[ad_1]

مدیریت شبکه و زیرساخت همیشه پیچیده بوده است. AIOps قول می دهد همه چیز را ساده کند.

اعتبار: momius از طریق Adobe Stock

اعتبار: momius از طریق Adobe Stock

با قدرتمندتر شدن شبکه ها و زیرساخت های مرکز داده ، مدیریت پیچیده تر و چالش برانگیزتر می شود. اما شاید نه برای مدت طولانی تر.

هوش مصنوعی برای عملیات فناوری اطلاعات (AIOps) نوید می دهد تا با بهبود عملیات با فن آوری های تجزیه و تحلیل و یادگیری ماشین (ML) ، زندگی را برای تیم های مرکز داده آسان کند. سیستم عامل های AIOps با استفاده از جادوی خود ، با استفاده از داده های بزرگ ، جمع آوری انواع داده ها از ابزارها و دستگاه های مختلف برای عملیات IT ، به طور خودکار مشکلات را در زمان واقعی شناسایی و پاسخ می دهند. با ادامه اثبات ارزش AIOps ، محبوبیت آن رو به افزایش است. گارتنر اخیراً پیش بینی کرده است که تا سال 2023 ، حداکثر 40٪ از تیمهای DevOps برنامه و ابزار نظارت بر زیرساخت خود را با AIOps افزایش می دهند.

کاهش فشار

در قلب AIOps توانایی تجزیه و تحلیل سیگنال ها و وقایع در حالی که پاسخ های عملیاتی خودکار با هدف حفظ سلامت ، به روز بودن و اثربخشی خدمات و راه حل های IT وجود دارد ، می باشد. راس آکرمن ، رئیس علوم داده برای خدمات مشتری و فعال سازی در سرویس های ابری ترکیبی. داده ها و NetApp ، گفت: “AIOps به شناسایی مثبت کاذب ، هشدار اعلان های اصلی اکوسیستم و پیش بینی و جلوگیری از وقفه کمک می کند.” وی افزود: “توانایی های AIOps اغلب به صورت تجزیه و تحلیل قابل پیش بینی با اقدامات پیشگیرانه خودكار شناسایی و اجتناب از مشكلات قبل از وقوع خدمات یا كل راه حل ها دیده می شود.”

راس آکرمن ، NetApp

راس آکرمن ، NetApp

در محیط های پیچیده ، اتوماسیون معمولاً به ادغام چندین سیستم IT نیاز دارد. راجیو میرانی ، مدیر فنی ارائه دهنده پلت فرم ابر ترکیبی Nutanix ، گفت: “AIOps می تواند یکی از راه های بهبود بیشتر در دید و ثبات حجم کار باشد.” وی گفت: “AIOps داده ها را در مقیاس وسیع تجزیه و تحلیل می کند و بینش هایی را فراهم می کند که تیم های زیربنایی و عملیاتی می توانند براساس آن عمل کنند.”

پراسانا ولایودام ، مدیر تحول فناوری اطلاعات برای مدیریت برنامه های فناوری اطلاعات و شرکت مشاوره بازرگانی Capgemini در آمریکای شمالی ، گفت که رهبران فناوری اطلاعات تحت فشار قابل توجهی برای بهبود توانایی ها و بهره وری دیجیتال برای اجرای برنامه تحول دیجیتال سازمان خود هستند. وی گفت: “با افزایش تقاضا برای سرعت بازار بدون به خطر انداختن سلامت و در دسترس بودن سیستم ، رهبران فناوری اطلاعات چاره ای جز بهبود تجزیه و تحلیل و اتوماسیون از پایان به پایان ندارند.” “نکته اصلی استفاده از تجزیه و تحلیل و اتوماسیون پیشرفته داده ها برای شناسایی و پیش بینی پیش بینی شده و عیب یابی عملکرد بهبود یافته سیستم است.” وی گفت ، ترکیب قابلیت ها برای درک و هدایت سفر مشتری با AIOps باعث می شود IT بیش از حد انتظار باشد.

بسیاری از مزایا

تیم های فناوری اطلاعات به لطف رشد سریع ابزارهای نظارت و هشدار شبکه و سیستم ، در حوضچه ها و دریاچه های حوادث ، هشدارها و اعلان های شبکه غرق می شوند. آكرمن گفت ، تقريباً 25 درصد از شركت هاي بزرگ در حال حاضر هشت يا بيشتر ابزار نظارت براي نصب يك مروري جامع نصب كرده اند. وی گفت: “بسیاری از ابزارها با هشدارها و رویدادهای غیرمرتبط زیادی برای کارکنان پشتیبانی فناوری اطلاعات برای ردیابی و پاسخگویی به آنها ارائه می شود.”

پراسانا ولایدهام ، کاپژمینی

پراسانا ولایدهام ، کاپژمینی

AIOps ضمن تقویت ثبات و انعطاف پذیری کلی کسب و کار ، پتانسیل بهبود و بهره وری تیم IT را به سازمان ها ارائه می دهد. این فناوری همچنین توانایی به دست آوردن دانش عمیق از تجربیات و سفرهای مشتریان را فراهم می کند. ولایودام گفت: “AIOps می تواند قابلیت های عملیاتی قابل پیش بینی را به همراه داشته باشد تا سازمان ها بتوانند خود را با تغییر وفق دهند.” وی افزود: “با خودكار كردن كارهای دنیوی و آشكار كردن بینش از مجموعه داده های بزرگ كه نمی توان دستی آنها را الك كرد ، AIOps می تواند كارآیی تیم IT را افزایش دهد.”

با اتخاذ یک رویکرد استراتژیک و هوشمند در زمینه اتوماسیون فناوری اطلاعات ، مشاغل همچنین می توانند تلاش های خود را برای تحول دیجیتال تسریع کنند. میرانی گفت: “اتوماسیون فناوری اطلاعات همچنین می تواند کارهای دستی تکراری را از بین ببرد ، تیم فناوری اطلاعات شما را برای انجام کارهای استراتژیک آزاد می کند و باعث می شود کل تیم برای تجارت ارزشمندتر باشد.”

ما برای شروع آماده می شویم

حوزه ارائه دهنده AIOps به سرعت در حال رشد است. این واقعیت باید تصویب AIOps را تسهیل کند ، اما همچنین برای مشتریان بالقوه گیجی ایجاد می کند ، زیرا به نظر می رسد آنها از طریق ابزارها و رویکردهای مختلف مرتب شده اند. چالش دیگری که پذیرندگان بالقوه با آن روبرو هستند ، پرداختن به کیفیت انواع مختلف داده های جمع آوری شده مانند یادداشت های روزانه و شاخص های تولید شده توسط برنامه های قدیمی و استفاده از دانش جمعی از همه این داده ها است. ولایودام هشدار داد: “انتقال به AIOps برای مشاغل یک برد سریع برای بسیاری از مشاغل نخواهد بود.”

راجیو میرانی ، نوتانکس

راجیو میرانی ، نوتانکس

برای شروع کار با AIOps ، میرانی به تیم های آموزشی و سرعت بخشیدن به آنها با آخرین توانایی های AI و ML توصیه می کند. وی گفت: “سعی نکنید آموزش را محدود کنید ؛ آموزش تیم شما برای نگه داشتن همه در یک صفحه بسیار مهم است.”

میرانی خاطر نشان کرد که کار با پروژه های اولیه یکی یکی موثرترین است. وی گفت: “تجزیه و تحلیل اینکه چه کارها یا بارهای کاری بیشترین منابع و زمان را به خود اختصاص می دهند می تواند به شما کمک کند تا تلاش های AIOps خود را در اولویت قرار دهید.” “هنگامی که یک به یک پروژه های بزرگتر و پیچیده تری را حل و فصل می کنید ، تیم شما اکنون بهترین روش هایی را دارد که می تواند به ساده سازی استراتژی کلی شما کمک کند.”

مطالب مرتبط:

چگونه CarParts.com از استراتژی AIOps هنگام رشد استفاده می کند

AIOps ، DevSecOps و فراتر از آن: بررسی جنبه های جدید DevOps

IBM در مورد کنفرانس توسعه دهندگان دیجیتال در مورد پتانسیل AIOps صحبت می کند

جان ادواردز یک روزنامه نگار کهنه کار فناوری تجارت است. کارهای او در نیویورک تایمز ، واشنگتن پست و نشریات تجاری و فناوری متعددی از جمله Computerworld ، CFO Magazine ، IBM Data Management Magazine ، RFID Journal و Electronic … مشاهده کامل بیوگرافی

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir