智能化操作就是利用机器学习等人工智能算法，从大量的运营数据中自动学习、总结规则，并作出决策的操作方法，这就是将人工智能技术融入到运维系统中，基于大数据和机器学习，将大量数据源（日志、业务、系统数据等）收集到的大量数据进行实时或离线分析，通过主动、人性化、动态可视化，增强传统的运行管理能力。
尤其是分布式应用系统和CDN资源，以及日益复杂的网络接入环境，使IT部门在一开始就难以及时发现IT故障。为保证系统的高可用性，减少故障率，企业倾向于进一步扩大IT系统规模，从而使业务成长速度越快，IT规模越大，IT管理负担就越重。
AIOps的落地，将把日常的IT管理工作转移到具有机器学习和自动化操作能力的智能运维平台上，极大地减少了企业管理的时间和资金投入。并且运维管理者还可以从大量的告警信息筛选、重复执行巡检任务、人工判断故障、手工解决问题的低效率工作中释放出来，以建立更有效、更高规模的IT系统为核心，支持企业的数字化业务发展，这也是业界倡导的“IT从运行到运行”之路。
AIOps智能运维平台还可以有效地预测潜在的IT故障，提前解决这些问题，而不需要人工干预，降低应用系统故障率，可以有效地提高云计算资源的使用效率。由于IT监测和应用性能管理系统中的机器学习和深度学习算法的不断积累，使得IT运维人员可以通过使用自动工具，在不同场景下解决一些基本问题。AIOps智能运维平台对于不同类型、不同应用系统、不同云平台的学习样本数据足够丰富时，AIOps智能运维平台能够自动地评价系统的健康状况，例如CPU使用量，磁盘吞吐率，设备故障率等，如果系统异常活动被发现，可以提前自动触发相关的操作。
在企业中，AIOps的应用能力不仅取决于IT监控系统的数据大小和自动化系统的可用性，也依赖于人员和流程的一致性。服务提供商能够在短时间内将AIOps智能运维平台部署到企业，但管理变革并非安装一套系统那么简单，它需要根据业务特征来调整人员和流程，这通常需要较长时间。
要度量企业AIOps智能运维平台的实施效果，可以着重于两个关键指标，即平均故障恢复时间（MTTR）和交易（失败）处理数，这两个指标反映顾客满意度，即AIOps的价值。
人工智能技术的成熟，以机器学习、深度学习为代表，为通过IT手段持续提高运维水平和服务质量奠定了基础。AIOps则以IT大数据为切入点，率先解决了数字化及因特网+企业在转型过程中面临的业务与IT系统断裂的问题。尽管大部分机器学习项目可能要花数年时间才能看到价值，但是AIOps平台能够以最少的成本为企业的运行带来良好的投资回报。
云呐统一运维管理平台，通过对网络设备管理、服务器管理、存储设备管理、业务应用管理、无线管理、日志分析、办公设备/联网设备、动环系统等本地和异地网络的实时监控、自动巡检，精准采集、分析故障信息，判断重要数据性能指标，实现大规模数据中心的集中统一管理。
标签：云呐,运维,管理,平台,系统,学习,AIOps 来源： https://www.cnblogs.com/yunyingpai/p/16262168.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。