概览
AIOps（用于 IT 运维的人工智能）通过 AI（人工智能）和 ML（机器学习）分析 IT 基础架构、应用、网络和云环境中的海量运维数据。OpManager Nexus 的 AIOps 平台可帮助企业 IT 团队从被动响应转向主动预防，通过异常检测、事件关联、识别根因的智能分析能力，达到在问题影响最终用户之前预测潜在问题与性能瓶颈来实现 IT 运维范式转变。
借助对话式 MCP 服务器打破 IT 孤岛
- OpManager Nexus 支持与任何 MCP 主机集成，例如 Visual Studio Code、Claude Desktop、Cursor 和 ServiceDesk plus等。
- 跨孤立的 IT 工具收集数据、生成深入洞察并执行操作输出。
- 通过在对话式界面中统一分析与关联，减少上下文切换
- 使用场景：如果某个应用在新版本发布后崩溃，您可以使用 MCP 主机的对话式界面连接您的服务台和 DevOps 工具，并将工单、应用里程碑和 DevOps 日志与 OpManager Nexus 监控到的指标关联起来。
借助公共和私有生成式 AI LLM 快速洞察 IT 问题
- 通过本地 Ollama LLM 集成，在您的网络环境内部获得满足安全合规性的 AIOps 功能。
- 通过 API 的集成 Deepseek 和 OpenAI，打造高级 AIOps IT 智能运维平台。
- 通过 AI 智能分析生成的摘要和可执行建议改善 MTTR。
- 使用场景：如果一台关键服务器宕机，您可以使用 AI 生成的摘要查看其详细信息、告警历史以及所属设备组，并将 AI 驱动的可执行建议作为备注提供给技术人员执行下一步操作。您还可以生成自定义脚本，以更好地监控管理您的设备。
借助智能事件关联，将告警风暴转化为精准洞察
- 关联相关事件、跟踪依赖关系，并基于上下文聚类告警，直指告警根源并输出分析过程。
- 加快平均检测时间（MTTD）和根因分析，更快识别并解决问题。
- 通过提供高质量、低噪声的告警，减少 IT 团队的告警疲劳。
- 使用场景：当 BGP 配置错误导致整个 IT 网络环境发生中断时，您将获得清晰洞察，说明问题的根因、影响和上下文，让关键信息不被告警风暴淹没。
借助 Zia AI 获取预测和建议
- ManageEngine 自研 AI：Zia 已内置于 OpManager Nexus 中，作为 AIOps 助手，可安全地分析和处理实时 IT 数据。
- Zia 可生成资源使用预测趋势，识别资源耗尽可能带来的影响，并提出快速修复建议。
- 通过集中视图查看智能洞察和建议，预测资源耗尽和性能瓶颈。
- 使用场景：如果您有一台负责组织内邮件投递和存储的服务器，您可以使用 Zia 查看距离存储容量达到 99% 利用率还剩多少天。Zia 还会告诉您这会如何影响邮件投递服务，并给出清理存储空间的可行性建议。
借助自适应阈值，在周期性波动中确保监控准确性
- OpManager Nexus 的自适应阈值可分析网络行为，并为所有指标和设备动态调整性能告警阈值。
- 每个告警阈值都会每小时自动更新，以确保在高峰、低峰和周期性网络波动期间的告警准确性。
- 通过自动化设置并更新成千上万个告警阈值的配置过程，提高员工生产力，避免手动操作。
- 使用场景：如果一台数据库服务器通常在凌晨 3 点显示 10% 的利用率，OpManager Nexus 会将其设为性能基线。如果利用率突然跃升至 25%，自适应阈值将触发告警，因为它超出了预测偏差范围——即便在工作时间内 25% 通常会被视为“正常”。
借助预测优化容量规划和资源使用
- OpManager Nexus 的 AIOps 平台通过 ML 模型，可准确预测未来多达 90 天的资源利用率趋势。
- 预测性能趋势、跟踪未来资源利用率，并设置预测告警，从而在资源使用触发告警前就提醒您及时关注。
- 通过预测性能趋势，防止瓶颈并执行智能容量规划。
- 使用场景：您可以在资源紧张和计划外中断发生之前，借助准确的性能预测为新增资源采购和扩容申请提供有力依据。
使用场景案例
常见问题
什么是 AIOps？
AIOps，即用于 IT 运维的人工智能，代表了 AI 和机器学习（ML）在 IT 基础架构监控管理中的战略性部署。这些技术通过自动处理具有高容量、高速度和高多样性特征的大规模数据流来优化 IT 工作流程。
通常，AIOps 框架利用 ML 驱动的模式识别、噪声抑制和自动化编排来支持 IT 人员。下一代 AIOps 平台还集成了生成式 AI（GenAI）和大型语言模型（LLM），以进一步简化和降低运维复杂性。
AI、ML 和 AIOps 有什么区别？
- 人工智能（AI）：一个广泛的领域，涵盖所有使机器能够模拟人类认知功能并执行复杂任务的技术。
- 机器学习（ML）：AI 的一个专业分支，利用高级算法解析海量数据集。它使系统无需显式的基于规则的编程，就能够改进行为并进行数据驱动的预测。
- AIOps：AI 和 ML 在 IT 运维领域中的实际应用。它依赖强大的监控架构来摄取高速数据，包括：
- 日志：来自应用、服务器、网络设备的原始非结构化数据。
- 指标：时间序列遥测数据（例如 CPU 负载、内存使用率、延迟等）。
- 追踪：请求在微服务中流转的端到端映射。
- 事件：来自监控工具的具体、离散通知。
AIOps 工具专注于提炼性能指标、过滤无关告警，并自动化日常运维任务。
AIOps 和 MLOps 是一样的吗？
不一样。AIOps 专注于将 AI/ML 嵌入 IT 运维（ITOps）中，以支持 IT 管理员、SRE 和网络工程师；而 MLOps 指的是用于可靠构建、部署和管理 AI 模型的运维框架。MLOps 是为数据科学家、AI 工程师和 DevOps 团队的需求而设计的。
什么是 AIOps 平台？
这类综合性 IT 解决方案将 AIOps 能力作为主要功能集。标准的 AIOps 平台包括：
- 遥测引擎：用于轮询并汇聚整个基础架构中的数据。
- ML 分析引擎：用于解释并从收集的数据中发现意义。
- 可视化层：提供上下文洞察的仪表板和报表。
- 自动化套件：用于减少人工干预和重复劳动的工具。
- 强化循环：一种反馈机制，用于随着时间推移提升模型准确性。
AIOps 在 IT 监控中的优势是什么？
AIOps 为网络监控管理带来了多项关键改进：
- 缩短 MTTD（平均检测时间）：自动化分析比人工干预更快识别异常。
- 缓解告警疲劳：通过过滤冗余告警，AIOps 可确保团队只关注高优先级通知。
- 更高的检测准确率：通过适应不断变化的网络基线，AIOps 可减少误报。
- 加速根因分析：工具可协助运维人员快速识别网络中断的根本来源。
- 优化 MTTR（平均恢复时间）：快速检测、清晰诊断和自动响应的结合，使团队能够以最小延迟恢复服务和峰值性能。
OpManager Nexus 与其他 AIOps 工具相比有何不同？
OpManager Nexus 可为您提供整个 IT 技术栈的统一视图，从物理硬件到复杂的云微服务。通过打破数据孤岛，您可以关联网络、服务器和应用之间的性能指标。这种全栈方法确保您的团队看到的不只是单个告警，而是能够理解整个数字生态系统的健康状况，从而让您即时识别并解决技术栈任何层面的性能瓶颈。
