获取或“观察”
在获取阶段，从可观察性Telemetry中收集的所有相关历史和实时数据都会被分析，以了解是否有任何缺点或有问题的模式。收集的数据越多，信息就越多，以获得更好的预测数据。
AIOps是人工智能（AI）和机器学习（ML）技术的组合，并纳入您的IT基础架构管理中。2017年，Gartner创造了AIOps一词，以包括“分析Telemetry和事件，并确定提供见解以支持主动响应的有意义的模式”的平台。在观察到的Telemetry的帮助下，AIOps帮助团队更好地协作，更快地检测问题，并在最终用户受到影响之前快速解决这些问题。
预测胜于补救。AIOps驱动的网络管理软件可以从多个IT源收集数据，使用AI和ML技术处理这些数据，并为您提供解决方案。归根结底，AIOps平台的目标是为ITOps专业人员提供洞察力，以更早地发现问题并更快地解决问题。支持AIOPs的网络管理工具（如OpManager Plus）分析从您的IT基础架构获得的可观察Telemetry，并结合其先进的基于机器学习和人工智能的算法来进行预测和识别可能的错误。这有助于SRE和DevOps团队无缝执行，并在故障影响最终用户之前在修复故障方面获取优势。
让我们从头开始了解支持人工智能的网络管理解决方案的后端。AIOps平台在三层架构上运行。
在获取阶段，从可观察性Telemetry中收集的所有相关历史和实时数据都会被分析，以了解是否有任何缺点或有问题的模式。收集的数据越多，信息就越多，以获得更好的预测数据。
通过收集的Telemetry和各个业务团队的努力，制定了一个计划，以确定在补救过程中如何采取行动。通过自动化大多数补救和故障排除流程，这不仅减少了IT运营人员的工作量，还减少了人为错误的可能性，并带来了更快、更精确的整体解决方案。
基于人工智能和机器学习的高级算法有助于以更快、更清晰、更不复杂的方法支持广泛的IT操作流程。OpManager Plus的AIOps相关功能包括：
数据收集和处理是AIOps的基本功能之一，因此不相关的数据在使用前会被过滤掉并删除。OpManager Plus大大减少了数据中的噪音量，允许ITOps团队在事件发生之前管理告警和检测事件。这减少了ITOps团队的整体努力，提高了效率，同时提高了可靠性。
关键性能指标的自动阈值配置使网络管理员能够密切监控各种设备的性能统计信息，即使在不断变化的分布式环境中也是如此。自适应阈值可以根据环境在任何给定时间的行为方式为特定监视器自动配置阈值。了解更多
快速解决问题在减少平均修复时间（MTTR）和提高网络效率方面发挥着重要作用，从而减少网络停机时间。得益于与Slack的开箱即用集成，OpManager Plus支持与流行通信和ITSM工具的一键集成。此外，告警和通知可以引导到微软团队、Telegram等通信工具。了解更多。
AIOps汇总了收集的数据，并确定了关系和因果关系，为IT提供了利害关系的概述。这使得IT运营团队能够根据需要关联和解释信息，以快速理解和处理问题。可以获得其他相关指标和KPI，如MTTR、MTTA和MTTF，这有助于改善事件管理工作和对误报、信噪比和增强统计等指标的分析。OpManager Plus从网络角度促进了对应用程序的监控，这反过来又提供了应用程序和网络性能数据之间的相关性。这可以深入了解应用程序对网络造成的影响，反之亦然，并帮助您确定网络或应用程序中的任何故障。
在单个应用程序的帮助下，可以分析和跟踪最大的可疑原因、问题的根本原因以及每个请求所采取的路径。根本原因分析和网络路径分析等功能可帮助您深入到问题的根本原因，收集相关数据，并帮助在最终用户或客户端受到影响之前进行补救。一旦收到告警，IT团队就会收到导致AIOps结论的首要可疑原因和证据。这导致例行故障排除所需的人力减少。
AIOps在人类挣扎、分析大量数据的领域最耀眼。这对现代、高度分布式架构很有用，其中数以万计的实例同时运行。报表清单（手动和自动）允许您记录、分析和总结与网络健康和性能相关的实用数据。使用OpManager Plus，将自动报表发送到您的电子邮件地址，或根据与您的环境相关的任何特定需求计划报表。
AIOps有助于为已知问题自动进行闭环补救。AIOps有助于旋转应用程序的额外实例，以应对放缓并快速补救任何缺点。工作流自动化为网络管理员提供服务，允许他们以敏捷和灵活的拖放方式自动运行预定义的操作集。您的整个网络基础架构可以在单个屏幕上直观地显示。OpManager Plus为所有相互关联的IT资产的设备状态和运行状况提供彩色编码的仪表板和小窗件。了解有关工作流程自动化的更多信息
使用OpManager Plus中的ML驱动报表预测功能来计算内存、磁盘空间和CPU利用率等系统资源耗尽的剩余天数。例如，以设备内存使用为例。通过绘制预测报表，您可以看到还剩多少天，直到内存利用率达到80%、90%，以及何时完全耗尽。OpManager Plus需要至少3天的训练数据来应用其预测算法。预测基于使用趋势，当提供更多数据时可能会发生变化。OpManager Plus可以摄取长达14天的数据，以准确预测系统资源的使用模式。
OpManager Plus还使用ML为性能指标生成趋势线。OpManager Plus摄取了14天内的历史数据和当前使用趋势，以准确预测未来使用趋势。这些趋势与历史数据一起绘制在图表上，以便您可以预见性能指标在一天、一周或一个月中将如何变化。预测趋势适用于所有性能指标和界面。您还可以将这些数据可视化为报表和仪表板小窗件。
title="基础架构AIOps" />
