AIOps可以簡化NetOps團隊工作的5種方式

IT和NetOps團隊花費了大量的時間來規劃、部署、升級、維護、排除故障和監控網路。這需要對整個網路環境有一個完整的瞭解，包括本地的、雲的或混合環境的。但是，隨著網路繼續變得越來越複雜，團隊很難跟上步伐。AIOps是一項旨在幫助自動化和增強IT操作的技術。根據Gartner的說法，“AIOps結合了大資料和機器學習來自動化IT操作流程，包括事件關聯、異常檢測和因果關係確定。”

AIOps的基本前提很簡單。

1)它可以在所有的資料來源中進行分析，以確定模式和相關性;

2)它可以提供前瞻性的見解;

3)它可以使IT部門在問題發生時或發生前自動處理或解決。最近的研究表明，技術人員不太可能相信這種技術。事實上，根據EMA的一份報告，他們更傾向於相信自己作為網路基礎設施專業人員的技能能力，而不是相信一套演算法的優點。

報告顯示，有實踐經驗的個人更有可能相信AIOps可以提供的生產力和效率效益。但是，給技術人員提供他們所需的第一手AIOps經驗水平，並不總是能夠在前期實現。

AIOps使用案例

那麼，如何才能克服這些AIOps的偏見和誤解，讓你的團隊瞭解這項技術的巨大潛力?讓我們來看看五個關鍵的用例，它們應該能幫助技術人員清楚地看到其好處。

1)AIOps可以透過為企業提供異常檢測、自動安全事件修復、智慧警報/升級和自動服務問題修復等技術來簡化網路運營工作流程，當把該技術應用到網路管理中時，AIOps會對網路安全(防火牆、IDS/IPS、裝置剖析等)、資料中心網路(第2、3層交換、虛擬覆蓋和公共雲網路如laaS)產生巨大的影響。 AIOps平臺的主要優勢是自我學習的能力，能夠理解正常和非正常的網路和應用行為，然後對異常情況發出警報，從根本上改善了網路運營和相應的工作流程。

讓我們以設定不良應用體驗的閾值為例。由於應用體驗取決於多種因素，包括源和目的地之間的物理距離、最後一英里的網路頻寬、終端使用者裝置的資源配置等等，因此整個網路中不同應用的基線是相對不同的。為企業級網路手動應用閾值既具有挑戰性，又不切實際。使用利用歷史資料的基線技術，可以確定上下文基線以及相應的動態閾值，隨著時間的推移，這些閾值可以根據網路的狀態而改變。這種調整閾值的能力，從而產生有意義的警報，是改善網路運營工作流程的一個可靠的方法。

2)AIOps解決方案可以減少費力的故障排除，因為網路專業人員無需花時間瀏覽資料，就可以找到網路流問題和安全事件的答案。在使用AIOps時，你可以應用先進的機器學習(ML)和基於人工智慧(AI)的分析方法，使你的IT團隊通常管理的各種任務自動化。ML驅動的AIOps已經大大改善了威脅檢測，從而改善了安全事件響應方法。這在威脅檢測方面尤其如此，如網路釣魚攻擊。透過了解客戶端到伺服器和伺服器到客戶端的互動模式、傳送和接收的位元組以及它們之間的時間間隔，基於ML/AI的技術可以非常準確地識別此類攻擊。如果只是看源頭的狀態，這些實際上是不可能檢測到的。

3)AIOps透過將工具整合到一起來提高生產力。大多數NetOps團隊使用4到10個工具來管理網路需求和解決可見性問題。讓AIOps解決方案為你的團隊自動進行資料審查和管理協議，可以提高生產力。AIOps平臺通常會做得更好，因為有更多型別的網路遙測資料可用--如透過裝置、連結、拓撲狀態的網路基礎設施健康狀況;透過應用可見性的應用健康狀況;透過相應策略、使用者資訊、位置資訊、應用託管區域的服務質量等等。

透過吸收來自多個來源的資訊，並檢視這些資料集之間更深層次的相關性，可以挖掘出特定行為的根本原因。例如，一個典型的應用效能(較低的MOS分數)可能是由於擁堵的連結導致的丟包、DOS攻擊導致的網路裝置CPU過高、配置不好的QoS策略、或不正確的路由，從而導致伺服器和客戶端之間的路徑更長。通常情況下，網路管理工具看的是這些遙測來源的一個子集，因此能夠提供一個不完整的畫面。然而，如果一個AIOps平臺能夠攝取、處理、關聯並推匯出這些不同的資料集，就會出現一個更完整和準確的根本原因的畫面。

4)AIOps允許團隊專注於戰略業務驅動計劃，如容量規劃或透過業務應用程式使用消費者應用程式。根據EMA的報告，90%的參與者同意AIOps可以為他們的企業帶來更好的業務成果。這種好處可以直接透過更好地瞭解現有或歷史趨勢以及預測它們的未來，或者僅僅是因為IT人員可以專注於業務專家，而不是被動地排除網路和應用問題。前者的一個例子是，在零售環境中，對使用者行為與應用程式使用的更多理解或對映。如果商店WiFi網路中的店內移動應用流量與某類產品的需求(透過基於URL的識別或類似技術)之間有很強的相關性，零售商可以廣泛提供搜尋到的商品，或將其放在一個方便的地方，使其容易到達。使用模式也可以提供關於可能增加可用Wi-Fi頻寬(或不增加)的見解，以最佳化業務目標。

5) AIOps幫助實現自動化操作。理想情況下，AIOps以ML和AI的形式應用高階分析，使IT和NetOps團隊已經處理的操作自動化，如改變防火牆規則，將一個來源列入黑名單，推送網路QoS策略變化，以改善VoIP的頻寬分配，或推送策略變化，透過SD-WAN環境中的網際網路連結為非業務流量路由應用程式流量。這就為您的團隊創造了一幅在一個正常的網路中被認為是 "正常 "的畫面，因此，有助於準確地識別他們需要調查和解決的任何異常情況。有了這樣的洞察力，NetOps團隊就能在解決網路問題時快速行動。為了進一步闡述自動化(在現代控制器驅動的企業網路中)，AIOps平臺可以透過直接與部署的網路控制器整合，並透過控制器的API推送配置變化，為潛在問題提供補救。這簡化和精簡了自動化的範圍、合規性和安全考慮。

寫在最後

AIOps在簡化工作流程和提高IT和NetOps團隊的生產力方面有很大潛力。這可以改善業務成果，並允許將資源重新分配給其他專案。 不幸的是，即使有上述明顯的好處，該技術要達到採用的成熟度仍有很長的路要走。EMA報告稱，目前只有38%的企業為AIOps編制預算，而且大多數人預計在2022年之前不會有可用的預算用於此。隨著越來越多的企業開始全面實施AIOps，以及更廣泛的行業對AIOps的好處有了更多的瞭解和認識，AIOps應該開始在企業IT優先事項的長列表中上升。