AI、ML和AIOps有什么区别？
AI，即人工智能，是一个广泛的术语，用于指代所有使计算系统能执行与人工智能相关任务的技术。
ML，即机器学习，是 AI 的一个子集技术，它通过高级算法处理数据以改变或优化系统行为。换言之，ML 分析数据以自我学习并作出预测或决策，无需明确编程。
AIOps 是 AI 和 ML 技术在 IT 运维管理中的应用。其基础是依赖监控平台高速采集大量多样化数据。这些数据形式包括：
- 日志： 来自服务器和应用的非结构化文本
- 指标： 来自被监控 IT 系统的时间序列数据（CPU、内存、延迟等）
- 跟踪： 请求在微服务中的分布式路径映射
- 事件： 来自现有监控工具的离散告警
AIOps 和 MLOps 是一样的吗？
不是。AIOps 指 AI 和 ML 技术在 ITOps 的整合；而 MLOps 是一套用于可靠开发和维护 AI 系统的实践。AIOps 服务于 IT 管理员、SRE 和网络技术员，MLOps 则面向数据科学家、DevOps 团队和 AI 工程师。
什么使 ITOps 具备 AI 驱动特性？
IT 运维管理旨在通过快速故障识别、解决及优化 IT 性能，确保 IT 顺畅运行。AI 通过以下方式增强此过程：
- 更快地汇聚和分析 IT 数据
- 设定 IT 性能基线并标记异常
- 揭示未被察觉的影响和根因
- 根据历史数据预测未来趋势和行为
- 将监控的 IT 数据转化为可执行的深入洞察
什么是 AIOps 工具？
AIOps 工具或平台将 AI 和 ML 作为其核心运作流程的一部分。像大多数 IT 工具一样，AIOps 工具既可本地部署，也可云端部署。自2020年以来，许多 IT 运维管理平台已将 AIOps 功能整合到他们的 IT 解决方案中。
IT 工具如何整合 AIOps 功能？
收购现有 AIOps 解决方案： 许多 IT 运维管理工具供应商通过收购 AIOps 产品并整合到现有工具中来增强其功能。New Relic 就是早期采用者， 他们于2019年收购了 SignifAI 。我们最近也见证了 Cisco 收购 Splunk .
开发本土 AIOps 能力： 其他供应商选择长期发展，开发内置 AI 和 ML 引擎集成到其 IT 解决方案中。这些原生引擎通常更深入地融合于工具的核心架构，带来更佳性能和更可靠的预测。ManageEngine 便是典范，利用自主研发的 ML 引擎 Zia 在 OpManager 和 OpManager Nexus 等 IT 监控管理解决方案中实现 AIOps 功能。
AIOps 工具有哪些功能？
AIOps 包含一组旨在将大量 IT 数据转化为高质量洞察的功能。通常涵盖以下方面：
- 强大的网络数据轮询系统，高速采集多种来源数据
- ML 引擎集成，聚合、分析并预测数据模型
- 用于以视觉及上下文形式展示洞察的界面（仪表盘、告警、报告、视图和图表）
- 一定程度的自动化以减轻人工负担
- 强大的反馈系统，将预测数据与实际数据进行比较以提升性能
AIOps 在监控中的好处有哪些？
监控工具被 IT 团队用作预警系统，提示故障和异常事件。大多数网络和 IT 监控工具定期轮询应用、网络设备和服务以生成告警。但在现代网络日益复杂的情况下，这种方式已显不足。
AI 简化网络监控，优势包括：
- 较短的 MTTD（平均检测时间）： AI 能比人工操作更快地解析数据并标记异常事件
- 极少的告警泛滥： AI 通过优化监控数据减少不必要的告警噪声，提高监控准确性
- 极少的误报： AI 能适应动态网络活动，确保仅检测实际问题
- 根因分析： AI 帮助人工更快追踪网络故障源头
- 更快的 MTTR（平均修复时间）： 更快的 MTTD 结合根因分析和自动化，帮助 IT 团队更快恢复服务并优化性能
AIOps 如何帮助 IT 团队？
AIOps 将以不同方式惠及不同 IT 团队。如果您的网络或 IT 监控解决方案集成了 AIOps，将以如下方式支持您的 IT 团队：
IT 管理员： AIOps 自动化许多常规的监控、警报和初步故障排查任务，使 IT 通才能专注于战略规划、复杂问题解决和供应商管理。他们将从被动应急转向主动优化。AIOps 工具对 IT 管理员的帮助包括：
- 动态设定正常网络性能的基线并在被违反时发出告警，或动态设定和更新告警阈值
- 建立预期网络性能模型：通过分析历史数据预测未来性能指标的预期值
- 分析关键设备的资源消耗，预估耗尽剩余天数
- 自动响应各种 IT 事件，最大限度减少人工操作
- 利用仪表盘、报告、地图、告警和建议，提供快速、可执行的 AI 深入洞察
DevOps 团队： AIOps 无缝集成至 CI/CD 流水线，提供智能部署反馈，预测潜在问题，必要时自动回滚，提升发布速度和稳定性，使 DevOps 工程师专注于功能开发和交付流程改进。
SRE 团队： AIOps 为 SRE 提供基于数据的主动可靠性管理洞察，自动化繁重工作，增强异常检测，加速根因分析，实现预测性维护，使 SRE 能专注于架构改进和系统大规模弹性保障。
如何衡量 AIOps 的效果？
虽然 AI 和 AIOps 技术在多个行业的广泛采用无疑表明其效果，但仍需关注实际成果，尤其是对业务带来的价值。
应关注哪些成果？
在 ITOps 领域，有多种指标反映 AIOps 的效果。
平均修复时间（MTTR）： 案例研究、调研和分析显示，AIOps 技术显著缩短 IT 问题的 MTTR，具体数字因监控 IT 基础设施规模、复杂度及行业而异。
告警的数量与质量： 可通过生成告警的类型评估 AIOps 解决方案的有效性。非 AIOps监控工具无差别地标记违规，导致大量“低质量告警”，此处低质量指缺乏上下文关联性。
管理低质量告警的技术人员需进一步调查、关联并从多条告警推断结论。而 AIOps 工具减少告警数量并增加每条告警的上下文（告警少且质优）。AIOps 还通过预测潜在问题防止故障发生，进一步减少告警数量。
用户满意度： AIOps 功能显著提升 IT 服务用户体验。更快的解决时间和更少的故障增加信任度和用户留存，直接推动企业业务目标达成。
团队士气与生产力： 需处理费时费力且重复任务的 IT 团队现可转向更具战略性和价值感的工作。拥有有效 AIOps 解决方案的企业通常拥有更快乐、更轻松的 IT 团队。
“[OpManager]让我实现了工作与生活的平衡……无论何时何地都能获得实时、主动的数据” ~推荐语来自 Work Healthy Australia 项目经理 Rohan Manuel，谈及 ManageEngine OpManager 如何改变其团队的IT管理方法。
AIOps 的其他可衡量影响更为具体，且因企业和行业而异。例如，重视 DevOps 流程的企业将见证更快的上市时间和 DevOps 与 SRE 团队间更好的协作。类似地，AIOps 实施的成功还可通过关键安全事件减少、关键服务性能和弹性提升、用户事件报告差异和自动检测等指标衡量。
我应如何选择AIOps解决方案？
如往常一样，这取决于众多因素并因企业而异。然而，我们可概述一些在选择具备 AIOps 能力的监控供应商前需关注的通用因素。
它真的算是 AIOps 吗？还是仅是花哨的术语？
许多供应商通过声称具备相似功能来定位自身于 AIOps 市场，通常只是使用 AIOps 相关术语，却并未明示其 AI/ML 能力。
功能是自研还是收购？
自主开发的功能通常比收购并简单集成的工具更好地融合于 IT 工具的现有功能中。虽然收购已成市场常态且众多供应商成功完成产品收购与整合，但选择具备自研 AIOps 功能的供应商更为稳妥。
它能为我做什么？我需要它吗？
这很重要，因为许多供应商可能会用花哨的 AIOps 功能锁定您，附加昂贵费用而您未必需要。所以您更应关注可执行成果，如“它如何简化我的工作流程？”，“它如何帮助 IT 团队做出更好决策？”，或者“它是否比现有流程更高效？”。
需为 AIOps 支付多少费用？
成本始终是IT决策的重要因素，AIOps 亦然。供应商可能针对 AIOps 工具收取额外许可费，或按使用率计费。但归根结底，AIOps 只是另一项功能。您应像评估 IT 工具中其他功能一样分析它：值不值得？
ManageEngine 的 AIOps 是如何开发的？
ManageEngine 及其母公司 Zoho Corporation 在 ZLabs 开发 AI 解决方案。ZLabs 是我们的研发部门，是 Zoho 及 ManageEngine 所有前沿技术的创新中心。ManageEngine OpManager 的 AIOps 能力由 Zoho 的智能助手 Zia 提供支持。Zia 是 ZLab 旗舰 AI 解决方案，支撑 ManageEngine 和 Zoho 的多款工具和解决方案。
Zia 专注于四个方面：
- 语言处理
- ML（机器学习）
- 硬件加速
- 数据库研究
OpManager 中的 AIOps 功能有哪些？
OpManager 具备多样的 AIOps 功能，助您提升 IT 运维的不同环节。
自适应阈值
通过 ML，OpManager每小时基于历史数据和典型使用模式自动计算并调整网络设备性能阈值，免去手动配置阈值，适应网络行为变化，减少因预期波动产生的告警噪音。
性能趋势预测
OpManager 通过预测算法分析网络设备和接口的历史性能数据，预测 CPU、内存和带宽利用率等指标的未来趋势，帮助预测资源可能受限的时间，支持主动容量规划。
预测报告
基于性能趋势预测，此功能生成报告，预测网络中特定资源（如服务器磁盘空间或路由器内存）耗尽的时间，为全网潜在资源瓶颈提供清晰概览。
自动化工作流
OpManager 的拖拽式工作流功能允许 IT 团队执行顺序、基于结果的无代码工作流，内含70多种独特操作。工作流灵活，可通过告警或基于时间的计划触发，轻松自动化基本故障排查、诊断和事件响应。
预测告警
当预测模型指示网络资源预计在指定时间内耗尽时，OpManager 能够触发主动告警，提前预警潜在资源紧张，从而避免实际发生。
Zia 洞察与仪表盘
通过 OpManager 内置 AI 引擎 Zia，快速获取可执行洞察。Zia 通过诸如趋势模式、异常、百分比变化、最大值和最小值等洞察阐释历史监控数据。
Zia 的 AI 驱动仪表盘提供网络监控数据分析所得的智能洞察和建议集中视图，突出潜在问题，提示根因，并提供可执行建议以优化网络性能和预防未来问题。
基于 MCP 的 Gen-AI（生成式 AI）集成
模型上下文协议（MCP）服务器使生成式 AI LLM 安全访问 OpManager 实时 IT 数据。借助该集成，您的 IT 团队可使用自然语言集成数据、识别问题并驱动不同 IT 平台间的事件响应，无需人工关联或定制集成。
智能事件关联
智能事件关联通过依赖跟踪、上下文感知的告警聚类及 ML 驱动的模式识别与预测，减少告警噪声，加速根因分析。借助智能关联，OpManager 将混乱的告警风暴转化为有意义的高级问题，帮助 IT 团队更快识别和解决问题。
OpManager 与其他 AIOps 解决方案有何不同？
我们内置的 AI 引擎 Zia
OpManager 采用 ManageEngine 自主 AI 引擎 Zia 提供端到端 AIOps 功能。Zia 作为模块级集成，能无缝执行多种功能而不影响 OpManager 的速度与性能。您可通过 Zia 与 OpManager 完成以下 AIOps 功能。
面向每个团队的 AIOps
OpManager 的一个关键优势是致力于让每个团队均能负担得起 AIOps。市场上多数工具将 AI 视为需额外付费的高端附加功能，而我们认为智能运维应成为 IT 监控工具的标准。OpManager 将 AIOps 功能直接纳入核心产品，无需额外收费，确保您能在整个 IT 部门应用先进的 ML 驱动洞察和自动化，无需担心现代可观测性解决方案中常见的“AI 税”。
数据安全与隐私
ManageEngine 优先保障您的数据安全和隐私，提供让您完全掌控的部署模式。不同于许多仅支持云端的 AIOps 解决方案必须将敏感遥测数据传输至外部服务器，OpManager 设计为本地管理，确保您的数据始终处于自身安全边界内，助您满足严格的全球合规标准。凭借专注的数据隐私策略，您可在享受 AI 驱动洞察的同时，不影响关键基础设施数据的完整性或存储位置。
专注研发：未来路线图
OpManager 真正的差异化在于 ManageEngine 对研发的持续投入及对自主运维未来的愿景。我们的路线图致力于将 Zia 打造为 IT 战略中更主动的参与者，未来将推出基于 AI 的生成诊断报告和更深入的预测功能。通过不断优化原生算法，我们确保 OpManager 不仅紧跟 IT 趋势，更能前瞻布局，为您的团队提供应对未来基础设施挑战的尖端工具。
作者：Visakh
产品市场营销，ManageEngine
