surveillance pour afficher chaque groupe ou équipe à partir d'un large éventail de métriques de ressources.
cas d'utilisation
Les AIOps sont généralement utilisés dans les organisations qui utilisent DevOps ou le cloud computing et dans les grandes organisations complexes. AIOps aide les équipes utilisant le modèle DevOps en donnant aux équipes de développement un aperçu supplémentaire de leur environnement informatique, donnant aux équipes d'exploitation plus de visibilité sur les changements de production. Les AIOps suppriment également de nombreux risques associés aux plates-formes cloud hybrides en aidant les opérateurs sur l'ensemble de l'infrastructure informatique. Dans de nombreux cas, AIOps peut aider n'importe quelle grande organisation dans un environnement informatique à grande échelle. La capacité d'automatiser les processus, d'identifier rapidement les problèmes dans un environnement informatique et de faciliter la communication entre les équipes aidera la majorité des grandes entreprises dans des environnements informatiques vastes ou complexes.
Technologies d'IAOps
Les AIOps utilisent une gamme de stratégies d'IA différentes, y compris la sortie de données, l'agrégation, l'analyse, les algorithmes, l'automatisation, la coordination, l'apprentissage automatique et la visualisation. La plupart de ces techniques sont bien définies et raisonnablement matures.
Les données AIOps proviennent de fichiers journaux , de métriques, d'outils de surveillance, de systèmes de cartes de sauvegarde et d'autres sources. Les technologies de mégadonnées regroupent et organisent toutes les sorties du système sous une forme utile. Les technologies d'analyse peuvent interpréter les informations brutes pour créer de nouvelles données et métadonnées. L'analyse réduit le bruit, c'est-à-dire les données inutiles ou erronées, et identifie également les tendances et les modèles qui permettent à l'outil d'identifier et d'isoler les problèmes, de prévoir la demande de capacité et de gérer d'autres événements.
L'analyse nécessite également des algorithmes pour normaliser l'expertise informatique, les politiques commerciales et les objectifs organisationnels. Les algorithmes permettent aux AIOps de fournir les actions ou les résultats souhaités - Les algorithmes permettent au personnel informatique de hiérarchiser les événements liés à la sécurité et d'informer la plate-forme des décisions relatives aux performances des applications. Les algorithmes constituent la base de l'apprentissage automatique, où la plate-forme crée une base pour les comportements et activités normaux, et peut ensuite développer ou créer de nouveaux algorithmes à mesure que les données de l'environnement changent au fil du temps.
L'automatisation est une technologie de base essentielle pour faire fonctionner les outils AIOps. Les fonctions automatisées se produisent lorsqu'elles sont alimentées par les résultats de l'analyse et de l'apprentissage automatique. Par exemple, l'outil et l'analyse prédictive ML déterminent que l'application a besoin de plus de stockage, puis lancent un processus automatisé pour implémenter un stockage supplémentaire par incréments conformes aux règles de l'algorithme.
Enfin, les outils de visualisation fournissent des tableaux de bord, des rapports, des graphiques et d'autres sorties lisibles par l'utilisateur pour suivre les changements et les événements dans l'environnement. Grâce à ces visualisations, les humains peuvent agir sur des informations qui nécessitent des capacités de prise de décision autres que celles des AIOps.
Avantages et inconvénients de l'AIOps
Lorsqu'elle est correctement mise en œuvre et formée , la plate-forme AIOps réduit le temps et l'attention que le personnel informatique consacre aux alertes de routine et quotidiennes. Le personnel informatique enseigne les plates-formes AIOps, qui évoluent ensuite à l'aide d'algorithmes et d'apprentissage automatique, recyclant les connaissances acquises au fil du temps pour améliorer le comportement et l'efficacité du programme. AIOps effectue également une surveillance continue sans avoir besoin de dormir. Les experts en informatique se concentrent sur les problèmes et les initiatives graves et complexes qui augmentent les performances et la stabilité de l'entreprise.
Les AIOps peuvent surveiller les relations causales entre plusieurs systèmes, services et ressources, et rassembler et relier des sources de données disparates. Ces capacités d'analyse et d'apprentissage automatique permettent au logiciel d'effectuer une puissante analyse des causes profondes, d'accélérer le dépannage et de résoudre les problèmes difficiles et inhabituels.
L'AIOps peut améliorer les activités de collaboration et de flux de travail entre les groupes informatiques et entre l'informatique et les autres unités commerciales. Avec des rapports et des tableaux de bord personnalisés, les équipes peuvent rapidement comprendre leurs tâches et leurs exigences et interagir avec les autres sans apprendre tout ce que l'autre équipe doit savoir.
Bien que les technologies derrière AIOps soient relativement matures, il s'agit encore d'un domaine précoce en termes de combinaison de technologies pour une utilisation pratique. Les AIOps ne sont aussi bons que les données qu'ils reçoivent et les algorithmes qui leur sont enseignés . La quantité de temps et d'efforts nécessaires pour mettre en œuvre, maintenir et gérer une plate-forme AIOps peut être importante. La diversité des sources de données disponibles ainsi que le stockage, la protection et la conservation adéquats des données sont tous des facteurs importants dans les résultats de l'AIOps.
Les AIOps nécessitent la confiance dans les outils, ce qui peut être une incitation pour certaines entreprises. Pour que les AIOps fonctionnent de manière autonome, ils doivent suivre avec précision les changements au sein de leur environnement cible, collecter et sécuriser les données, tirer des conclusions valables sur la base des algorithmes et de l'apprentissage automatique disponibles, hiérarchiser correctement les actions et prendre les actions automatisées appropriées pour correspondre aux priorités et aux objectifs de l'entreprise. .
Implémentation d'AIOps et de fournisseurs d'applications AIOps
Pour démontrer la valeur et atténuer les risques du déploiement d'AIOps, introduisez la technologie par petites étapes soigneusement orchestrées. Sélectionnez le modèle d'hébergement approprié pour l'outil, tel que local ou en tant que service. Le personnel informatique doit comprendre le système, puis le former au besoin, et pour ce faire, il doit disposer de suffisamment de données provenant des systèmes sous sa supervision.
AIOps est un domaine émergent, mais il existe une gamme croissante d'offres de produits que les entreprises peuvent examiner et évaluer, y compris, mais sans s'y limiter :
- L'outil IT Service Intelligence (ITSI) de Splunk
- Plaque de forme BMC TrueSight
- Cisco Crosswork Situation Manager, AIOps fait partie de la famille de produits Cisco Crosswork Network Automation
- Moogsoft AIOps
- DRYiCE AIOps de HCL Technologies Ltd
Les caractéristiques et fonctionnalités AIOps apparaissent également dans les familles de produits existantes. Les exemples comprennent:
- New Relic Applied Intelligence (NRAI), qui intègre la fonctionnalité radar basée sur l'IA et la caractérisation des défauts dans la plate-forme de renseignement numérique New Relic.
- La plate-forme de déploiement d'applications Trebuchet de Datapipe, qui exploite l'intelligence artificielle pour améliorer les opérations DevOps.
No comments:
Post a Comment