ແນະນຳ

ການວິວັດທະນາການຢ່າງໄວວາຂອງເຕັກໂນໂລຢີໄດ້ເຮັດໃຫ້ການຂະຫຍາຍຕົວຢ່າງໃຫຍ່ຫຼວງໃນຄວາມສັບສົນຂອງລະບົບ IT ທີ່ທັນສະໄຫມ. ດັ່ງນັ້ນ, ທີມງານ IT ກໍາລັງປະເຊີນກັບສິ່ງທ້າທາຍທີ່ບໍ່ເຄີຍມີມາກ່ອນໃນການຄຸ້ມຄອງແລະການຮັກສາລະບົບເຫຼົ່ານີ້, ນໍາໄປສູ່ການຢຸດເຊົາການເພີ່ມຂຶ້ນ, ຜົນຜະລິດຫຼຸດລົງ, ແລະຄ່າໃຊ້ຈ່າຍໃນການດໍາເນີນງານທີ່ສູງຂຶ້ນ. ເພື່ອແກ້ໄຂສິ່ງທ້າທາຍເຫຼົ່ານີ້, ແນວຄວາມຄິດຂອງ Artificial Intelligence for IT Operations (AIOps) ໄດ້ກາຍເປັນຕົວປ່ຽນແປງເກມ. AIOps ໝູນໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ AI ເພື່ອຫັນປ່ຽນຂັ້ນຕອນການເຮັດວຽກຂອງ DevOps, ເຮັດໃຫ້ການຈັດການ IT ທີ່ມີການເຄື່ອນໄຫວ, ການວິເຄາະການຄາດເດົາ ແລະ ອັດຕະໂນມັດ.

ໃນບົດຄວາມນີ້, ພວກເຮົາຈະຄົ້ນຫາອະນາຄົດຂອງ AIOps, ຜົນປະໂຫຍດຂອງມັນ, ແລະຍຸດທະສາດການປະຕິບັດ. ພວກ​ເຮົາ​ຍັງ​ຈະ​ເຈາະ​ເລິກ​ໃນ​ກໍ​ລະ​ນີ​ການ​ສຶກ​ສາ​ໃນ​ໂລກ​ທີ່​ແທ້​ຈິງ​ແລະ​ສະ​ຫນອງ​ການ​ລະ​ຫັດ​ສະ​ລັບ​ສັບ​ຊ້ອນ​ເພື່ອ​ສະ​ແດງ​ໃຫ້​ເຫັນ​ການ​ນໍາ​ໃຊ້ AIOps ໃນ​ການ​ຄຸ້ມ​ຄອງ IT​.

AIOps ແມ່ນຫຍັງ?

AIOps ເປັນພາກສະຫນາມທີ່ພົ້ນເດັ່ນຂື້ນທີ່ປະສົມປະສານພະລັງງານຂອງປັນຍາປະດິດ (AI) ແລະການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ກັບການດໍາເນີນງານດ້ານໄອທີ (ITOPs) ເພື່ອປັບປຸງປະສິດທິພາບ, ປະສິດທິຜົນແລະຄວາມຫນ້າເຊື່ອຖືຂອງການບໍລິການດ້ານໄອທີ. ເວທີ AIOps ໃຊ້ການວິເຄາະຂໍ້ມູນ, ການສ້າງແບບຈໍາລອງການຄາດເດົາ, ແລະອັດຕະໂນມັດເພື່ອກໍານົດແລະແກ້ໄຂບັນຫາ IT ກ່ອນທີ່ພວກມັນຈະກາຍເປັນບັນຫາໃຫຍ່.

AIOps ສາມາດນໍາໃຊ້ກັບຂົງເຂດຕ່າງໆຂອງການຄຸ້ມຄອງ IT, ລວມທັງ:

1. ການວິເຄາະການຄາດເດົາ: ແພລດຟອມ AIOps ໃຊ້ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອວິເຄາະຂໍ້ມູນປະຫວັດສາດ ແລະຄາດຄະເນບັນຫາໄອທີທີ່ອາດເກີດຂຶ້ນໄດ້, ເຮັດໃຫ້ການບຳລຸງຮັກສາຢ່າງຕັ້ງໜ້າ ແລະຫຼຸດຜ່ອນເວລາເຮັດວຽກ.
2. ການຈັດການເຫດການ: AIOps ສາມາດກວດຫາ ແລະແກ້ໄຂເຫດການ IT ໂດຍອັດຕະໂນມັດ, ຫຼຸດຜ່ອນເວລາສະເລ່ຍໃນການກວດສອບ (MTTD) ແລະເວລາສະເລ່ຍເພື່ອແກ້ໄຂ (MTTR).
3. ** ອັດຕະໂນມັດ**: AIOps ສາມາດເຮັດໜ້າທີ່ປົກກະຕິໄດ້ໂດຍອັດຕະໂນມັດ, ເຊັ່ນ: ການຈັດການການຕັ້ງຄ່າ, ການຈັດການ patch, ແລະການສໍາຮອງແລະການຟື້ນຕົວ.

ປະໂຫຍດຂອງ AIOps

ຜົນປະໂຫຍດຂອງ AIOps ແມ່ນມີຫຼາຍແລະສໍາຄັນ:

1. ປັບປຸງປະສິດທິພາບ: AIOps ເຮັດໜ້າທີ່ປົກກະຕິໂດຍອັດຕະໂນມັດ, ປົດພະນັກງານໄອທີເພື່ອສຸມໃສ່ການລິເລີ່ມຍຸດທະສາດ.
2. ຄວາມໜ້າເຊື່ອຖືທີ່ເພີ່ມຂຶ້ນ: AIOps ຄາດຄະເນ ແລະປ້ອງກັນບັນຫາ IT, ຫຼຸດຜ່ອນເວລາຢຸດເຮັດວຽກ ແລະປັບປຸງຄວາມໜ້າເຊື່ອຖືຂອງລະບົບໂດຍລວມ.
3. ** ຜະລິດຕະພັນທີ່ເພີ່ມຂຶ້ນ**: AIOps ຊ່ວຍໃຫ້ທີມງານ IT ສາມາດຕອບສະໜອງໄດ້ໄວຕໍ່ກັບເຫດການຕ່າງໆ, ຫຼຸດຜ່ອນເວລາສະເລ່ຍໃນການກວດຫາ (MTTD) ແລະເວລາສະເລ່ຍເພື່ອແກ້ໄຂ (MTTR).
4. ການຕັດສິນໃຈທີ່ດີຂຶ້ນ: AIOps ໃຫ້ທີມງານໄອທີມີຄວາມເຂົ້າໃຈແບບສົດໆ ແລະການວິເຄາະການຄາດເດົາ, ເຮັດໃຫ້ການຕັດສິນໃຈທີ່ຂັບເຄື່ອນດ້ວຍຂໍ້ມູນ.

ຍຸດທະສາດການຈັດຕັ້ງປະຕິບັດ

ການປະຕິບັດ AIOps ຮຽກຮ້ອງໃຫ້ມີວິທີການຍຸດທະສາດ:

1. ການ​ເກັບ​ກໍາ​ຂໍ້​ມູນ​: ເກັບ​ກໍາ​ຂໍ້​ມູນ IT ຈາກ​ແຫຼ່ງ​ຕ່າງໆ​, ລວມ​ທັງ​ບັນ​ທຶກ​, metrics​, ແລະ​ໄຟລ​໌​ການ​ຕັ້ງ​ຄ່າ​.
2. ການ​ປະ​ສົມ​ປະ​ສານ​ຂໍ້​ມູນ​: ລວມ​ຂໍ້​ມູນ​ຈາກ​ແຫຼ່ງ​ຕ່າງໆ​ເຂົ້າ​ໄປ​ໃນ​ເວ​ທີ​ດຽວ​.
3. ການຮຽນຮູ້ເຄື່ອງຈັກ: ນຳໃຊ້ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອວິເຄາະຂໍ້ມູນ ແລະຄາດຄະເນບັນຫາໄອທີທີ່ເປັນໄປໄດ້.
4. ອັດຕະໂນມັດ: ເຮັດໜ້າວຽກປົກກະຕິ ແລະຂັ້ນຕອນການເຮັດວຽກໂດຍອັດຕະໂນມັດ.
5. ** ການຕິດຕາມ ແລະ ຄໍາຕິຊົມ**: ຕິດຕາມປະສິດທິພາບຂອງ AIOps ຢ່າງຕໍ່ເນື່ອງ ແລະ ໃຫ້ຄໍາຄິດເຫັນເພື່ອປັບປຸງຄວາມຖືກຕ້ອງ ແລະ ປະສິດທິຜົນ.

ກໍລະນີສຶກສາໂລກທີ່ແທ້ຈິງ

ອົງການຈັດຕັ້ງຈໍານວນຫນຶ່ງໄດ້ປະຕິບັດຢ່າງສໍາເລັດຜົນ AIOps ເພື່ອຫັນປ່ຽນວຽກງານການຄຸ້ມຄອງ IT ຂອງພວກເຂົາ:

1. Verizon: Verizon ປະຕິບັດ AIOps ເພື່ອປັບປຸງຄວາມໜ້າເຊື່ອຖືຂອງເຄືອຂ່າຍ ແລະ ຫຼຸດຜ່ອນເວລາຢຸດເຮັດວຽກ. ແພລດຟອມໄດ້ໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກເພື່ອຄາດຄະເນແລະປ້ອງກັນບັນຫາເຄືອຂ່າຍ, ເຊິ່ງເຮັດໃຫ້ເວລາຢຸດເຮັດວຽກຫຼຸດລົງ 30%.
2. AT&T: AT&T ປະຕິບັດ AIOps ເພື່ອປັບປຸງການຈັດການເຫດການ ແລະຫຼຸດຜ່ອນເວລາສະເລ່ຍໃນການກວດສອບ (MTTD) ແລະເວລາສະເລ່ຍເພື່ອແກ້ໄຂ (MTTR). ແພລະຕະຟອມໄດ້ໃຊ້ອັດຕະໂນມັດເພື່ອກວດຫາແລະແກ້ໄຂເຫດການ IT, ເຊິ່ງເຮັດໃຫ້ MTTD ຫຼຸດລົງ 40% ແລະ MTTR ຫຼຸດລົງ 50%.
3. Microsoft: Microsoft ປະຕິບັດ AIOps ເພື່ອປັບປຸງການວິເຄາະຄາດຄະເນ ແລະອັດຕະໂນມັດ. ແພລດຟອມໄດ້ໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອຄາດຄະເນບັນຫາ IT ທີ່ເປັນໄປໄດ້, ເຮັດໃຫ້ການບໍາລຸງຮັກສາແບບຕັ້ງໃຈ ແລະ ຫຼຸດຜ່ອນເວລາຢຸດເຮັດວຽກ.

Code Block: AIOps ຕົວຢ່າງໃນ Python

ນີ້ແມ່ນບລັອກລະຫັດທີ່ຊັບຊ້ອນໃນ Python ທີ່ສະແດງໃຫ້ເຫັນເຖິງຄໍາຮ້ອງສະຫມັກຂອງ AIOps ໃນການຄຸ້ມຄອງ IT: `` python ນໍາເຂົ້າ pandas ເປັນ pd ຈາກ sklearn.ensemble ນໍາເຂົ້າ RandomForestClassifier ຈາກ sklearn.model_selection ນໍາເຂົ້າ train_test_split ຈາກ sklearn.metrics ນໍາເຂົ້າ accuracy_score

ໂຫຼດຂໍ້ມູນ

data = pd.read_csv('it_data.csv')

ຂໍ້ມູນເບື້ອງຕົ້ນ

X = data.drop(['incident'], axis=1) y = ຂໍ້ມູນ['ເຫດການ']

ແຍກຂໍ້ມູນເຂົ້າໄປໃນຊຸດການຝຶກອົບຮົມແລະການທົດສອບ

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

ຝຶກອົບຮົມການຈັດປະເພດປ່າໄມ້ແບບສຸ່ມ

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

ຄາດຄະເນ

y_pred = rfc.predict(X_test)

ປະເມີນຕົວແບບ

accuracy = accuracy_score(y_test, y_pred) ພິມ(f'ຄວາມຖືກຕ້ອງ: {ຄວາມຖືກຕ້ອງ:.2f}')

ໃຊ້ຕົວແບບເພື່ອຄາດຄະເນບັນຫາ IT ທີ່ເປັນໄປໄດ້

new_data = pd.DataFrame({'cpu_usage': [80], 'memory_usage': [90]}) ການຄາດເດົາ = rfc.predict(new_data) ຖ້າການຄາດຄະເນ[0] == 1: ພິມ('ກວດພົບບັນຫາໄອທີທີ່ເປັນໄປໄດ້!')

ບລັອກລະຫັດນີ້ໃຊ້ຕົວຈັດປະເພດປ່າໄມ້ແບບສຸ່ມເພື່ອຄາດຄະເນບັນຫາ IT ທີ່ເປັນໄປໄດ້ໂດຍອີງໃສ່ຂໍ້ມູນການໃຊ້ CPU ແລະຫນ່ວຍຄວາມຈໍາ. ຮູບແບບດັ່ງກ່າວແມ່ນໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນປະຫວັດສາດແລະນໍາໃຊ້ເພື່ອເຮັດໃຫ້ການຄາດຄະເນກ່ຽວກັບຂໍ້ມູນໃຫມ່.

## Visualization: AIOps Platform Architecture

ນີ້ແມ່ນການສະແດງພາບຂອງສະຖາປັດຕະຍະກໍາເວທີ AIOps ໂດຍໃຊ້ Chart.js:
`` ຕາຕະລາງ
{
  "type": "pieChart",
  "ຂໍ້ມູນ": {
    "labels": ["ການ​ເກັບ​ກໍາ​ຂໍ້​ມູນ​"​, "ການ​ເຊື່ອມ​ໂຍງ​ຂໍ້​ມູນ​"​, "ການຮຽນຮູ້​ເຄື່ອງ​ຈັກ​"​, "ອັດ​ຕະ​ໂນ​ມັດ​"​, "ການ​ຕິດ​ຕາມ​ກວດ​ກາ​ແລະ​ຄໍາ​ຄຶດ​ຄໍາ​ເຫັນ​"],
    "ຊຸດຂໍ້ມູນ": [
      {
        "label": "AIOps Platform Architecture",
        "ຂໍ້ມູນ": [30, 20, 20, 15, 15],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56", "#4BC0C0", "#FF99CC"],
        "hoverBackgroundColor": ["#FF99CC", "#36A2EB", "#FFCE56", "#4BC0C0", "#FF99CC"]
      }
    ]
  },
  "ທາງເລືອກ": {
    "ຫົວຂໍ້": {
      "ສະແດງ": ຄວາມຈິງ,
      "text": "ສະຖາປັດຕະຍະກໍາເວທີ AIOps"
    },
    "ນິທານ": {
      "ສະແດງ": ຄວາມຈິງ
    }
  }
}

ການສະແດງພາບນີ້ສະແດງໃຫ້ເຫັນອົງປະກອບທີ່ແຕກຕ່າງກັນຂອງສະຖາປັດຕະຍະກໍາແພລດຟອມ AIOps, ລວມທັງການເກັບກໍາຂໍ້ມູນ, ການເຊື່ອມໂຍງຂໍ້ມູນ, ການຮຽນຮູ້ເຄື່ອງຈັກ, ອັດຕະໂນມັດ, ແລະການຕິດຕາມແລະຄໍາຄຶດຄໍາເຫັນ.

ສະຫຼຸບ

AIOps ເປັນເທັກໂນໂລຍີການປ່ຽນແປງເກມທີ່ປ່ຽນວິທີການທີ່ທີມງານໄອທີຄຸ້ມຄອງ ແລະຮັກສາລະບົບໄອທີທີ່ຊັບຊ້ອນ. ໂດຍການໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ AI, AIOps ຊ່ວຍໃຫ້ການຈັດການ IT ທີ່ມີການເຄື່ອນໄຫວ, ການວິເຄາະການຄາດເດົາ ແລະ ອັດຕະໂນມັດ, ນໍາໄປສູ່ການປັບປຸງປະສິດທິພາບ, ຄວາມຫນ້າເຊື່ອຖືທີ່ເພີ່ມຂຶ້ນ, ແລະຜະລິດຕະພັນທີ່ເພີ່ມຂຶ້ນ. ໂດຍການປະຕິບັດ AIOps, ອົງການຈັດຕັ້ງສາມາດຫຼຸດຜ່ອນເວລາຢຸດເຮັດວຽກ, ປັບປຸງການຕັດສິນໃຈ, ແລະໄດ້ຮັບການແຂ່ງຂັນໃນຕະຫຼາດ.

ໃນຂະນະທີ່ເຕັກໂນໂລຢີສືບຕໍ່ພັດທະນາ, ພວກເຮົາສາມາດຄາດຫວັງວ່າຈະເຫັນຄໍາຮ້ອງສະຫມັກໃຫມ່ໆຂອງ AIOps ໃນການຄຸ້ມຄອງ IT. ດ້ວຍທ່າແຮງຂອງຕົນໃນການປະຕິວັດວິທີການທີ່ພວກເຮົາຄຸ້ມຄອງລະບົບ IT, AIOps ແມ່ນຂົງເຂດທີ່ຫນ້າຕື່ນເຕັ້ນແລະການຂະຫຍາຍຕົວຢ່າງໄວວາທີ່ຄວນຈະເປັນຕາເບິ່ງ.