前言

随着AI、大数据技术在IT运维畛域的落地，AIOps成为传统运维厂商、新兴APM/NPM厂商和云服务商追捧的焦点，越来越多的用户开始理解、尝试和利用AIOps。然而，因为不同厂商的AIOps倒退门路和本身产品技术实力的不同，对于AIOps的定义和宣传有很大的差别，而用户面对嘈杂的市场声音往往就像雾里看花，显得莫衷一是。

美国驰名IT钻研机构Enterprise Management Associates(EMA)副总裁Dennis Drogseth在《AIOps and IT Analytics at the Crossroads》网络研讨会上，同样被欧美用户屡次问及AIOps和传统监控工具之间界线的问题，特地是AIOps和APM产品的性能差别，如：它们到底有何不同？如果曾经有了APM，还须要AIOps吗？企业为什么要同时购买APM和AIOps产品？

依据Gartner在2019年7月公布的IT性能剖析技术成熟度曲线显示，AIOps正在从科技诞生的促动期 (Technology Trigger)进入过高冀望的峰值（Peak of Inflated Expectations），而APM/NPM等技术曾经进入稳步俯冲的光明期 (Slope of Enlightenment)，为什么还会呈现AIOps和APM/NPM概念混同？这里既有两种产品互相穿插造成的误会的因素，也有市场炒作和竞争的起因。Dennis Drogseth将在本文中为咱们理清AIOps和APM的异同。

APM和AIOps的本质区别

APM的实质是监控工具。顾名思义，Application Performance Monitoring（Gartner对APM的定义）次要关注应用程序的性能，包含一些应用程序/基础架构的互相依赖性（利用拓扑）。诚然，随着APM逐步向智能化倒退，越来越多的APM产品开始在某种程度上提供故障预测能力，让APM和AIOps的边界变得有些含糊，但在更宽泛的IT运维治理与剖析场景中，APM的重点仍是监控，同时也是AIOps平台的最重要数据起源。

AIOps是笼罩全副7层IT技术栈的平台解决方案。AIOps作为一种运维策略，能够与企业现有的ITOM工具、基础设施监控（ITIM）、网络性能监控（NPM）、利用性能监控（APM）和数字性能监控（DPM）工具进行整合，同时AIOps的数据源还包含了IoT、配置数据、日志文件，甚至电子表格等文档信息。

此外，从大数据分析到故障预测，AIOps解决方案可利用超过13种不同的剖析摸索办法，用于标准和if / then格调的机器学习。EMA钻研表明，目前市场上风行的AIOps平台，有超过50%能接入23种以上不同监测零碎和ITOM工具。最重要的是，AIOps解决方案可能反对变更治理、容量预测、平安及SecOps、老本优化、云迁徙以及DevOps和终端用户体验剖析，这些是远远超出APM能力范畴的。

因而，咱们可能得出一个根本论断：AIOps是一种涵盖了APM、网络管理、系统管理、数据库治理和多云治理的对立管控技术，可能关联整合和被动剖析来自不同数据源的数据。AIOps比APM在范畴、用例和价值上更宽泛，实质上与EMA定义的高级自动化剖析（AIA）的指标是统一的。

APM和AIOps的相似之处

然而，如果咱们把AIOps看做能够替换APM/NPM/DPM的监控工具，同样有失偏颇。事实上，APM的利用为AIOps能力的欠缺提供了微小帮忙。

Dennis Drogseth总结出以下四个方面：

  1. APM通过基础设施依赖性进行应用程序治理的价值越来越高，因而APM也就成为自上而下评估服务治理和服务交付有效性的重要依据。
  2. APM的外围能力之一是发现利用/基础架构拓扑，而利用发现和依赖关系映射（ADTD）提供了更多动静性能，这些性能同样是AIOps解决方案的根底，能够间接集成或借助APM的发现性能进行实现。
  3. APM越来越关注终端用户体验治理（DEM），这也是谋求与业务价值保持一致的AIOps解决方案一直加强的能力之一。
  4. 业务绩效指标是抉择APM解决方案的重要依据，这同样是用户抉择AIOps解决方案的要害参数。当然AIOps平台领有更全面的根底指标数据，能够更加全面的评估业务价值，剖析容量、老本、平安/合规性问题和其余指标。

AIOps如何实现IT对立管控

AIOps作为一种笼罩全副技术栈的对立管控技术，可能帮忙企业外部所有与IT相干部门进行改革，而不仅局限于运维部门。EMA间断两年的钻研显示，AIOps可能在所有造成数据孤岛的IT工具整合中施展微小价值。此外，AIOps与IT服务治理（ITSM）的集成也至关重要，因为这样能力帮忙开发、平安团队和经营部门更无效地协同工作。

然而，企业外部应该正确认知AIOps并就指标和价值达成共识，能力实现IT的对立管控。而要施展对立平台的最大价值，须要把AIOps的领导力、创造力和灵活性利用在IT思维和工作形式中。与CMDB/CMS打算并行，AIOps打算须要各部门被动共享数据，摸索新的流程效率程度，同时进步自动化程度。此外，AIOps须要更具凝聚力和更积极主动的心态，去摸索遇到的新问题。当然，最佳实际依然实用于AIOps，与数字化转型打算保持一致，这些打算为IT转型提供了额定的砝码和价值。

尽管咱们经常在市场上听到对于AIOps的谬误概念，或从字面上把AIOps误会为Ops专用的运维工具平台，但心愿大家通过本文分明意识到：AIOps是激发所有IT零碎价值的根底。因为AIOps在产品设计和价值输入是十分多样化的，所以它不仅是一个市场概念，更是一个翻新的IT环境。因而，咱们须要依据现阶段的IT成熟度和业务需要，依照优先级抉择适宜的场景、用例，逐步推进AIOps的落地。

开源福利

云智慧已开源数据可视化编排平台 FlyFish 。通过配置数据模型为用户提供上百种可视化图形组件，零编码即可实现合乎本人业务需要的炫酷可视化大屏。 同时，飞鱼也提供了灵便的拓展能力，反对组件开发、自定义函数与全局事件等配置， 面向简单需要场景可能保障高效开发与交付。

点击下方地址链接，欢送大家给 FlyFish 点赞送 Star。参加组件开发，更有万元现金等你来拿。

GitHub 地址： https://github.com/CloudWise-...

Gitee 地址：https://gitee.com/CloudWise/f...

超级体验官流动： http://bbs.aiops.cloudwise.co...

万元现金流动： http://bbs.aiops.cloudwise.co...

微信扫描辨认下方二维码，备注【飞鱼】退出AIOps社区飞鱼开发者交换群，与 FlyFish 我的项目 PMC 面对面交换～

作者：Dennis Drogseth

出处：https://www.apmdigest.com/apm...