AIOps（人工智能 IT 運維）現(xiàn)在被作為一種解決方案來管理日益增長的 IT 復雜性。AIOps 通過結合機器學習、大數(shù)據(jù)和自動化決策來完成 IT 任務。AIOps 創(chuàng)新思想得以引用是將數(shù)據(jù)驅動的分析洞察力和 IT 運維的實際情況結合在一起。它使過程自動化無需大量的人工干預，使其不再依賴于人工資源。

AIOps是 "運營中的IT人工智能 "的縮寫。這就是ITOps（IT運營）的未來。它將人類和算法智能結合起來，全面監(jiān)測商業(yè)和企業(yè)在日常運作中所依賴的IT系統(tǒng)的性能和健康。它是一個高水平、多層次的技術平臺，能夠自動檢測并實時響應問題。aIOps使用機器學習和分析方法來分析從廣泛的ITOps設備和工具中收集的大數(shù)據(jù)，以改善和自動化IT流程。

aIOps使孤立的IT數(shù)據(jù)成為一個大數(shù)據(jù)平臺，整合觀察數(shù)據(jù)（如日志和監(jiān)控系統(tǒng)）和互動數(shù)據(jù)（如....）。從工作流程、活動日志和事件日志中讀取其他數(shù)據(jù)）。然后AIOps對綜合數(shù)據(jù)進行機器學習和分析。在此基礎上，通過持續(xù)的深度學習來支持自動化實施的持續(xù)改進。因此，AIOps可以被看作是關鍵IT功能的CI/CD（持續(xù)集成和部署）方法。

AIOps利用了企業(yè)現(xiàn)有的數(shù)據(jù)源，包括事件日志、傳統(tǒng)的IT監(jiān)控、網(wǎng)絡性能異常等。從這些來源系統(tǒng)地收集的數(shù)據(jù)使用數(shù)學模型進行處理，以自動識別重大事件，而不需要繁瑣的人工審查。第二層算法分析這些事件，并確定一組具有類似潛在麻煩跡象的相關活動。算法過濾大大減少了ITOps團隊需要處理的事件數(shù)量，同時消除了不同團隊之間的工作流程路由造成的重復工作。

相反，你可以動態(tài)地創(chuàng)建虛擬團隊，分配不同的專家來解決不同部門或技術領域的問題?，F(xiàn)有的活動管理和票務系統(tǒng)可以利用AIOps的功能直接整合到現(xiàn)有的流程中。AIOps實現(xiàn)了更多的自動化。它可以在有或沒有人工干預的情況下實現(xiàn)工作流程。現(xiàn)有的ChatOps功能在正常的協(xié)作診斷和維修過程中積極使用現(xiàn)有的自動化功能。

AIOps結合了三個IT學科--自動化、服務管理和性能管理--以提高機器學習系統(tǒng)的準確性和可靠性，在沒有人工干預的情況下觸發(fā)直接的流程，并在不給用戶帶來不便的情況下及時解決問題，從而提供洞察力和持續(xù)改進。

該系統(tǒng)旨在通過及時解決問題而不給用戶帶來不便，從而提供洞察力和持續(xù)改進。 在不斷加速的新的超個人計算環(huán)境中，人們認識到，存在著利用機器學習和大數(shù)據(jù)來推動人類和傳統(tǒng)工具的極限的新機會。

本文摘要節(jié)選自來源于

https://www.yulubot.com/industry-research/158.html