Gartner预测，到2019年底，全球四分之一的企业将策略性地实施AIOps，支持两个或更多的IT运营功能。而到2022年，40%的大型企业将结合大数据和机器学习功能，支持和部分替代监测、服务台和自动化流程和任务。
利用AIOps进行IT运营，此刻，正在到来。
您所在的企业，目前正站在哪个位置上呢？
毕竟，AIOps解决方案的最终目标是让工程师的生活更美好，这是所有IT人致力的目标，我们值得付出。
业务性能场景引领AIOps快速发展
从下图中可知，在DEM、ITM、NPMD、APM等几个监控领域都可以发展AIOps能力。
AIOps需要在大量数据场景下，结合机器学习、深度学习等AI技术才能发挥较大作用，而业务性能监控的场景正满足于此。
这正是华青融天较早使用AI技术来研究业务性能监控的市场需求之源。
华青融天的业务性能监控产品有一定的创新性，它通过旁路镜像的方式实时获取到网络流量数据包，进行协议解析后，获得大量的动态业务数据，尤其在金融、税务、证券等场景中有很好的应用。
这个业务性能监控对于Gartner定义的应用性能监控（APM）是一个很大的扩展和创新，它们实现的技术方式不同，传统的APM更多采用拨测或agent方式采集数据，而华青融天业务性能监控产品是通过旁路镜像的方式采集数据。
虽然技术实现方式不同，但目标仍然都是保障应用系统的可用性和提升用户体验。
国外厂商使用比较多的是传统APM的方式，提供应用性能监控、基础设施监控、数字化体验管理、混合云监控等一体化方案。
而国内大型企业，特别是在生产环境中更青睐于华青融天这种基于网络旁路流量数据采集和解码的方式，实现对应用性能指标的实时监控和告警，保证对应用系统本身非侵入、零影响。
华青融天这种业务性能监控的技术实现方式，也得到了 Gartner APM 领域研究专家的业内认可。
未来——
“运维数据平台+智能分析大脑+自动化工具”
企业数字化转型对应用系统运维提出更高要求，比如监控粒度更细、告警定位更准，业务性能监控产品正在与大数据、机器学习、云计算等技术相结合，未来的产品定位应重点关注以下几个方向：
01
智能化
智能化已经成为企业在动态和复杂的IT环境中应用系统监控的必需品，运维部门采集的数据种类和数量已经呈现了指数级的增长，继续依赖人工分析已经无法满足需要。
利用海量、实时、全栈的监控数据，通过AI算法，替代或部分替代传统的人工分析，给出问题定位和运维决策的建议，缩短MTTR (平均故障恢复时间)，并通过迭代提高分析和决策的准确性。
02
数据融合
业务性能监控产品需要扩大摄取数据类型的范围，包括网络流量数据、日志数据、应用系统追踪文件和基础监控指标等，通过对这些数据的实时分析和历史分析，实现细粒度的实时监控和全栈式视图。
网络流量数据适用于端到端的性能监控和跨业务节点的交易追踪；
日志数据和应用系统追踪文件有助于问题定位和根因推断；
与基础监控指标关联可以分析资源的可用性和性能瓶颈。
数据融合和开放性不仅包含摄取数据的完整性和融合，也包含对各种采集数据、统计分析的指标数据、告警数据、决策建议等对外提供服务。
03
平台化
智能运维（AIOps）未来将是一个大数据和人工智能或机器学习技术相结合的软件平台，以增强和部分取代传统的IT运维流程和任务，包括可用性和性能监控、事件相关性与分析、IT服务管理和自动化。既提供平台能力，用户可以在此之上实现交互式分析，也提供开箱即用的运维工具。
Gartner预计，在未来五年，大范围的AIOps平台将成为交付AIOps功能的主要形式，而不是像目前这样嵌入在APM、NPMD（网络性能管理和诊断）或ITIM（IT基础设施监控）等监控工具中的AIOps功能。
04
业务价值
业务性能监控目前主要针对IT运维和应用系统支持，而一些更领先的企业已经开始使用这些数据分析的结果，向业务部门和领导者提供洞察力。
运维数据中既包含技术的指标，也包含业务的指标，如交易量、交易类型、渠道分布、客户来源、交易金额等，这些都是企业重要的数据资产，可以实现业务数据可视化、实时业务分析、业务预测和用户行为分析等。
企业的数据中心正在从IT视角转变为业务视角，从成本中心转变为利润中心。既保障业务系统的“稳定”“安全”“可靠”运行，又通过数据分析和服务帮助企业提升“客户体验”“运营效率”和“业务收益”。
综上，应用性能监控产品的未来是——“运维数据平台+智能分析大脑+自动化工具”，运维数据平台是基础，智能分析大脑是能力，自动化工具是手段。
网友评论