A.艾拓先锋ITIL CHINA

IT运维数据治理和AIOPS是怎么一起给IT运维管理带来超给力支持的

1736583593553.png

 

IT运维数据治理和AIOps如何手拉手,一起让IT运维变得更高效、更给力。这份报告,是ITIL先锋论坛的解决方案副总裁在GOPS全球运维大会2022·上海站上,跟大家掏心掏肺分享的。

 

效率和成本的拉锯战

智能运维现在是深水区,效率是上去了,但数据治理这关可不好过。比如,黄金指标检测和告警收敛这些招数已经用得挺溜了,但要是在全领域指标上搞异常检测,或者想提高对隐患的敏感度,那可就难了,因为运维数据的质量和完整性不够给力。还有啊,信息系统发展得越来越快,资源也越来越多,虽然智能趋势预测已经用上了,但要搞个业务和应用关联预测,数据关联不完整,规划起来就费劲。

 

互动式建设方案

互动式建设方案,就是运维场景和数据治理建设得互相支持。把数据治理和智能数据治理结合起来,就能实现智能自动降噪、资产发现、特征识别和动态关联。运维场景建设包括主机检测、网络诊断、应用瓶颈和容量预测等等,而数据治理建设则包括数据资产、标准治理、数据模型和数据审计等方面。

 

新一代数据底座:数智平台建设方案

新一代运维数据底座——数智平台的建设方案。数智平台有数据管理、自我观测、数据标准化和数据模型这些牛气冲天的特性。它通过开箱即用的数据获取、应用成效反馈优化和智能数据底座,实现完整性覆盖、服务化应用和场景化组织。数智平台的运维管理模型基于原子运维数据模型,融入运维标准问题解决的最佳实践,把关键运行逻辑、知识、规则都转化成数据的组织结构。

 

共生式的智能运维建设

智能运维和数据底座得一起成长。通过引入运维管理模型,一方面给更多运维场景提供现成的有效数据支持,另一方面通过智能运维场景的成功应用数据经验,沉淀到运维数据治理里,实现智能运维和数据底座的共生发展。

 

展望

AI如何让数据治理效率飞起来,强调场景能力和数据能力得一起进步。智能运维平台会整合运维场景应用、异常检测、告警收敛、根因分析和资源规划等功能,而数据治理场景则包括维度降噪、元素发现、特征识别和关联发现等方面。通过智能数据底座,实现运维大数据、CMDB、日志、APM、NPM、基础监控和业务监控等数据的整合和应用。

 

一个全面的IT运维数据治理与AIOps交互支撑能力框架,强调通过数据治理和智能运维的结合,提升IT运维的效率和效果。通过新一代数据底座——数智平台的建设,实现运维场景与数据治理的相互支撑和共生发展,为未来的IT运维管理提供了新的思路和方法。

 

 

 IT运维管理:ITIL先锋论坛—IT运维数据治理与AIOPS的交互支撑能力框架.pdf 

 


← 返回ITIL