សេចក្តីផ្តើម

ការវិវត្តន៍យ៉ាងឆាប់រហ័សនៃបច្ចេកវិទ្យាបាននាំឱ្យមានការរីកចម្រើនយ៉ាងខ្លាំងក្លានៅក្នុងភាពស្មុគស្មាញនៃប្រព័ន្ធ IT ទំនើប។ ជាលទ្ធផល ក្រុម IT កំពុងប្រឈមមុខនឹងបញ្ហាដែលមិនធ្លាប់មានពីមុនមកក្នុងការគ្រប់គ្រង និងថែទាំប្រព័ន្ធទាំងនេះ ដែលនាំឱ្យមានការកើនឡើងនៃពេលវេលារងចាំ ការថយចុះផលិតភាព និងការចំណាយប្រតិបត្តិការខ្ពស់។ ដើម្បីដោះស្រាយបញ្ហាប្រឈមទាំងនេះ គំនិតនៃប្រាជ្ញាសិប្បនិម្មិតសម្រាប់ប្រតិបត្តិការ IT (AIOps) បានលេចចេញជាការផ្លាស់ប្តូរហ្គេម។ AIOps ប្រើប្រាស់ការរៀនម៉ាស៊ីន និង AI ដើម្បីបំប្លែងលំហូរការងាររបស់ DevOps បើកដំណើរការការគ្រប់គ្រង IT សកម្ម ការវិភាគព្យាករណ៍ និងស្វ័យប្រវត្តិកម្ម។

នៅក្នុងអត្ថបទនេះ យើងនឹងស្វែងយល់ពីអនាគតរបស់ AIOps អត្ថប្រយោជន៍របស់វា និងយុទ្ធសាស្ត្រអនុវត្ត។ យើងក៏នឹងស្វែងយល់អំពីករណីសិក្សាក្នុងពិភពពិត និងផ្តល់នូវប្លុកកូដស្មុគ្រស្មាញ ដើម្បីបង្ហាញពីការអនុវត្តកម្មវិធី AIOps ក្នុងការគ្រប់គ្រងព័ត៌មានវិទ្យា។

តើ AIOps ជាអ្វី?

AIOps គឺជាវិស័យដែលកំពុងរីកចម្រើនដែលរួមបញ្ចូលគ្នានូវថាមពលនៃបញ្ញាសិប្បនិមិត្ត (AI) និងការរៀនម៉ាស៊ីន (ML) ជាមួយនឹងប្រតិបត្តិការព័ត៌មានវិទ្យា (ITOPs) ដើម្បីបង្កើនប្រសិទ្ធភាព ប្រសិទ្ធភាព និងភាពជឿជាក់នៃសេវាកម្មព័ត៌មានវិទ្យា។ វេទិកា AIOps ប្រើប្រាស់ការវិភាគទិន្នន័យ គំរូព្យាករណ៍ និងស្វ័យប្រវត្តិកម្មដើម្បីកំណត់អត្តសញ្ញាណ និងដោះស្រាយបញ្ហា IT មុនពេលពួកគេក្លាយជាបញ្ហាធំ។

AIOps អាចត្រូវបានអនុវត្តទៅលើផ្នែកផ្សេងៗនៃការគ្រប់គ្រង IT រួមមាន:

1. ការវិភាគទស្សន៍ទាយ៖ វេទិកា AIOps ប្រើក្បួនដោះស្រាយការរៀនរបស់ម៉ាស៊ីន ដើម្បីវិភាគទិន្នន័យប្រវត្តិសាស្ត្រ និងព្យាករណ៍ពីបញ្ហាព័ត៌មានវិទ្យាដែលអាចកើតមាន ធ្វើឱ្យការថែទាំសកម្ម និងកាត់បន្ថយពេលវេលារងចាំ។
2. ការគ្រប់គ្រងឧប្បត្តិហេតុ៖ AIOps អាចរកឃើញ និងដោះស្រាយឧប្បត្តិហេតុព័ត៌មានវិទ្យាដោយស្វ័យប្រវត្តិ ដោយកាត់បន្ថយពេលវេលាជាមធ្យមក្នុងការរកឃើញ (MTTD) និងពេលវេលាមធ្យមដើម្បីដោះស្រាយ (MTTR)។
3. ស្វ័យប្រវត្តិកម្ម៖ AIOps អាចធ្វើស្វ័យប្រវត្តិកម្មកិច្ចការទម្លាប់ ដូចជាការគ្រប់គ្រងការកំណត់រចនាសម្ព័ន្ធ ការគ្រប់គ្រងបំណះ និងការបម្រុងទុក និងការស្តារឡើងវិញ។

អត្ថប្រយោជន៍របស់ AIOps

អត្ថប្រយោជន៍របស់ AIOps មានច្រើន និងសំខាន់៖

1. ប្រសិទ្ធភាពកាន់តែប្រសើរឡើង៖ AIOps ធ្វើស្វ័យប្រវត្តិកម្មការងារជាប្រចាំ ដោយដោះលែងបុគ្គលិក IT ឱ្យផ្តោតលើគំនិតផ្តួចផ្តើមយុទ្ធសាស្ត្រ។
2. បង្កើនភាពជឿជាក់៖ AIOps ព្យាករណ៍ និងការពារបញ្ហា IT កាត់បន្ថយពេលវេលារងចាំ និងធ្វើអោយប្រសើរឡើងនូវភាពជឿជាក់នៃប្រព័ន្ធទាំងមូល។
3. បង្កើនផលិតភាព៖ AIOps អនុញ្ញាតឱ្យក្រុម IT ឆ្លើយតបយ៉ាងរហ័សចំពោះឧប្បត្តិហេតុ ដោយកាត់បន្ថយពេលវេលាជាមធ្យមក្នុងការរកឃើញ (MTTD) និងពេលវេលាមធ្យមដើម្បីដោះស្រាយ (MTTR)។
4. ការធ្វើសេចក្តីសម្រេចចិត្តកាន់តែប្រសើរ៖ AIOps ផ្តល់ឱ្យក្រុម IT នូវការយល់ដឹងតាមពេលវេលាជាក់ស្តែង និងការវិភាគព្យាករណ៍ ដែលអនុញ្ញាតឱ្យធ្វើការសម្រេចចិត្តដែលផ្អែកលើទិន្នន័យ។

យុទ្ធសាស្ត្រអនុវត្ត

ការអនុវត្ត AIOps ទាមទារវិធីសាស្រ្តយុទ្ធសាស្ត្រ៖

1. ការប្រមូលទិន្នន័យ៖ ប្រមូលទិន្នន័យ IT ពីប្រភពផ្សេងៗ រួមទាំងកំណត់ហេតុ រង្វាស់ និងឯកសារកំណត់រចនាសម្ព័ន្ធ។
2. ការរួមបញ្ចូលទិន្នន័យ៖ រួមបញ្ចូលទិន្នន័យពីប្រភពផ្សេងៗទៅក្នុងវេទិកាតែមួយ។
3. Machine Learning៖ អនុវត្តក្បួនដោះស្រាយការរៀនម៉ាស៊ីនដើម្បីវិភាគទិន្នន័យ និងទស្សន៍ទាយបញ្ហា IT ដែលអាចកើតមាន។
4. ស្វ័យប្រវត្តិកម្ម៖ ធ្វើស្វ័យប្រវត្តិកម្មការងារ និងលំហូរការងារ។
5. ការតាមដាន និងមតិកែលម្អ៖ តាមដានការអនុវត្ត AIOps ជាបន្តបន្ទាប់ និងផ្តល់មតិកែលម្អ ដើម្បីបង្កើនភាពត្រឹមត្រូវ និងប្រសិទ្ធភាព។

ករណីសិក្សាពិភពលោកពិត

អង្គការជាច្រើនបានអនុវត្តដោយជោគជ័យ AIOps ដើម្បីផ្លាស់ប្តូរលំហូរការងារគ្រប់គ្រង IT របស់ពួកគេ៖

1. Verizon៖ ក្រុមហ៊ុន Verizon បានអនុវត្ត AIOps ដើម្បីបង្កើនភាពជឿជាក់នៃបណ្តាញ និងកាត់បន្ថយពេលវេលារងចាំ។ វេទិកានេះបានប្រើ machine learning ដើម្បីទស្សន៍ទាយ និងការពារបញ្ហាបណ្តាញ ដែលបណ្តាលឱ្យមានការថយចុះ 30% នៃពេលវេលារងចាំ។
2. ** AT&T **៖ AT&T បានអនុវត្ត AIOps ដើម្បីកែលម្អការគ្រប់គ្រងឧប្បត្តិហេតុ និងកាត់បន្ថយពេលវេលាមធ្យមក្នុងការរកឃើញ (MTTD) និងពេលវេលាមធ្យមដើម្បីដោះស្រាយ (MTTR)។ វេទិកានេះបានប្រើស្វ័យប្រវត្តិកម្មដើម្បីស្វែងរក និងដោះស្រាយឧប្បត្តិហេតុ IT ដែលបណ្តាលឱ្យមានការថយចុះ 40% នៅក្នុង MTTD និង 50% នៃ MTTR ។
3. Microsoft៖ Microsoft បានអនុវត្ត AIOps ដើម្បីកែលម្អការវិភាគព្យាករណ៍ និងស្វ័យប្រវត្តិកម្ម។ វេទិកានេះបានប្រើការរៀនម៉ាស៊ីនដើម្បីទស្សន៍ទាយបញ្ហា IT ដែលអាចកើតមាន ធ្វើឱ្យការថែទាំសកម្ម និងកាត់បន្ថយពេលវេលារងចាំ។

ប្លុកកូដ៖ ឧទាហរណ៍ AIOps នៅក្នុង Python

នេះគឺជាប្លុកកូដស្មុគស្មាញនៅក្នុង Python ដែលបង្ហាញពីកម្មវិធី AIOps ក្នុងការគ្រប់គ្រង IT៖ ``ពស់ថ្លាន់ នាំចូលខ្លាឃ្មុំផេនដាជាភី ពី sklearn.ensemble នាំចូល RandomForestClassifier ពី sklearn.model_selection នាំចូល train_test_split ពី sklearn.metrics នាំចូល accuracy_score

ផ្ទុកទិន្នន័យ

ទិន្នន័យ = pd.read_csv('it_data.csv')

ដំណើរការទិន្នន័យជាមុន

X = data.drop(['incident'], axis=1) y = ទិន្នន័យ['ឧប្បត្តិហេតុ']

បំបែកទិន្នន័យទៅជាសំណុំបណ្តុះបណ្តាល និងសាកល្បង

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

បណ្តុះបណ្តាលអ្នកចាត់ថ្នាក់ព្រៃឈើចៃដន្យ

rfc = RandomForestClassifier(n_estimators=100, random_state=42) rfc.fit(X_train, y_train)

ធ្វើការទស្សន៍ទាយ

y_pred = rfc.predict(X_test)

វាយតម្លៃគំរូ

ភាពត្រឹមត្រូវ = accuracy_score(y_test, y_pred) print(f'Accuracy: {accuracy:.2f}')

ប្រើគំរូដើម្បីទស្សន៍ទាយបញ្ហា IT ដែលអាចកើតមាន

new_data = pd.DataFrame({'cpu_usage': [80], 'memory_usage': [90]}) ការព្យាករណ៍ = rfc.predict(ទិន្នន័យថ្មី) ប្រសិនបើការព្យាករណ៍[0] == 1: print('រកឃើញបញ្ហា IT ដែលអាចកើតមាន!')

ប្លុកកូដនេះប្រើឧបករណ៍ចាត់ថ្នាក់ព្រៃចៃដន្យដើម្បីទស្សន៍ទាយបញ្ហា IT ដែលអាចកើតមានដោយផ្អែកលើទិន្នន័យការប្រើប្រាស់ស៊ីភីយូ និងអង្គចងចាំ។ គំរូនេះត្រូវបានបណ្តុះបណ្តាលលើទិន្នន័យប្រវត្តិសាស្ត្រ និងប្រើដើម្បីធ្វើ ការទស្សន៍ទាយលើទិន្នន័យថ្មី។

## ការមើលឃើញ៖ ស្ថាបត្យកម្មវេទិកា AIOps

នេះគឺជាការមើលឃើញនៃស្ថាបត្យកម្មវេទិកា AIOps ដោយប្រើ Chart.js៖
`` គំនូសតាង
{
  "type": "pieChart",
  "ទិន្នន័យ"៖ {
    "labels": ["ការប្រមូលទិន្នន័យ", "ការរួមបញ្ចូលទិន្នន័យ", "ការរៀនម៉ាស៊ីន", "ស្វ័យប្រវត្តិ", "ការត្រួតពិនិត្យ និងមតិកែលម្អ"],
    "សំណុំទិន្នន័យ": [
      {
        "label": "AIOps Platform Architecture",
        "ទិន្នន័យ": [30, 20, 20, 15, 15],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56", "#4BC0C0", "#FF99CC"],
        "hoverBackgroundColor": ["#FF99CC", "#36A2EB", "#FFCE56", "#4BC0C0", "#FF99CC"]
      }
    ]
  },
  "ជម្រើស"៖ {
    "ចំណងជើង"៖ {
      "បង្ហាញ": ពិត,
      "text": "ស្ថាបត្យកម្មវេទិកា AIOps"
    },
    "រឿងព្រេង": {
      "បង្ហាញ": ពិត
    }
  }
}

ការមើលឃើញនេះបង្ហាញពីធាតុផ្សំផ្សេងៗគ្នានៃស្ថាបត្យកម្មវេទិកា AIOps រួមទាំងការប្រមូលទិន្នន័យ ការរួមបញ្ចូលទិន្នន័យ ការរៀនម៉ាស៊ីន ស្វ័យប្រវត្តិកម្ម និងការត្រួតពិនិត្យ និងមតិកែលម្អ។

សេចក្តីសន្និដ្ឋាន

AIOps គឺជាបច្ចេកវិទ្យាផ្លាស់ប្តូរហ្គេមដែលកំពុងផ្លាស់ប្តូររបៀបដែលក្រុម IT គ្រប់គ្រង និងថែរក្សាប្រព័ន្ធ IT ដ៏ស្មុគស្មាញ។ តាមរយៈការប្រើប្រាស់ម៉ាស៊ីនសិក្សា និង AI AIOps អនុញ្ញាតឱ្យមានការគ្រប់គ្រង IT សកម្ម ការវិភាគព្យាករណ៍ និងស្វ័យប្រវត្តិកម្ម ដែលនាំទៅដល់ការកែលម្អប្រសិទ្ធភាព ភាពជឿជាក់ និងបង្កើនផលិតភាព។ តាមរយៈការអនុវត្ត AIOps អង្គការអាចកាត់បន្ថយពេលវេលារងចាំ កែលម្អការសម្រេចចិត្ត និងទទួលបានការប្រកួតប្រជែងនៅក្នុងទីផ្សារ។

នៅពេលដែលបច្ចេកវិទ្យាបន្តវិវឌ្ឍ យើងអាចរំពឹងថានឹងឃើញកម្មវិធី AIOps ប្រកបដោយភាពច្នៃប្រឌិតបន្ថែមទៀតនៅក្នុងការគ្រប់គ្រងព័ត៌មានវិទ្យា។ ជាមួយនឹងសក្ដានុពលរបស់វាក្នុងការធ្វើបដិវត្តវិធីដែលយើងគ្រប់គ្រងប្រព័ន្ធ IT AIOps គឺជាវិស័យដ៏គួរឱ្យរំភើប និងរីកចម្រើនយ៉ាងឆាប់រហ័ស ដែលគួរយកចិត្តទុកដាក់។