對于大多數依賴 IT 系統來支持任務關鍵型業務應用的企業而言，信息技術 (IT) 運營管理是一個令人頭疼的問題。

盡管工程師本著良好的初衷，進行了巧妙的設計，采用了可靠的開發實踐，但部署在企業中為關鍵業務應用服務的軟件和硬件系統還是很容易出現中斷，每年都會造成數百萬美元的勞動力和收入損失，以及引發客戶的不滿。

為了更準確地預測 IT 宕機情況并做出回應，IT 團隊著手篩選從拓撲、日志、憑單和警報等來源中提取的數據。但是，即使有了這些不同的數據源和雜亂的工具，團隊仍然無法從單一的共享視角來解決宕機問題。幸運的是，IBM Cloud Pak for Watson AIOps 可以為您實現這一切！

日志異常預測

Watson AIOps 最新的日志異常檢測技術正在申請多項專利，它能夠從日志聚合工具（例如 Splunk、Humio、LogDNA 和 Logstash）中自動解析 IT 應用和基礎架構日志，以便實時自動檢測異常。這比基于閾值或錯誤字符串匹配類型的傳統警報技術要快得多，因而大大縮短了診斷事件的平均時間。我們使用深度學習算法在日志解析過程中從日志中提取特征，并進行異常預測。用戶不必設置靜態閾值或手動規則來檢測異常。它會積極地讓 IT 運維人員參與進來，診斷異常并解決事件。此外，它會解釋通過您選擇的 IT 工具集揭示出的洞察，這樣 IT 運維人員就可以在未來自動解決相同類型的事件。

指標異常預測

Watson AIOps 基于指標的異常檢測技術可以分析來自各種系統（例如 New Relic、AppDynamics 和 SolarWinds）的指標數據，自動了解企業中指標的正常行為，并檢測其中的異常。它采用一套久經驗證的時間序列算法來捕獲季節因素和重要趨勢，并執行預測。

事件分組

事件表示 IT 運營環境中發生了值得注意的事情。例如，應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 運營管理人員減少干擾，讓他們集中精力解決一些需要及時關注的重要事件。Watson AIOps 使用多種算法（例如時間、空間和關聯規則挖掘）對從指標、日志和憑單中檢測到的異常進行分組，從而實現事件分組。

靜態和動態拓撲管理

應用和網絡拓撲是指一種映射或圖表，它顯示了企業中不同任務關鍵型應用之間的連接情況。靜態拓撲是指一種基于以上構建而構建的映射，并部署了應用和基礎架構組件信息。反之，動態拓撲是指一種動態映射，隨著環境在運行時發生變化，它可以捕獲資源及其關系，并提供近乎實時的相同可視性。

通過使用 Watson AIOps 中的拓撲管理器，您可以將當前拓撲與歷史拓撲進行比較，從而回答“發生了什么事？”和“正在發生什么事？”之類的問題。它可以幫助您調查導致事件發生的詳細信息，并查看拓撲（和狀態）隨時間推移的變化。此外，可以在拓撲上確定故障位置。

故障定位和爆炸半徑

實體提及是在異常日志、警報、憑單和事件中引用的資源名稱（例如，服務或應用組件名稱、服務器名稱、服務器 IP 地址、pod ID、節點 ID 等）。對事件進行分組后，將會提取異常日志、指標、警報和事件中的實體提及。可以使用拓撲資源來解析這些實體，以便找到問題，并將識別出的實體放在相應的動態拓撲實例上，這些實例與實體提及被發現的時間相匹配。通過遍歷應用、基礎架構和網絡層中的拓撲圖，我們能夠確定受影響的組件，稱為爆炸半徑。

事件解決

Watson AIOps 通過連接到 ServiceNow 之類的工具來提取和挖掘先前的事件憑單數據，從而針對當前診斷出的問題提供及時且相關的最佳行動建議。當前事件特征可以用于查詢有索引的憑單數據，不僅可以搜索和檢索最重要的相關先前事件記錄，還可以從每條相關記錄中提取重要的實體與操作（又稱名詞加動詞）短語，以便 SRE 輕松快速地了解建議的操作。我們應用各種自然語言處理技術來提取實體與操作短語，包括基于規則的系統。

交付洞察和實施操作

在 Watson AIOps 中，上述所有洞察都是通過 ChatOps 和儀表板來提供。實時洞察通過 ChatOps 直接交付到 SRE 所在的工作地點。ChatOps 除了可以探索洞察證據外，還支持與其他協作者進行交互，分享精選的事件解決建議。通過 ChatOps，SRE 可以啟動日志、指標和憑單監控工具，了解更多詳細信息。同樣，SRE 還可以啟動交互式儀表板，詳細探索事件、事件組、指標異常和拓撲。然后可以通過 Runbook 執行來自動運行適用的操作/運行手冊。

關于人工智能模型生命周期管理的說明

Watson AIOps 采用一組具有代表性的指標、日志和憑單數據，用于訓練和構建無監督模型。這些模型被設置為通過使用環境中的最新數據來持續學習，并根據用戶反饋進行改進。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 預測和模型中提供信任和透明度，仍然是全球企業最關注的問題。

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，我們構想了這樣一種 IT 運營環境，它不僅功能齊全，可觀察，具有自我意識，而且實現了自動和自主操作。AIOps 解決方案不僅能夠以被動響應模式幫助解決問題，還可以通過從一開始就設計“開發、安全和運營 (DevSecOps)”生命周期活動，實現高效運營，提前避免發生問題。例如，智能檢查和關口可以防止有風險的部署進入生產環境，阻止未經充分測試的代碼模塊以及帶有危險安全漏洞的代碼進入部署階段。我們迫不及待地想要塑造未來，邀您與我們一起踏上這段旅程。

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