對(duì)于大多數(shù)依賴 IT 系統(tǒng)來(lái)支持任務(wù)關(guān)鍵型業(yè)務(wù)應(yīng)用的企業(yè)而言，信息技術(shù) (IT) 運(yùn)營(yíng)管理是一個(gè)令人頭疼的問題。

盡管工程師本著良好的初衷，進(jìn)行了巧妙的設(shè)計(jì)，采用了可靠的開發(fā)實(shí)踐，但部署在企業(yè)中為關(guān)鍵業(yè)務(wù)應(yīng)用服務(wù)的軟件和硬件系統(tǒng)還是很容易出現(xiàn)中斷，每年都會(huì)造成數(shù)百萬(wàn)美元的勞動(dòng)力和收入損失，以及引發(fā)客戶的不滿。

為了更準(zhǔn)確地預(yù)測(cè) IT 宕機(jī)情況并做出回應(yīng)，IT 團(tuán)隊(duì)著手篩選從拓?fù)?、日志、憑單和警報(bào)等來(lái)源中提取的數(shù)據(jù)。但是，即使有了這些不同的數(shù)據(jù)源和雜亂的工具，團(tuán)隊(duì)仍然無(wú)法從單一的共享視角來(lái)解決宕機(jī)問題。幸運(yùn)的是，IBM Cloud Pak for Watson AIOps 可以為您實(shí)現(xiàn)這一切！

日志異常預(yù)測(cè)

Watson AIOps 最新的日志異常檢測(cè)技術(shù)正在申請(qǐng)多項(xiàng)專利，它能夠從日志聚合工具（例如 Splunk、Humio、LogDNA 和 Logstash）中自動(dòng)解析 IT 應(yīng)用和基礎(chǔ)架構(gòu)日志，以便實(shí)時(shí)自動(dòng)檢測(cè)異常。這比基于閾值或錯(cuò)誤字符串匹配類型的傳統(tǒng)警報(bào)技術(shù)要快得多，因而大大縮短了診斷事件的平均時(shí)間。我們使用深度學(xué)習(xí)算法在日志解析過(guò)程中從日志中提取特征，并進(jìn)行異常預(yù)測(cè)。用戶不必設(shè)置靜態(tài)閾值或手動(dòng)規(guī)則來(lái)檢測(cè)異常。它會(huì)積極地讓 IT 運(yùn)維人員參與進(jìn)來(lái)，診斷異常并解決事件。此外，它會(huì)解釋通過(guò)您選擇的 IT 工具集揭示出的洞察，這樣 IT 運(yùn)維人員就可以在未來(lái)自動(dòng)解決相同類型的事件。

指標(biāo)異常預(yù)測(cè)

Watson AIOps 基于指標(biāo)的異常檢測(cè)技術(shù)可以分析來(lái)自各種系統(tǒng)（例如 New Relic、AppDynamics 和 SolarWinds）的指標(biāo)數(shù)據(jù)，自動(dòng)了解企業(yè)中指標(biāo)的正常行為，并檢測(cè)其中的異常。它采用一套久經(jīng)驗(yàn)證的時(shí)間序列算法來(lái)捕獲季節(jié)因素和重要趨勢(shì)，并執(zhí)行預(yù)測(cè)。

事件分組

事件表示 IT 運(yùn)營(yíng)環(huán)境中發(fā)生了值得注意的事情。例如，應(yīng)用不可用或磁盤容量已滿/空間不足等。事件分組和分類的目的是幫助 IT 運(yùn)營(yíng)管理人員減少干擾，讓他們集中精力解決一些需要及時(shí)關(guān)注的重要事件。Watson AIOps 使用多種算法（例如時(shí)間、空間和關(guān)聯(lián)規(guī)則挖掘）對(duì)從指標(biāo)、日志和憑單中檢測(cè)到的異常進(jìn)行分組，從而實(shí)現(xiàn)事件分組。

靜態(tài)和動(dòng)態(tài)拓?fù)涔芾?/span>

應(yīng)用和網(wǎng)絡(luò)拓?fù)涫侵敢环N映射或圖表，它顯示了企業(yè)中不同任務(wù)關(guān)鍵型應(yīng)用之間的連接情況。靜態(tài)拓?fù)涫侵敢环N基于以上構(gòu)建而構(gòu)建的映射，并部署了應(yīng)用和基礎(chǔ)架構(gòu)組件信息。反之，動(dòng)態(tài)拓?fù)涫侵敢环N動(dòng)態(tài)映射，隨著環(huán)境在運(yùn)行時(shí)發(fā)生變化，它可以捕獲資源及其關(guān)系，并提供近乎實(shí)時(shí)的相同可視性。

通過(guò)使用 Watson AIOps 中的拓?fù)涔芾砥鳎梢詫?dāng)前拓?fù)渑c歷史拓?fù)溥M(jìn)行比較，從而回答“發(fā)生了什么事？”和“正在發(fā)生什么事？”之類的問題。它可以幫助您調(diào)查導(dǎo)致事件發(fā)生的詳細(xì)信息，并查看拓?fù)洌ê蜖顟B(tài)）隨時(shí)間推移的變化。此外，可以在拓?fù)渖洗_定故障位置。

故障定位和爆炸半徑

實(shí)體提及是在異常日志、警報(bào)、憑單和事件中引用的資源名稱（例如，服務(wù)或應(yīng)用組件名稱、服務(wù)器名稱、服務(wù)器 IP 地址、pod ID、節(jié)點(diǎn) ID 等）。對(duì)事件進(jìn)行分組后，將會(huì)提取異常日志、指標(biāo)、警報(bào)和事件中的實(shí)體提及?？梢允褂猛?fù)滟Y源來(lái)解析這些實(shí)體，以便找到問題，并將識(shí)別出的實(shí)體放在相應(yīng)的動(dòng)態(tài)拓?fù)鋵?shí)例上，這些實(shí)例與實(shí)體提及被發(fā)現(xiàn)的時(shí)間相匹配。通過(guò)遍歷應(yīng)用、基礎(chǔ)架構(gòu)和網(wǎng)絡(luò)層中的拓?fù)鋱D，我們能夠確定受影響的組件，稱為爆炸半徑。

事件解決

Watson AIOps 通過(guò)連接到 ServiceNow 之類的工具來(lái)提取和挖掘先前的事件憑單數(shù)據(jù)，從而針對(duì)當(dāng)前診斷出的問題提供及時(shí)且相關(guān)的最佳行動(dòng)建議。當(dāng)前事件特征可以用于查詢有索引的憑單數(shù)據(jù)，不僅可以搜索和檢索最重要的相關(guān)先前事件記錄，還可以從每條相關(guān)記錄中提取重要的實(shí)體與操作（又稱名詞加動(dòng)詞）短語(yǔ)，以便 SRE 輕松快速地了解建議的操作。我們應(yīng)用各種自然語(yǔ)言處理技術(shù)來(lái)提取實(shí)體與操作短語(yǔ)，包括基于規(guī)則的系統(tǒng)。

交付洞察和實(shí)施操作

在 Watson AIOps 中，上述所有洞察都是通過(guò) ChatOps 和儀表板來(lái)提供。實(shí)時(shí)洞察通過(guò) ChatOps 直接交付到 SRE 所在的工作地點(diǎn)。ChatOps 除了可以探索洞察證據(jù)外，還支持與其他協(xié)作者進(jìn)行交互，分享精選的事件解決建議。通過(guò) ChatOps，SRE 可以啟動(dòng)日志、指標(biāo)和憑單監(jiān)控工具，了解更多詳細(xì)信息。同樣，SRE 還可以啟動(dòng)交互式儀表板，詳細(xì)探索事件、事件組、指標(biāo)異常和拓?fù)?。然后可以通過(guò) Runbook 執(zhí)行來(lái)自動(dòng)運(yùn)行適用的操作/運(yùn)行手冊(cè)。

關(guān)于人工智能模型生命周期管理的說(shuō)明

Watson AIOps 采用一組具有代表性的指標(biāo)、日志和憑單數(shù)據(jù)，用于訓(xùn)練和構(gòu)建無(wú)監(jiān)督模型。這些模型被設(shè)置為通過(guò)使用環(huán)境中的最新數(shù)據(jù)來(lái)持續(xù)學(xué)習(xí)，并根據(jù)用戶反饋進(jìn)行改進(jìn)。為了贏得信任，所有人工智能模型都具有透明和可解釋的特征，在 AI 預(yù)測(cè)和模型中提供信任和透明度，仍然是全球企業(yè)最關(guān)注的問題。

Watson AIOps 中的 AI 管道。

Watson AIOps 下一步將何去何從？

在下幾代 Watson AIOps 解決方案中，我們構(gòu)想了這樣一種 IT 運(yùn)營(yíng)環(huán)境，它不僅功能齊全，可觀察，具有自我意識(shí)，而且實(shí)現(xiàn)了自動(dòng)和自主操作。AIOps 解決方案不僅能夠以被動(dòng)響應(yīng)模式幫助解決問題，還可以通過(guò)從一開始就設(shè)計(jì)“開發(fā)、安全和運(yùn)營(yíng) (DevSecOps)”生命周期活動(dòng)，實(shí)現(xiàn)高效運(yùn)營(yíng)，提前避免發(fā)生問題。例如，智能檢查和關(guān)口可以防止有風(fēng)險(xiǎn)的部署進(jìn)入生產(chǎn)環(huán)境，阻止未經(jīng)充分測(cè)試的代碼模塊以及帶有危險(xiǎn)安全漏洞的代碼進(jìn)入部署階段。我們迫不及待地想要塑造未來(lái)，邀您與我們一起踏上這段旅程。

了解更多IBM相關(guān)：http://cloud.51cto.com/act/ibm2021q3/cloud#p2