激情人妻,热久久av,国产一区二区在线观看swag,国产精品久久国产精品99电影

　　 近幾年，各行各業(yè)紛紛擁抱互聯(lián)網(wǎng)＋，借助云計算、大數(shù)據(jù)等技術(shù)來實現(xiàn)生產(chǎn)效率的提升，與之相關(guān)的就是企業(yè)IT系統(tǒng)越來越復雜。IT系統(tǒng)規(guī)模愈大、運維管理精細化要求更高、運維采集指標更多、響應(yīng)時間需求更短等挑戰(zhàn)接踵而來。面對大量運維數(shù)據(jù)，以及對數(shù)據(jù)的實時秒級分析處理要求，傳統(tǒng)IT系統(tǒng)和模式越來越難以滿足當前運維需求。

  　  在過去，IT資源都是通過人工進行管理，需要經(jīng)過手動定義系統(tǒng)網(wǎng)絡(luò)架構(gòu)、配置并克隆虛擬機、配置OS、安裝數(shù)據(jù)庫等漫長的流程，才能夠使用，并且在部署過程中，人工操作易出錯。傳統(tǒng)運維壓力很大，疲于奔命和救火，必須要尋求改變，走向自動化、平臺化、智能化。
　　在IT服務(wù)管理方面，借助ITSM以及自動化技術(shù)可以有效提升管理效率。ITSM中的自動化工具幫助企業(yè)更高效地提高管理任務(wù)，大大縮短應(yīng)用發(fā)布流程，提高IT效率，提升對IT需求的響應(yīng)速度，有效節(jié)省運維、開發(fā)人員的工作時間。
　　在IT運維方面，Docker、OpenStack、Puppet等技術(shù)的流行，以及微服務(wù)、CI/CD、DevOps等理念的落地生根，自動化運維的發(fā)展迎來了小高潮。整體來看，自動化運維平臺幫助提升了運維的效率，并減少了因人工疏忽和流程操作失誤而引起的運維故障。

　　重新定義IT運維

　　隨著企業(yè)加速自身業(yè)務(wù)互聯(lián)網(wǎng)化的進程，新業(yè)務(wù)和新場景不斷涌現(xiàn)，這就要求企業(yè)在IT架構(gòu)方面進行與之適應(yīng)的調(diào)整，對于開發(fā)的訴求也更多放到需求實現(xiàn)上面。企業(yè)的數(shù)字化程度越高，運維的管理難度也越大。
　　技術(shù)界逐漸催生出了服務(wù)化的軟件架構(gòu)，以及持續(xù)交付過程，同時隨著業(yè)務(wù)體量快速膨脹，因服務(wù)化帶來的大量的應(yīng)用管理、持續(xù)交付、監(jiān)控、穩(wěn)定性、成本控制等非功能性體系的建設(shè)和保障就需要有專門的團隊來做，這時對于運維的訴求也在悄然發(fā)生著變化。
　　在這個過程中，云計算的發(fā)展改變了IT資源供給模式的同時也對運維管理提出了新的變革要求，傳統(tǒng)的網(wǎng)絡(luò)、硬件和系統(tǒng)維護的職責在逐漸被弱化，也在逼迫著運維的關(guān)注點從底層轉(zhuǎn)向應(yīng)用和業(yè)務(wù)層面，現(xiàn)有運行制度和人員角色需要進行重新定位。

　　AI使能IT運維

　　隨著AI時代的到來，我們工作和生活中的一切都在被重新定義。企業(yè)在嘗試通過AI技術(shù)提高運維服務(wù)的有效性乃至預測性，同時降低成本，實現(xiàn)業(yè)務(wù)轉(zhuǎn)型。
　　在2016年，Gartner提出了AIOps的概念，并預測到2020年，AIOps的采用率將會達到50%。簡單來說，AIOps就是希望基于已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應(yīng)用信息等）并通過機器學習的方式來進一步解決在IT運維中通過自動化沒辦法解決的問題。

　　作為一種將算法集成到工具里的新型運維方式，AIOps可以幫助企業(yè)最大程度的簡化運維工作，把IT從耗時又容易出錯的流程中解放出來。傳統(tǒng)IT運維管理工具更為關(guān)注突發(fā)事件（即告警）、配置和性能，而AIOps則更加關(guān)注問題、分析和預測，二者可謂互相補充相得益彰。
　　有了AIOps，當IT出現(xiàn)故障隱患，運維人員不需要再等待系統(tǒng)發(fā)出故障告警，通過內(nèi)置的機器學習算法以及大數(shù)據(jù)技術(shù)，就能自動發(fā)現(xiàn)系統(tǒng)的各類異常，從而實現(xiàn)從異常入手判斷故障發(fā)生的可能性、嚴重性和影響，依賴機器對數(shù)據(jù)的分析結(jié)果，判斷最佳的應(yīng)對方案。
　　數(shù)據(jù)只有全面才能進行科學的決策，很多時候如果看到的日志不全，或者拿到的監(jiān)控數(shù)據(jù)不準，在做決策的時候肯定就會比較貿(mào)然。比如數(shù)據(jù)中心某業(yè)務(wù)鏈路出現(xiàn)問題，是不是要切換？數(shù)據(jù)是不是還能保持一致？這個時候在沒有確定的數(shù)據(jù)來支撐你決策之前，你做決策時都會感到比較忐忑，猶豫不前。
　　就目前來看，國內(nèi)的百度、搜狗、阿里巴巴等互聯(lián)網(wǎng)廠商已經(jīng)在探索嘗試AIOps，并且取得了不錯的效果。通過支持AIOps能力，平臺能夠提供更大的分析調(diào)整自修復能力，更進一步提高IT效率。
　　如何從錯綜復雜的運維監(jiān)控數(shù)據(jù)中得出我們所需要的信息和結(jié)果，一句話就是分辨和精煉。同時，確保業(yè)務(wù)和SLA服務(wù)級別，出現(xiàn)問題要及時響應(yīng)、自動分析和優(yōu)化，把處理的流程精簡和高效組合起來，讓問題匹配正確的場景，找到正確的人，在第一時間正確處理。
　　機器學習需要大量的數(shù)據(jù)來訓練，故障出現(xiàn)的形態(tài)是千奇百怪，對故障的歷史數(shù)據(jù)進行場景分類和標注，不斷用模式識別和數(shù)據(jù)來訓練機器識別和分析，然后讓機器自動準確判斷。
　　基于數(shù)據(jù)和模型來提高事件的處理能力。很多事件有的工程師處理的特別快，反之如果對這個故障不熟悉的人可能花費的時間就很長。這就需要構(gòu)建一個策略知識庫，讓其他人來參考和學習，提高同類場景事件處理的能力。

　　我們以數(shù)據(jù)中心的管理與運維為例，數(shù)據(jù)中心的運維工作主要包括配置管理和監(jiān)控，運維人員每天都要進行大量的模塊維護操作，這個過程大部分程序是由人力手工操作完成的。一方面人的精力有限，不可能及時發(fā)現(xiàn)所有的故障，另一方面，這一過程中人為失誤的可能性不可避免。將人工智能應(yīng)用于數(shù)據(jù)中心的管理和控制，通過機器學習模型進行精細化管理，可以實現(xiàn)智能化運維的目標。
　　谷歌可以說是最早在數(shù)據(jù)中心的管理方面運用人工智能技術(shù)的代表了，它使用人工神經(jīng)網(wǎng)絡(luò)對大型數(shù)據(jù)中心的運行進行分析，對數(shù)據(jù)進行了收集和匯總（像數(shù)據(jù)中心基礎(chǔ)設(shè)施的耗電量、為達到一定制冷效果所用的水的量），通過人工智能計算模型對數(shù)據(jù)中心的運行效率進行分析和評估，提出相應(yīng)的改進數(shù)據(jù)中心運行效率的解決方案。
　　AI使能下的IT運維目標就是減少對人的依賴，逐步信任機器，實現(xiàn)機器的自判、自斷和自決。技術(shù)在不斷進步，AI技術(shù)可以解決一些需要花費大量人力和時間才能解決的事情，但是AI不是一個很純粹的技術(shù)，它也需要結(jié)合具體的企業(yè)場景和業(yè)務(wù)，通過計算驅(qū)動和數(shù)據(jù)驅(qū)動，才能產(chǎn)生一個真正可用的產(chǎn)品。