智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
GEMPLE
如今，幾乎所有的企業(yè)組織都在采用某種形式的云計算。包括將應(yīng)用程序或工作負載首次轉(zhuǎn)移到云計算平臺，將云和本地活動融合到混合云平臺，或基于微服務(wù)和API的云原生應(yīng)用架構(gòu)。
在所有這些變體中，幫助企業(yè)組織確保其服務(wù)和應(yīng)用的性能和可用性的傳統(tǒng)工具都失敗了。越來越多的人需要更現(xiàn)代化的工具來提供更好的可觀察性和對正在發(fā)生的事情的洞察力，以及基于人工智能的輔助來幫助確保持續(xù)可用性和一流的性能。
當(dāng)前有幾個問題推動了對現(xiàn)代工具的需求。首先，組織在云環(huán)境上部署應(yīng)用程序和運行工作負載的復(fù)雜性增加。
即使是一個簡單的應(yīng)用程序，比如為用戶帳戶提供移動前端，也會涉及到企業(yè)維護的后端元素、公共云上的數(shù)據(jù)庫、通過用戶提供商的連接，以及任何一個主要的移動操作系統(tǒng)。各種元素之間存在許多相互依賴關(guān)系，業(yè)務(wù)部門對大多數(shù)可能影響性能或可用性的元素幾乎沒有控制權(quán)。當(dāng)出現(xiàn)問題時，可能需要花費大量時間來確定中斷的來源。使用AIOps的現(xiàn)代可觀察性工具可以幫助自動化根本原因分析，加速停機或其他問題的修復(fù)(MTTR)。這可以顯著減少修復(fù)/恢復(fù)的時間。
第二，企業(yè)不能再被動，在問題發(fā)生后采取行動。傳統(tǒng)的IT管理方法是等待來自客戶或內(nèi)部用戶的的關(guān)于服務(wù)中斷或服務(wù)質(zhì)量差的投訴電話。AIOps提供了一種更具有預(yù)測性的操作模式。其支持一種主動的方法，可以發(fā)現(xiàn)丟棄或重發(fā)數(shù)據(jù)包的增加，以及其他性能不佳的指標(biāo)，并實時采取糾正措施。
第三，當(dāng)應(yīng)用程序和服務(wù)使用多個云元素交付時，安全性將更具挑戰(zhàn)性，其中一些云元素不受企業(yè)的控制。有了現(xiàn)代的可觀察性工具，安全團隊可以使用AIOps來發(fā)現(xiàn)異常，這些異常是攻擊或預(yù)示數(shù)據(jù)泄露的活動的前兆。例如，AIOps可以用來提醒安全團隊，有大量的數(shù)據(jù)正在通過一個通常很少使用的端口從組織中發(fā)送出去。
持續(xù)可用性對于滿足最終用戶的期望至關(guān)重要
應(yīng)用程序性能和可用性對于任何組織都非常重要。員工有一定的期望，即他們完成工作所需的應(yīng)用程序和服務(wù)能在他們需要的時候隨時可用，并且表現(xiàn)良好。
同樣，如今任何面向客戶的應(yīng)用程序或服務(wù)都面臨著更苛刻的用戶期望。由于人們習(xí)慣于在需要的時候立即獲得任何東西，所以對于那些無法獲得或性能較差的產(chǎn)品，幾乎沒什么容忍度。
許多研究已經(jīng)量化了任何問題對底線的影響。40%的用戶會放棄加載時間超過3秒的網(wǎng)站，53%的用戶會放棄無法在3秒內(nèi)加載的手機應(yīng)用。
如果某個網(wǎng)站或手機應(yīng)用無法使用或表現(xiàn)不佳，用戶就會放棄該網(wǎng)站或應(yīng)用。這就會導(dǎo)致收入損失。例如，在線購物的客戶只需跳轉(zhuǎn)到另一個商家的網(wǎng)站下一次性訂單。如果客戶在該網(wǎng)站上有良好的體驗，那么他們可能永遠不會再回來了。所以，這不僅僅是一次購買的損失。這可能意味著失去一個終身客戶。
相比之下，緩慢的性能推動著業(yè)務(wù)的發(fā)展。Google對該問題的一項經(jīng)典分析發(fā)現(xiàn)，53%的用戶放棄了加載時間超過3秒的站點。事實上，網(wǎng)站和移動應(yīng)用的性能非常重要，Google現(xiàn)在把這兩個因素都納入了SEO排名。這同樣會對財政收入產(chǎn)生嚴(yán)重影響。想象一下，從頁面上的Google排名第二下降到搜索結(jié)果的第一頁，那么當(dāng)客戶尋找其產(chǎn)品或服務(wù)時，永遠不會看到這家公司。
現(xiàn)代商業(yè)所需要的工具
如今，持續(xù)可用性和優(yōu)化性能至關(guān)重要。確保兩者兼顧的一種方法是使用可觀察性與AIOps相輔相成，AIOps是任何數(shù)字組織在云環(huán)境中運行時都需要全天候運行的基本層。
AIOps是部署機器學(xué)習(xí)來跟蹤來自傳感器、軌跡、日志和其他來源的數(shù)據(jù)，以防止內(nèi)部和外部中斷，無論是通過事件關(guān)聯(lián)還是異常檢測。其還可以通過確定傷亡人數(shù)來更好地分析事件發(fā)生的原因。
高級AIOps平臺匯集所有數(shù)據(jù)——指標(biāo)、跟蹤、日志、更改和事件——以實現(xiàn)快速、準(zhǔn)確的報告和分析。與過去的、基于規(guī)則的技術(shù)不同，這種方法可以對部分證據(jù)進行操作，并在問題變得嚴(yán)重之前發(fā)現(xiàn)問題。AIOps還使用機器學(xué)習(xí)來分析事件，了解如何在事件生命周期的早期發(fā)現(xiàn)問題，并確定推動持續(xù)可用性的模式。
考慮到2022年基于云計算的數(shù)字組織的復(fù)雜性，以及多層微服務(wù)和臨時架構(gòu)，AIOps對于尋求確保應(yīng)用和服務(wù)可用且性能良好的努力至關(guān)重要。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
