站长资讯网随着AI、大数据技术在IT运维领域的落地，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了解、尝试和应用AIOps。但是，由于不同厂商的AIOps发展路径和自身产品技术实力的不同，对于AIOps的定义和宣传有很大的差异，而用户面对嘈杂的市场声音往往就像雾里看花，显得无所适从。
美国著名IT研究机构Enterprise Management Associates(EMA)副总裁Dennis Drogseth在《AIOps IT Analytics at the Crossroads》网络研讨会上，同样被欧美用户多次问及AIOps和传统监控工具之间界限的问题，特别是AIOps和APM产品的功能差异，如：它们到底有何不同?如果已经有了APM，还需要AIOps吗?企业为什么要同时购买APM和AIOps产品?
根据Gartner在2019年7月发布的IT性能分析技术成熟度曲线显示，AIOps正在从科技诞生的促动期 (Technology Trigger)进入过高期望的峰值(Peak of Inflated Expectations)，而APM/NPM等技术已经进入稳步爬升的光明期 (Slope of Enlightenment)，为什么还会出现AIOps和APM/NPM概念混淆?这里既有两种产品相互交叉造成的误解的因素，也有市场炒作和竞争的原因。Dennis Drogseth将在本文中为我们理清AIOps和APM的异同。
APM和AIOps的本质区别
APM的本质是监控工具。顾名思义，Application Performance Monitoring(Gartner对APM的定义)主要关注应用程序的性能，包括一些应用程序/基础架构的相互依赖性(应用拓扑)。诚然，随着APM逐渐向智能化发展，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的边界变得有些模糊，但在更广泛的IT运维管理与分析场景中，APM的重点仍是监控，同时也是AIOps平台的最重要数据来源。
AIOps是覆盖全部7层IT技术栈的平台解决方案。AIOps作为一种运维策略，可以与企业现有的ITOM工具、基础设施监控(ITIM)、网络性能监控(NPM)、应用性能监控(APM)和数字性能监控(DPM)工具进行整合，同时AIOps的数据源还包括了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种不同的分析探索方法，用于规范和if / then风格的机器学习。EMA研究表明，目前市场上流行的AIOps平台，有超过50%能接入23种以上不同监测系统和ITOM工具。最重要的是，AIOps解决方案能够支持变更管理、容量预测、安全及SecOps、成本优化、云迁移以及DevOps和终端用户体验分析，这些是远远超出APM能力范围的。
因此，我们能够得出一个基本结论：AIOps是一种涵盖了APM、网络管理、系统管理、数据库管理和多云管理的统一管控技术，能够关联整合和主动分析来自不同数据源的数据。AIOps比APM在范围、用例和价值上更广泛，本质上与EMA定义的高级自动化分析(AIA)的目标是一致的。
APM和AIOps的几点相似之处
但是，如果我们把AIOps看做可以替换APM/NPM/DPM的监控工具，同样有失偏颇。事实上，APM的应用为AIOps能力的完善提供了巨大帮助。Dennis Drogseth总结出以下四个方面：
APM通过基础设施依赖性进行应用程序管理的价值越来越高，因此APM也就成为自上而下评估服务管理和服务交付有效性的重要依据。
APM的核心能力之一是发现应用/基础架构拓扑，而应用发现和依赖关系映射(ADTD)提供了更多动态功能，这些功能同样是AIOps解决方案的基础，可以直接集成或借助APM的发现功能进行实现。
APM越来越关注终端用户体验管理(DEM)，这也是追求与业务价值保持一致的AIOps解决方案不断增强的能力之一。
业务绩效指标是选择APM解决方案的重要依据，这同样是用户选择AIOps解决方案的关键参数。当然AIOps平台拥有更全面的基础指标数据，可以更加全面的评估业务价值，分析容量、成本、安全/合规性问题和其他指标。
AIOps如何实现IT统一管控
AIOps作为一种覆盖全部技术栈的统一管控技术，能够帮助企业内部所有与IT相关部门进行变革，而不仅局限于运维部门。EMA连续两年的研究显示，AIOps能够在所有造成数据孤岛的IT工具整合中发挥巨大价值。此外，AIOps与IT服务管理(ITSM)的集成也至关重要，因为这样才能帮助开发、安全团队和运营部门更有效地协同工作。
但是，企业内部应该正确认知AIOps并就起目标和价值达成共识，才能实现IT的统一管控。而要发挥统一平台的最大价值，需要把AIOps的领导力、创造力和灵活性应用在IT思维和工作方式中。与CMDB/CMS计划并行，AIOps计划需要各部门主动共享数据，探索新的流程效率水平，同时提高自动化水平。此外，AIOps需要更具凝聚力和更积极主动的心态，去探索遇到的新问题。当然，最佳实践仍然适用于AIOps，与数字化转型计划保持一致，这些计划为IT转型提供了额外的砝码和价值。
虽然我们常常在市场上听到关于AIOps的错误概念，或从字面上把AIOps误解为Ops专用的运维工具平台，但希望大家通过本文清楚认识到：AIOps是激发所有IT系统价值的基础。由于AIOps在产品设计和价值输出是非常多样化的，所以它不仅是一个市场概念，更是一个创新的IT环境。因此，我们需要根据现阶段的IT成熟度和业务需求，按照优先级选择适合的场景、用例，逐步推进AIOps的落地。
特别提醒：本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。
