ପରିଚୟ

ଟେକ୍ନୋଲୋଜିର ଦ୍ରୁତ ବିବର୍ତ୍ତନ ଆଧୁନିକ ଆଇଟି ସିଷ୍ଟମର ଜଟିଳତାରେ ଏକ ଅଭିବୃଦ୍ଧି ଘଟାଇଲା | ଫଳସ୍ୱରୂପ, ଏହି ସିଷ୍ଟମଗୁଡିକର ପରିଚାଳନା ଏବଂ ପରିଚାଳନାରେ ଆଇଟି ଦଳ ଅଦୃଶ୍ୟ ଆହ୍ facing ାନର ସମ୍ମୁଖୀନ ହେଉଛନ୍ତି, ଯାହା ଡାଉନଟାଇମ୍ ବୃଦ୍ଧି, ଉତ୍ପାଦନ ହ୍ରାସ ଏବଂ ଅଧିକ କାର୍ଯ୍ୟକ୍ଷମ ଖର୍ଚ୍ଚକୁ ନେଇଥାଏ | ଏହି ଚ୍ୟାଲେଞ୍ଜଗୁଡିକର ସମାଧାନ ପାଇଁ, ଆଇଟି ଅପରେସନ୍ସ (AIOps) ପାଇଁ ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସର ଧାରଣା ଏକ ଖେଳ ପରିବର୍ତ୍ତନକାରୀ ଭାବରେ ଉଭା ହୋଇଛି | AIOps ମେସିନ୍ ଲର୍ନିଂ ଏବଂ AI କୁ DevOps କାର୍ଯ୍ୟ ପ୍ରବାହକୁ ରୂପାନ୍ତର କରିବା, ସକ୍ରିୟ IT ପରିଚାଳନା, ଭବିଷ୍ୟବାଣୀ ଆନାଲିଟିକ୍ସ ଏବଂ ସ୍ୱୟଂଚାଳିତତାକୁ ସକ୍ଷମ କରିଥାଏ |

ଏହି ଆର୍ଟିକିଲରେ, ଆମେ AIOps ର ଭବିଷ୍ୟତ, ଏହାର ଲାଭ ଏବଂ କାର୍ଯ୍ୟକାରିତା ରଣନୀତି ଅନୁସନ୍ଧାନ କରିବୁ | ଆମେ ରିଅଲ୍ ୱାର୍ଲ୍ଡ କେସ୍ ଷ୍ଟଡିଜ୍ ମଧ୍ୟ ଅନୁସନ୍ଧାନ କରିବୁ ଏବଂ IT ପରିଚାଳନାରେ AIOps ର ପ୍ରୟୋଗ ପ୍ରଦର୍ଶନ କରିବାକୁ ଏକ ଜଟିଳ କୋଡ୍ ବ୍ଲକ୍ ପ୍ରଦାନ କରିବୁ |

AIOps କ’ଣ?

AIOps ହେଉଛି ଏକ ଉଦୀୟମାନ କ୍ଷେତ୍ର ଯାହା କୃତ୍ରିମ ବୁଦ୍ଧି (AI) ଏବଂ ମେସିନ୍ ଲର୍ନିଂ (ML) ର ଶକ୍ତିକୁ IT ଅପରେସନ୍ (ITOps) ସହିତ IT ସେବାଗୁଡିକର ଦକ୍ଷତା, କାର୍ଯ୍ୟକାରିତା ଏବଂ ନିର୍ଭରଯୋଗ୍ୟତାକୁ ଏକତ୍ର କରିଥାଏ | AIOps ପ୍ଲାଟଫର୍ମଗୁଡିକ ଡାଟା ସମସ୍ୟାକୁ ଚିହ୍ନିବା ଏବଂ ସମାଧାନ କରିବା ପାଇଁ ଡାଟା ଆନାଲିଟିକ୍ସ, ପୂର୍ବାନୁମାନମୂଳକ ମଡେଲିଂ ଏବଂ ସ୍ୱୟଂଚାଳିତ ବ୍ୟବହାର କରିଥାଏ |

ଆଇଟି ମ୍ୟାନେଜମେଣ୍ଟର ବିଭିନ୍ନ କ୍ଷେତ୍ରରେ AIOps ପ୍ରୟୋଗ କରାଯାଇପାରିବ, ଅନ୍ତର୍ଭୁକ୍ତ କରି:

।। ୨। 3। ** ସ୍ୱୟଂଚାଳିତ **: AIOps ନିୟମିତ କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିପାରିବ, ଯେପରିକି ବିନ୍ୟାସ ପରିଚାଳନା, ପ୍ୟାଚ୍ ପରିଚାଳନା, ଏବଂ ବ୍ୟାକଅପ୍ ଏବଂ ପୁନରୁଦ୍ଧାର |

AIOps ର ଲାଭ

AIOps ର ଲାଭ ଅନେକ ଏବଂ ମହତ୍: ପୂର୍ଣ୍ଣ:

1। ** ଉନ୍ନତ ଦକ୍ଷତା **: AIOps ନିୟମିତ କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିଥାଏ, ରଣନୀତିକ ପଦକ୍ଷେପ ଉପରେ ଧ୍ୟାନ ଦେବା ପାଇଁ IT କର୍ମଚାରୀଙ୍କୁ ମୁକ୍ତ କରିଥାଏ | ।। 3। ** ବର୍ଦ୍ଧିତ ଉତ୍ପାଦକତା **: AIOps ଘଟଣାଗୁଡ଼ିକୁ ଶୀଘ୍ର ପ୍ରତିକ୍ରିୟା କରିବାକୁ IT ଦଳଗୁଡିକୁ ସକ୍ଷମ କରିଥାଏ, ଚିହ୍ନଟ କରିବାର ସମୟ ହ୍ରାସ କରିଥାଏ (MTTD) ଏବଂ ସମାଧାନର ସମୟ (MTTR) | 4। ** ଉତ୍ତମ ନିଷ୍ପତ୍ତି ନେବା **: AIOps ଆଇଟି ଦଳଗୁଡ଼ିକୁ ରିଅଲ୍-ଟାଇମ୍ ଇନ୍ସାଇଟ୍ ଏବଂ ଭବିଷ୍ୟବାଣୀ ଆନାଲିଟିକ୍ସ ପ୍ରଦାନ କରିଥାଏ, ଯାହା ତଥ୍ୟ ଚାଳିତ ନିଷ୍ପତ୍ତି ନେବାକୁ ସକ୍ଷମ କରିଥାଏ |

କାର୍ଯ୍ୟାନ୍ୱୟନ କ ateg ଶଳ |

AIOps କାର୍ଯ୍ୟକାରୀ କରିବା ପାଇଁ ଏକ ରଣନୀତିକ ଉପାୟ ଆବଶ୍ୟକ:

1। ** ତଥ୍ୟ ସଂଗ୍ରହ **: ଲଗ୍, ମେଟ୍ରିକ୍, ଏବଂ ବିନ୍ୟାସ ଫାଇଲ ସମେତ ବିଭିନ୍ନ ଉତ୍ସରୁ IT ତଥ୍ୟ ସଂଗ୍ରହ କରନ୍ତୁ | 2। ** ଡାଟା ଇଣ୍ଟିଗ୍ରେସନ୍ **: ବିଭିନ୍ନ ଉତ୍ସରୁ ତଥ୍ୟକୁ ଏକ ପ୍ଲାଟଫର୍ମରେ ଏକତ୍ର କର | 3। ** ମେସିନ୍ ଲର୍ନିଂ **: ତଥ୍ୟ ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ସମ୍ଭାବ୍ୟ IT ସମସ୍ୟାଗୁଡିକର ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ ମେସିନ୍ ଲର୍ନିଙ୍ଗ ଆଲଗୋରିଦମ ପ୍ରୟୋଗ କରନ୍ତୁ | 4। ** ସ୍ୱୟଂଚାଳିତ **: ରୁଟିନ୍ କାର୍ଯ୍ୟ ଏବଂ କାର୍ଯ୍ୟ ପ୍ରବାହକୁ ସ୍ୱୟଂଚାଳିତ କରନ୍ତୁ | 5। ** ମନିଟରିଂ ଏବଂ ଫିଡବ୍ୟାକ୍ **: AIOps କାର୍ଯ୍ୟଦକ୍ଷତା ଉପରେ ନିରନ୍ତର ନଜର ରଖନ୍ତୁ ଏବଂ ସଠିକତା ଏବଂ କାର୍ଯ୍ୟକାରିତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ ମତାମତ ପ୍ରଦାନ କରନ୍ତୁ |

ରିଅଲ୍-ୱାର୍ଲ୍ଡ କେସ୍ ଷ୍ଟଡିଜ୍ |

ଅନେକ ସଂଗଠନ ସେମାନଙ୍କର ଆଇଟି ପରିଚାଳନା କାର୍ଯ୍ୟ ପ୍ରବାହକୁ ରୂପାନ୍ତର କରିବା ପାଇଁ ସଫଳତାର ସହିତ AIOps କାର୍ଯ୍ୟକାରୀ କରିଛନ୍ତି:

1। ** ଭେରିଜନ୍ **: ନେଟୱାର୍କର ନିର୍ଭରଯୋଗ୍ୟତାକୁ ଉନ୍ନତ କରିବା ଏବଂ ଡାଉନଟାଇମ୍ ହ୍ରାସ କରିବା ପାଇଁ ଭେରିଜନ୍ AIOps କାର୍ଯ୍ୟକାରୀ କଲା | ପ୍ଲାଟଫର୍ମ ନେଟୱର୍କ ସମସ୍ୟାଗୁଡିକର ପୂର୍ବାନୁମାନ ଏବଂ ପ୍ରତିରୋଧ କରିବା ପାଇଁ ମେସିନ୍ ଲର୍ନିଂ ବ୍ୟବହାର କରିଥିଲା, ଫଳସ୍ୱରୂପ ଡାଉନଟାଇମ୍ରେ 30% ହ୍ରାସ ଘଟିଥିଲା ​​| ୨। ପ୍ଲାଟଫର୍ମ ଆଇଟି ଘଟଣାଗୁଡ଼ିକୁ ଚିହ୍ନଟ ଏବଂ ସମାଧାନ କରିବା ପାଇଁ ସ୍ୱୟଂଚାଳିତ ବ୍ୟବହାର କରିଥିଲା, ଫଳସ୍ୱରୂପ MTTD ରେ 40% ହ୍ରାସ ଏବଂ MTTR ରେ 50% ହ୍ରାସ ଘଟିଥିଲା ​​| 3। ** ମାଇକ୍ରୋସଫ୍ଟ **: ଭବିଷ୍ୟବାଣୀ ଆନାଲିଟିକ୍ସ ଏବଂ ସ୍ୱୟଂଚାଳିତତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ ମାଇକ୍ରୋସଫ୍ଟ AIOps ପ୍ରୟୋଗ କଲା | ପ୍ଲାଟଫର୍ମ ସମ୍ଭାବ୍ୟ ଆଇଟି ସମସ୍ୟାଗୁଡିକର ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ ମେସିନ୍ ଲର୍ନିଂ ବ୍ୟବହାର କରିଥିଲା, ସକ୍ରିୟ ରକ୍ଷଣାବେକ୍ଷଣକୁ ସକ୍ଷମ କରିଥାଏ ଏବଂ ଡାଉନଟାଇମ୍ ହ୍ରାସ କରିଥାଏ |

କୋଡ୍ ବ୍ଲକ୍: ପାଇଥନରେ AIOps ଉଦାହରଣ |

Python ରେ ଏଠାରେ ଏକ ଜଟିଳ କୋଡ୍ ବ୍ଲକ୍ ଅଛି ଯାହା IT ପରିଚାଳନାରେ AIOps ର ପ୍ରୟୋଗ ପ୍ରଦର୍ଶନ କରେ: "ପାଇଥନ୍ | pdas କୁ pd ଭାବରେ ଆମଦାନି କରନ୍ତୁ | sklearn.ensemble ଆମଦାନି RandomForestClassifier ରୁ | sklearn.model_selection ଆମଦାନୀ ଟ୍ରେନ୍_ ଟେଷ୍ଟ_ସ୍ପ୍ଲାଇଟ୍ ରୁ | sklearn.metrics ରୁ ଆମଦାନୀ ସଠିକତା_ସ୍କୋର |

ଡାଟା ଲୋଡ୍ କରନ୍ତୁ |

ଡାଟା = pd.read_csv ('it_data.csv')

ପ୍ରୋସେସ୍ ଡାଟା |

X = data.drop (['ଘଟଣା'], ଅକ୍ଷ = 1) y = ତଥ୍ୟ ['ଘଟଣା']

ତାଲିମ ଏବଂ ପରୀକ୍ଷଣ ସେଟରେ ତଥ୍ୟ ବିଭାଜନ କରନ୍ତୁ |

X_ ଟ୍ରେନ୍, X_ ଟେଷ୍ଟ, y_ ଟ୍ରେନ୍, y_ ଟେଷ୍ଟ = ଟ୍ରେନ୍_ ଟେଷ୍ଟ_ସ୍ପ୍ଲାଇଟ୍ (X, y, test_size = 0.2, random_state = 42)

ଟ୍ରେନ୍ ରାଣ୍ଡମ୍ କ୍ଲାସିଫାୟର୍ |

rfc = RandomForestClassifier (n_estimators = 100, random_state = 42) rfc.fit (X_ ଟ୍ରେନ୍, y_ ଟ୍ରେନ୍)

ପୂର୍ବାନୁମାନ କର |

y_pred = rfc.predict (X_test)

ମଡେଲର ମୂଲ୍ୟାଙ୍କନ କର |

ସଠିକତା = ସଠିକତା_ସ୍କୋର (y_test, y_pred) ମୁଦ୍ରଣ କରନ୍ତୁ (f'Accuracy: {ସଠିକତା: .2f} ')

ସମ୍ଭାବ୍ୟ IT ସମସ୍ୟାଗୁଡିକର ପୂର୍ବାନୁମାନ କରିବାକୁ ମଡେଲ୍ ବ୍ୟବହାର କରନ୍ତୁ |

new_data = pd.DataFrame ({'cpu_usage': [80], 'memory_usage': [90]}) ପୂର୍ବାନୁମାନ = rfc.predict (new_data) ଯଦି ଭବିଷ୍ୟବାଣୀ [0] == 1: ମୁଦ୍ରଣ କରନ୍ତୁ ('ସମ୍ଭାବ୍ୟ IT ସମସ୍ୟା ଚିହ୍ନଟ ହୋଇଛି!') `` CPU ଏବଂ ମେମୋରୀ ବ୍ୟବହାର ତଥ୍ୟ ଉପରେ ଆଧାର କରି ସମ୍ଭାବ୍ୟ IT ସମସ୍ୟାଗୁଡିକର ପୂର୍ବାନୁମାନ କରିବାକୁ ଏହି କୋଡ୍ ବ୍ଲକ୍ ଏକ ଅନିୟମିତ ବନ ଶ୍ରେଣୀକରଣକାରୀ ବ୍ୟବହାର କରେ | ମଡେଲ୍ historical ତିହାସିକ ତଥ୍ୟ ଉପରେ ତାଲିମ ପ୍ରାପ୍ତ ଏବଂ ନୂତନ ତଥ୍ୟ ଉପରେ ଭବିଷ୍ୟବାଣୀ କରିବା ପାଇଁ ବ୍ୟବହୃତ ହୁଏ |

ଭିଜୁଆଲାଇଜେସନ୍: AIOps ପ୍ଲାଟଫର୍ମ ସ୍ଥାପତ୍ୟ |

Chart.js ବ୍ୟବହାର କରି AIOps ପ୍ଲାଟଫର୍ମ ସ୍ଥାପତ୍ୟର ଏକ ଭିଜୁଆଲାଇଜେସନ୍: "ଚାର୍ଟ { "ପ୍ରକାର": "ପାଇକାର୍ଟ", "ଡାଟା": { "ଲେବଲ୍": ["ଡାଟା ସଂଗ୍ରହ", "ଡାଟା ଇଣ୍ଟିଗ୍ରେସନ୍", "ମେସିନ୍ ଲର୍ନିଂ", "ଅଟୋମେସନ୍", "ମନିଟରିଂ ଏବଂ ଫିଡବ୍ୟାକ୍"], "ଡାଟାବେସ୍": [ { "label": "AIOps ପ୍ଲାଟଫର୍ମ ସ୍ଥାପତ୍ୟ", "ତଥ୍ୟ": [30, 20, 20, 15, 15], "ପୃଷ୍ଠଭୂମି ରଙ୍ଗ": ["# FF6384", "# 36A2EB", "# FFCE56", "# 4BC0C0", "# FF99CC"], "hoverBackgroundColor": ["# FF99CC", "# 36A2EB", "# FFCE56", "# 4BC0C0", "# FF99CC"] } ] }, "ବିକଳ୍ପଗୁଡିକ": { "ଆଖ୍ୟା": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ, "ପାଠ୍ୟ": "AIOps ପ୍ଲାଟଫର୍ମ ସ୍ଥାପତ୍ୟ" }, "କିମ୍ବଦନ୍ତୀ": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ | } } } `` ଏହି ଭିଜୁଆଲାଇଜେସନ୍ ଏକ AIOps ପ୍ଲାଟଫର୍ମ ସ୍ଥାପତ୍ୟର ବିଭିନ୍ନ ଉପାଦାନଗୁଡ଼ିକୁ ଦର୍ଶାଏ, ତଥ୍ୟ ସଂଗ୍ରହ, ତଥ୍ୟ ଏକୀକରଣ, ମେସିନ୍ ଲର୍ନିଂ, ସ୍ୱୟଂଚାଳିତ, ଏବଂ ମନିଟରିଂ ଏବଂ ମତାମତ |

ସିଦ୍ଧାନ୍ତ

AIOps ହେଉଛି ଏକ ଖେଳ ପରିବର୍ତ୍ତନକାରୀ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଯାହା IT ଦଳଗୁଡିକ ଜଟିଳ ଆଇଟି ସିଷ୍ଟମ ପରିଚାଳନା ଏବଂ ପରିଚାଳନା ପଦ୍ଧତିରେ ପରିବର୍ତ୍ତନ କରୁଛନ୍ତି | ମେସିନ୍ ଲର୍ନିଂ ଏବଂ AI କୁ ବ୍ୟବହାର କରି, AIOps ସକ୍ରିୟ IT ପରିଚାଳନା, ଭବିଷ୍ୟବାଣୀ ଆନାଲିଟିକ୍ସ ଏବଂ ସ୍ୱୟଂଚାଳିତତାକୁ ସକ୍ଷମ କରିଥାଏ, ଯାହାକି ଉନ୍ନତ ଦକ୍ଷତା, ବର୍ଦ୍ଧିତ ବିଶ୍ୱସନୀୟତା ଏବଂ ଉତ୍ପାଦକତା ବୃଦ୍ଧି କରିଥାଏ | AIOps କାର୍ଯ୍ୟକାରୀ କରି ସଂଗଠନଗୁଡ଼ିକ ଡାଉନଟାଇମ୍ ହ୍ରାସ କରିପାରିବେ, ନିଷ୍ପତ୍ତି ନେବାରେ ଉନ୍ନତି କରିପାରିବେ ଏବଂ ବଜାରରେ ଏକ ପ୍ରତିଯୋଗିତାମୂଳକ ଲାଭ କରିପାରିବେ |

ଯେହେତୁ ଟେକ୍ନୋଲୋଜି ବିକଶିତ ହେବାରେ ଲାଗିଛି, ଆମେ ଆଇଟି ପରିଚାଳନାରେ AIOps ର ଅଧିକ ଅଭିନବ ପ୍ରୟୋଗ ଦେଖିବାକୁ ଆଶା କରିପାରିବା | ଆମେ ଆଇଟି ସିଷ୍ଟମ ପରିଚାଳନା କରୁଥିବା ପଦ୍ଧତିରେ ବିପ୍ଳବ କରିବାର ଏହାର ସାମର୍ଥ୍ୟ ସହିତ, AIOps ଏକ ରୋମାଞ୍ଚକର ଏବଂ ଦ୍ରୁତ ଗତିରେ ବ growing ୁଥିବା କ୍ଷେତ୍ର ଯାହା ଉପରେ ନଜର ରଖିବା ଯୋଗ୍ୟ |